/ Модель

Характеристики

Контекст
131 072 токена
Параметры
978 млн
Размер весов
4,4 ГБ
Лицензия
MIT
Архитектура
bailing_hybrid · MoE
Базовая модель
Ling-3.0-tiny
Библиотека
mlx
Опубликована
11 авг 2026

Ling-3.0-tiny-MLX-4bit

Генерация текстаТекст → текст15 профессий

Ling-3.0-tiny-MLX-4bit — MLX-конверсия модели inclusionAI/Ling-3.0-tiny, опубликованная rapid-mlx.

151 тыс.скачиваний за 30 дней7лайковвеса обновлены5 окт 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 языковая модель для генерации текста, рассуждений и вызова инструментов, рассчитанная на локальный запуск на компьютерах Apple Silicon через MLX и rapid-mlx.

Модель использует разреженную MoE-архитектуру: всего 7,9 млрд параметров, из которых 1,3 млрд активируются для каждого токена; применяются 128 экспертов с выбором top-8 и одним общим экспертом. В архитектуре используется гибридный стек внимания KDA и MLA, контекст поддерживает до 131 072 токенов. Квантование выполнено в 4 битах с размером группы 64, размер файла составляет около 4,2 ГБ, поэтому модель помещается и работает на Mac с 8 ГБ unified memory. Языки и специализированные модальности в README не указаны; модель предназначена для работы с текстом.

Сильными сторонами являются большое контекстное окно, низкое число активных параметров при сохранении общей ёмкости 7,9 млрд параметров, поддержка рассуждений и нативного разбора вызовов инструментов. Ограничения связаны с зависимостью от MLX и Apple Silicon, а также с необходимостью использовать rapid-mlx, поскольку архитектура bailing_hybrid пока не входит в upstream mlx-lm. 4-битное квантование может снижать точность по сравнению с полной версией, однако в README приведены результаты проверки соответствия реализации официальному коду. Модель распространяется по лицензии MIT, унаследованной от базовой модели.

Для каких профессий подходит15

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

Ling-3.0-tiny — MLX 4-bit

Run with Rapid-MLX: rapid-mlx serve ling-3.0-tiny-4bit starts an OpenAI- and Anthropic-compatible API on your Mac. · Rapid-MLX benchmark vs Apple's MLX

The first MLX conversion of inclusionAI/Ling-3.0-tiny: a 7.9B-total / 1.3B-active sparse-MoE reasoner (128 experts, top-8 + 1 shared) with a KDA + MLA hybrid attention stack and 131K context, MIT licensed.

4.2 GB at 4.507 bits/weight — it fits and runs on an 8 GB Apple Silicon Mac.

Quantization4-bit, group size 64 (router kept 8-bit, short-conv weights fp)
Size on disk4.2 GB
Context131,072 tokens
Active parameters1.3B per token
LicenseMIT (inherited from the base model)

Serve it

The bailing_hybrid architecture is not in upstream mlx-lm yet — this checkpoint is served by rapid-mlx, which ships a verified native implementation (reference parity 1.5e-6 against the official modeling code):

pip install -U rapid-mlx   # 0.12.10 or newer
rapid-mlx serve ling-3.0-tiny-4bit

You get an OpenAI-compatible server on localhost:8000 with reasoning (reasoning_content) and tool calling parsed natively — thinking is controlled with chat_template_kwargs: {"enable_thinking": true} or the model's detailed thinking on/off system-prompt switch.

Once mlx-lm gains native bailing_hybrid support, this checkpoint will load there unchanged.

Conversion provenance

Converted with mlx_lm.convert (quantize=True, q_bits=4, q_group_size=64) running rapid-mlx's vendored bailing_hybrid implementation (PR #1817), which was verified against the official modeling_bailing_moe_v3.py on identical random weights to a max logits deviation of 1.5e-6 (full prefill) / 1.9e-6 (token-by-token incremental) before conversion. End-to-end chat / reasoning / tool-call behaviour validated on an M2 Pro Mac mini.

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, на GPU NVIDIA они не запускаются.

Класс архитектуры
BailingMoeV3ForCausalLM
Ревизия весов
fe8e75c

0 моделей