/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
AudioVideo · dense
Базовая модель
LTX-2.5
Опубликована
21 авг 2026

ltx-2.5-mlx-q8

Генерация видеоТекст → видео3 профессии

Версия LTX-2.5 с int8-квантизированным текстовым энкодером Gemma-4 для генерации видео по тексту с меньшим потреблением памяти.

542скачиваний за 30 дней3лайкавеса обновлены21 авг 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

mlx-community/ltx-2.5-mlx-q8 — это MLX-сборка компонента текстового энкодера Gemma-4 для LTX-2.5 от Lightricks, в которой энкодер квантизирован до int8. Репозиторий содержит дерево компонентов LTX-2.5 для автономной загрузки; остальные компоненты совпадают с mlx-community/ltx-2.5-mlx, а DiT в этой версии не квантизирован.

Сборка предназначена для генерации видео по текстовому запросу с меньшим потреблением памяти на небольших компьютерах Apple Silicon. По измерениям авторов, при потоковой загрузке DiT пиковое потребление памяти составляет около 14,6–15,4 ГБ вместо примерно 24,8 ГБ у варианта с энкодером bf16. Качество представления текста на валидных позициях близко к bf16, однако выходы не совпадают побитово: изменённое текстовое кондиционирование может приводить к другому, но приемлемому видео.

Модель относится к семейству AudioVideo, распространяется в формате safetensors и связана с базовой моделью Lightricks/LTX-2.5. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

Сценарии применения

  • генерация видео по текстовому запросу на Apple Silicon
  • запуск LTX-2.5 на компьютере с ограниченной памятью
  • создание видеовариантов по текстовым промптам

Ограничения

В этой сборке квантизирован только текстовый энкодер; DiT остаётся неквантизированным. Результаты не идентичны варианту bf16 и могут отличаться по содержанию видео; конкретные условия лицензии в предоставленных данных не описаны.

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

LTX-2.5 — int8 text encoder (MLX)

A complete LTX-2.5 component tree whose only difference from mlx-community/ltx-2.5-mlx is the Gemma-4 text encoder, quantized to int8 (13.6 GB vs 23.8 GB). Everything else is byte-identical to the base repo and is duplicated here only so this tree resolves standalone.

⚠️ This repo does NOT contain a quantized DiT. The transformer is a separate axis: see mlx-community/ltx-2.5-mlx-ditq8. The two are independent — you can mix an int8 encoder with a bf16 or int8 DiT.

Why it exists — it is load-bearing on small machines, not a nicety

With the DiT streamed, LTX-2.5's peak memory is set by a geometry-independent ~24.8 GB floor that turns out to be the bf16 encoder (measured: a 256×256×9 clip and a 512×288×121 clip peak within 0.01 GB of each other — a decode-bound peak would scale with geometry; this does not). That floor is over the budget of both 24 GB and 32 GB machines.

Swapping in this int8 encoder takes the whole-run peak to 14.6 GB / 15.4 GB respectively. Neither lever works alone: resident is DiT-bound, so the encoder swap is invisible without streaming, and streaming alone leaves the encoder floor.

Recipe

int8, group 64, with embed_tokens deliberately EXCLUDED (kept bf16). Hidden state 00 is embedTokens(ids) · embedScale — one of the 49 states the connector consumes directly, and the input to all 48 layers. Quantizing it moves that state on its own; state 00 == 1.000000 exactly is the fingerprint that it stayed bf16.

Fidelity

Connector output at valid token positions — the number that decides a text-encoder quant — reads 0.999820 against a 0.999879 bf16 floor.

⚠️ Read that metric, not a whole-array cosine. With a short prompt most of the 1024 positions are learned registers, identical across every encoder arm, which dilutes a whole-array figure 3–30×: a deliberately-poisoned arm scored 0.994316 whole-array but 0.829329 on its real tokens.

⚠️ The sample MOVES. Output is not bit-identical to bf16 (mean −0.1421/σ 0.4253 vs −0.1274/0.4222) — a different but equally valid video, because changing the encoder changes the conditioning and therefore the trajectory. Judged acceptable in a blind 4-pair perceptual A/B across prompts including a close-up face, at both 704×512 and a clamped 512×288 one-stage geometry. Comparing the arms with SSIM/PSNR would be a category error.

Licence

LTX-2 Community License — see LICENSE.md and the acceptable-use policy snapshot. Derivative of Lightricks LTX-2.5, carrying its terms including the Attachment A revenue gate and non-compete. Redistribution permitted under §3 with those terms propagated.

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.

Ревизия весов
3a80fb2

0 моделей