/ Модель

Характеристики

Контекст
131 072 токена
Параметры
9,1 млрд
Лицензия
Apache 2.0
Архитектура
moss_music · dense
Базовая модель
MOSS-Music-8B-Thinking
Опубликована
27 июн 2026

MOSS-Music-8B-Thinking-8bit

Языковая модельАудио, текст → текст3 профессии

8-битная MLX-конверсия MOSS-Music для локального анализа музыки и ответов текстом на вопросы об аудиозаписях на Apple Silicon.

405скачиваний за 30 дней8лайковвеса обновлены28 июн 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

MOSS-Music-8B-Thinking-8bit — созданная сообществом 8-битная MLX-конверсия модели OpenMOSS-Team/MOSS-Music-8B-Thinking для понимания музыки на компьютерах Apple Silicon. Это плотная аудиоязыковая модель семейства MOSS-Music с 9,1 млрд параметров.

Модель принимает аудио и формирует текстовые описания музыки, распознаёт тональность, темп, аккорды и структуру композиции, транскрибирует вокал и отвечает на вопросы о длинных аудиозаписях. README сообщает, что версия MLX предназначена для локального запуска на Mac и приводит пример обработки 75-секундной песни примерно за 34 секунды.

Модель ориентирована на английский и китайский языки. Репозиторий использует формат safetensors; лицензия — Apache-2.0. Это неофициальная конверсия сообщества, а авторство исходной модели принадлежит команде OpenMOSS.

Сценарии применения

  • создание текстового описания музыкальной записи
  • определение тональности, темпа и аккордов песни
  • анализ структуры музыкальной композиции
  • распознавание слов в вокале
  • ответы на вопросы о содержании длинной аудиозаписи

Ограничения

Это неофициальная конверсия сообщества для Apple Silicon и MLX; заявленные показатели скорости относятся к среде, описанной в README.

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

MOSS-Music-8B-Thinking · MLX 8-bit

Base model MLX License Backend

An 8-bit MLX quantization of OpenMOSS-Team/MOSS-Music-8B-Thinking for music understanding (captioning, key / tempo / chord, structure, lyrics ASR, long-form QA) that runs locally on Apple Silicon Macs.

Community conversion, not an official release. All model credit goes to the OpenMOSS Team.

Other sizes: 6-bit · 4-bit

Why this exists

On the stock PyTorch + MPS path several audio-encoder ops fall back to CPU, and local generation is effectively unusable (under 0.3 tok/s, often hanging). This MLX build runs properly on a Mac:

PyTorch / MPS (bf16)This model (MLX 8-bit)
Size on disk18 GB~10 GB
Load time~17 s~1.5 s
One 75 s songstalls (>13 min)~34 s
Throughput<0.3 tok/s~23 tok/s

(Indicative single-run numbers on an M4, 24 GB.)

Usage

MOSS-Music is a custom multimodal (audio + text) model, so it does not load with mlx_lm / mlx_vlm directly. Use the moss_music_mlx backend:

from huggingface_hub import snapshot_download
from moss_music_mlx import load_pretrained, generate
from src.processing_moss_music import MossMusicProcessor

path = snapshot_download("mlx-community/MOSS-Music-8B-Thinking-8bit")
model = load_pretrained(path)
proc = MossMusicProcessor.from_pretrained(path, trust_remote_code=True, enable_time_marker=True)

print(generate(model, proc,
               "Analyze this track: genre, key, BPM, structure.",
               audio_path="song.mp3"))

Or from the command line:

python -m moss_music_mlx.generate --model <downloaded_path> --audio song.mp3 \
  --prompt "Describe this music."

See the backend mlx/README.md for full setup and the parity tests.

How it was converted

  • 8-bit, group size 64. The audio encoder is kept at bf16 to preserve audio fidelity; quantization is applied to the Qwen3 layers, token embeddings and lm_head.
  • Converted with mlx==0.31.2, mlx-lm==0.29.1.

Accuracy

ComparisonResult
8-bit vs fp32 reference — prefill next tokenargmax identical, logit cosine 0.99999
8-bit vs bf16 — prefill, 5 mixed-genre clipsargmax 5 / 5, mean cosine 0.99998

Greedy decoding; long sampled generations may still diverge after a near-tie token, as expected for 8-bit quantization.

License & credit

Apache-2.0, inherited from the base model. This repository provides only the MLX-quantized weights. Please cite the original authors:

@misc{mossmusic2026,
  title  = {MOSS-Music Technical Report},
  author = {OpenMOSS Team},
  year   = {2026},
  howpublished = {\url{https://github.com/OpenMOSS/MOSS-Music}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
MossMusicModel
Ревизия весов
7b2c41e

0 моделей