/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,4 млрд
Размер весов
3,3 ГБ
Лицензия
Своя лицензия
Архитектура
stablelm · dense
Базовая модель
stablelm-2-1_6b
Библиотека
mlx
Опубликована
10 сен 2026

stablelm-2-1_6b-chat-mlx-16bit

Генерация текстаТекст → текст9 профессий

16-битная MLX-конверсия StableLM 2 для локальной генерации текста и диалога на компьютерах Apple Silicon.

820скачиваний 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

Это 16-битная конверсия StableLM 2 от SirSahOl для локального запуска на GPU компьютеров Apple Silicon. Веса модели StableLMForCausalLM сохранены в формате safetensors для MLX; исходная модель — stabilityai/stablelm-2-1_6b. В README указано 1,6 млрд параметров, а в метаданных — 1,4 млрд. Контекст составляет 4096 токенов. Модель принимает текст и генерирует текст; карточка базовой модели указывает поддержку английского, немецкого, испанского, французского, итальянского, нидерландского и португальского языков.

Модель подходит для локального диалога, генерации текста и дополнения кода. MLX позволяет использовать ускорение Apple Silicon, а 16-битные веса сохраняют исходную точность представления. README оценивает занимаемую память примерно в 3,9–4 ГБ и рекомендует не менее 8 ГБ объединённой памяти; фактическая скорость зависит от оборудования и длины запроса.

Это конверсия, а не новая архитектура или отдельное дообучение. Лицензия обозначена как «other»; перед использованием следует проверить её условия в репозитории исходной модели и этой конверсии. Конверсия рассчитана на Apple Silicon и не предназначена для других GPU без совместимого окружения MLX.

Сценарии применения

  • локальный чат-ассистент на Mac
  • генерация и продолжение текстов
  • дополнение кода в локальной среде разработки
  • многоходовой диалог без облачного сервиса

Ограничения

Конверсия предназначена для запуска через MLX на Apple Silicon; её применение на других аппаратных платформах ограничено. Метаданные указывают 1,4 млрд параметров, а README — 1,6 млрд; лицензию «other» следует проверить перед использованием.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

stablelm-2-1_6b-mlx-16bit

16-bit MLX conversion of stabilityai/stablelm-2-1_6b optimized for Apple Silicon native GPU inference.

Converted by: SirSahOl
Source Model: stabilityai/stablelm-2-1_6b
Framework: MLX by Apple
Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
Format: safetensors
License: other


Model Details

  • Architecture: StableLmForCausalLM
  • Parameters: 1.6B
  • Context Length: 4,096 tokens
  • Format: MLX (Apple Silicon native GPU format)
  • Quantization: 16-bit (Average 16.00 (unquantized bfloat16) bits per weight)
  • Active VRAM Footprint: ~3.9 GB (Minimum recommended: 8 GB Unified Memory)

Quick Start

Installation

pip install mlx-lm

Usage

CLI

# Chat interactively
mlx_lm.chat --model SirSahOl/stablelm-2-1_6b-chat-mlx-16bit

# Generate text
mlx_lm.generate --model SirSahOl/stablelm-2-1_6b-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/stablelm-2-1_6b-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

Apple Silicon Hardware Sizing Matrix

Estimated decoding throughput, time-to-first-token (TTFT), and active unified memory footprint across Apple Silicon tiers:

Apple Silicon TierUnified MemoryActive VRAMEstimated SpeedEst. TTFTRecommended Use Case
M1 / M2 / M3 / M4 (Base)8 GB Unified Memory~3.9 GB~53 tokens/sec~50 msEveryday interactive assistant & fast local completions
M1 / M2 / M3 / M4 Pro18 GB – 36 GB~3.9 GB~80 tokens/sec~34 msBalanced daily driver for coding, tool invocation, and multi-turn chat
M1 / M2 / M3 / M4 Max36 GB – 128 GB~3.9 GB~114 tokens/sec~21 msHigh-throughput generation, low latency, agent orchestration
M1 / M2 / M3 Ultra64 GB – 192 GB~3.9 GB~159 tokens/sec~14 msPeak concurrency, batch document extraction, production serving

Projections based on Apple Silicon memory bandwidth saturation for 16-bit weights. Real-world speeds vary by prompt length.


Multi-Quantization Comparison

Evaluate your hardware budget and choose the optimal precision:

VariantDisk SizeVRAM FootprintTarget Apple Silicon HardwareKey Advantage
4-bit MLX~1.2 GB~1.2 GBM1 / M2 / M3 / M4 (8GB+)Maximum generation speed and lowest RAM overhead.
8-bit MLX~2.1 GB~2.1 GBM1 / M2 / M3 / M4 Pro/Max (16GB+)Balanced accuracy and generation speed; near-lossless reasoning.
16-bit MLX (This Repository)~4.0 GB~4.0 GBM2 / M3 / M4 Max/Ultra (32GB+)Full unquantized precision; reference evaluation quality.

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/stablelm-2-1_6b-chat-mlx-4bit
8-bitSirSahOl/stablelm-2-1_6b-chat-mlx-8bit
16-bitSirSahOl/stablelm-2-1_6b-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/stablelm-2-1_6b-chat-mlx-16bit
PARAMETER stop "<|im_start|>"
PARAMETER stop "<|im_end|>"
PARAMETER stop "<|endoftext|>"
PARAMETER temperature 0.7
ollama create stablelm-2-1_6b-chat-mlx-16bit -f Modelfile
ollama run stablelm-2-1_6b-chat-mlx-16bit

Conversion Details

PropertyValue
Source Modelstabilityai/stablelm-2-1_6b
Quantization16-bit
mlx-lm Version0.31.3
Conversion Time5.9s
Output Size3.1 GB
Date2026-09-22T02:25:50.262833+00:00

Reproduction

To reproduce this conversion:

pip install mlx-lm==0.31.3
python3 -m mlx_lm.convert --hf-path /root/.cache/huggingface/hub/models--stabilityai--stablelm-2-1_6b/snapshots/f499ead74c53749bd93cebc6ce8bc0d7bdf1eaef --mlx-path output/stablelm-2-1_6b-mlx-16bit

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
v1.02026-09-22Initial 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
StableLmForCausalLM
Ревизия весов
07f8308

0 моделей