/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
152 млн
Размер весов
328 МБ
Лицензия
Своя лицензия
Архитектура
opt · dense
Базовая модель
opt-125m
Библиотека
mlx
Опубликована
22 сен 2026

opt-125m-chat-mlx-16bit

Генерация текстаТекст → текст3 профессии

16-битная версия OPT-125M в формате MLX для локальной генерации и продолжения английского текста на устройствах Apple Silicon.

514скачиваний за 30 дней0лайковвеса обновлены22 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SirSahOl подготовил версию OPT-125M для локального запуска на устройствах Apple Silicon: веса модели facebook/opt-125m представлены в формате MLX и сохранены в safetensors с точностью 16 бит. Это плотная авторегрессионная модель архитектуры OPTForCausalLM примерно на 152 млн параметров с контекстом до 2048 токенов, предназначенная для генерации и продолжения текста. README описывает использование через MLX и приводит измерения скорости на Apple M1.

Модель подходит для локальных экспериментов, оценки и простых сценариев генерации текста на английском языке. Небольшой размер облегчает запуск, однако модель значительно компактнее современных чат-моделей, поэтому её ответы и сложные рассуждения могут быть ограничены. Конверсия рассчитана на GPU Apple Silicon; лицензия указана как other, поэтому перед использованием следует проверить её условия.

Сценарии применения

  • локальное продолжение английского текста
  • генерация коротких текстовых фрагментов
  • эксперименты с небольшой авторегрессионной языковой моделью
  • оценка генерации текста на Apple Silicon

Ограничения

Контекст ограничен 2048 токенами, а компактный размер модели может ограничивать качество ответов и сложных рассуждений. Версия предназначена для Apple Silicon, а условия лицензии указаны как other.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

opt-125m-mlx-16bit

16-bit MLX conversion of facebook/opt-125m optimized for Apple Silicon native GPU inference.

Converted by: SirSahOl
Source Model: facebook/opt-125m
Framework: MLX by Apple
Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
Format: safetensors
License: other


Model Details

  • Architecture: OPTForCausalLM
  • Parameters: 125M
  • Context Length: 2,048 tokens
  • Format: MLX (Apple Silicon native GPU format)
  • Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
  • Active VRAM Footprint: ~388 MB (Minimum recommended: 8 GB Unified Memory)

Quick Start

Installation

pip install mlx-lm

Usage

CLI

# Chat interactively
mlx_lm.chat --model SirSahOl/opt-125m-chat-mlx-16bit

# Generate text
mlx_lm.generate --model SirSahOl/opt-125m-chat-mlx-16bit --prompt "Write a short poem about artificial intelligence."

Python API (with Chat Template)

from mlx_lm import load, generate

model, tokenizer = load("SirSahOl/opt-125m-chat-mlx-16bit")

messages = [
    {"role": "user", "content": "Explain quantum superposition in simple terms."}
]
prompt = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)

response = generate(model, tokenizer, prompt=prompt, verbose=True)
print(response)

Performance Benchmarks

Measured Benchmarks (Apple M1)

Metric4-bit8-bit16-bit
Tokens/sec360.69264.1360.9
TTFT2.79 ms3.8 ms16.44 ms
Peak Memory234.4 MB335.8 MB316.7 MB

Benchmarked on Apple M1 with 8GB unified memory. Average over 5 runs with 256 max tokens.


Multi-Quantization Comparison

Evaluate your hardware budget and choose the optimal precision:

VariantDisk SizeVRAM FootprintTarget Apple Silicon HardwareKey Advantage
4-bit MLX~79 MB~119 MBM1 / M2 / M3 / M4 (8GB+ Unified Memory)Ultra-compact footprint, maximum generation speed; negligible memory pressure.
8-bit MLX~146 MB~191 MBM1 / M2 / M3 / M4 (8GB+ Unified Memory)Near-lossless precision with an extremely lightweight footprint.
16-bit MLX (This Repository)~270 MB~340 MBM1 / M2 / M3 / M4 (8GB+ Unified Memory)Full unquantized precision; zero perplexity penalty for reference evaluation.

Who Should Use This?

Your HardwareRecommended Quantization
M1/M2/M3/M4 (8GB – 16GB)4-bit — Best balance of speed, low memory, and multitasking capability
M1/M2/M3/M4 Pro/Max (18GB – 36GB)8-bit — Higher quality reasoning with comfortable memory headroom
M1/M2/M3/M4 Max/Ultra (36GB – 192GB)16-bit — Unquantized full precision, zero quality degradation

General guidance:

  • Use 4-bit if you want to run this model alongside IDEs, browsers, and background development tools.
  • Use 8-bit if you have 16GB+ unified memory and require superior reasoning and code accuracy.
  • Use 16-bit for research, benchmarking, evaluation, or high-end workstation deployments.

Other Quantization Variants

VariantLink
4-bitSirSahOl/opt-125m-chat-mlx-4bit
8-bitSirSahOl/opt-125m-chat-mlx-8bit
16-bitSirSahOl/opt-125m-chat-mlx-16bit

LM Studio & Local Inference Setup Guide

To prevent runaway loops and ensure correct conversational turn-taking, configure custom stop tokens in your local inference runtime:

  1. <|im_start|>
  2. <|im_end|>
  3. <|endoftext|>

Prompt Template Formatting

  • System Prefix: <|im_start|>system\n
  • System Suffix: <|im_end|>\n
  • User Prefix: <|im_start|>user\n
  • Assistant Suffix: <|im_end|>\n<|im_start|>assistant\n

Ollama Quickstart

FROM SirSahOl/opt-125m-chat-mlx-16bit
PARAMETER stop "<|im_start|>"
PARAMETER stop "<|im_end|>"
PARAMETER stop "<|endoftext|>"
PARAMETER temperature 0.7
ollama create opt-125m-chat-mlx-16bit -f Modelfile
ollama run opt-125m-chat-mlx-16bit

Conversion Details


Limitations & Known Issues

  • 4-bit group-wise quantization introduces minor precision loss compared to unquantized weights; for deep mathematical derivations or precision-critical reasoning, test the 8-bit or 16-bit variants.
  • High context sequences (>32K tokens) require sufficient unified memory headroom; ensure unified memory is not overcommitted.
  • This is a weight-only MLX conversion designed specifically for Apple Silicon GPUs (M1/M2/M3/M4 series).

License

This model conversion inherits the license of the source model: other.

See the original model card for full license details.


Changelog

VersionDateChanges
v1.0N/AInitial conversion

Converted with MLX Foundry — a professional pipeline for converting models to Apple MLX format.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
OPTForCausalLM
Ревизия весов
4a503fb

0 моделей