/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
16,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
fable-gpt-4b
Опубликована
16 июн 2026

fable-gpt-4b-mlx-fp32

Изображение и текст → текст3 профессии

Преобразованная в формат MLX мультимодальная модель семейства Qwen3.5 для диалога по тексту и изображениям.

24скачиваний за 30 дней0лайковвеса обновлены16 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

usermma/fable-gpt-4b-mlx-fp32 — преобразованная в формат MLX версия модели aemmeath/fable-gpt-4b. По метаданным это плотная мультимодальная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration и поддержкой чата и зрения. Она предназначена для диалоговых задач с изображениями и текстом, например для вопросов по изображению и его описания. README указывает преобразование с помощью mlx-lm 0.31.3; файлы репозитория представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого фотографии
  • диалог с изображением в качестве контекста

Ограничения

Карточка не описывает оценку качества и конкретные ограничения модели.

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

usermma/fable-gpt-4b-mlx-fp32

The Model usermma/fable-gpt-4b-mlx-fp32 was converted to MLX format from aemmeath/fable-gpt-4b using mlx-lm version 0.31.3.

Use with mlx

pip install mlx-lm
from mlx_lm import load, generate

model, tokenizer = load("usermma/fable-gpt-4b-mlx-fp32")

prompt = "hello"

if hasattr(tokenizer, "apply_chat_template") and tokenizer.chat_template is not None:
    messages = [{"role": "user", "content": prompt}]
    prompt = tokenizer.apply_chat_template(
        messages, tokenize=False, add_generation_prompt=True
    )

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

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
Qwen3_5ForConditionalGeneration
Ревизия весов
3a30fd6

0 моделей