跳到正文

全部端侧模型

适用于 iPhone 和 Mac 的图文理解模型（Core ML 与 MLX）

该任务共有 436 个模型在 Hugging Face 上标为 Core ML 或 MLX，或由 Apple 发布：Core ML 21 个、MLX 414 个、其他 Apple 模型 1 个。下表列出最近 30 天下载量最高的模型。

最后更新：2026-11-02（UTC）。

显示 100 / 100 个。

模型大小下载量（30 天）
lmstudio-community/Qwen3.8-27B-MLX-4bitMLX基于 Qwen/Qwen3.8-27B16.1 GB338万
lmstudio-community/Qwen3.8-27B-MLX-8bitMLX基于 Qwen/Qwen3.8-27B29.5 GB323万
lmstudio-community/Qwen3.8-27B-MLX-6bitMLX基于 Qwen/Qwen3.8-27B22.8 GB321万
lmstudio-community/Qwen3.8-27B-MLX-5bitMLX基于 Qwen/Qwen3.8-27B19.4 GB320万
mlx-community/Qwen3.8-27B-4bitMLX基于 Qwen/Qwen3.8-27B16.1 GB78.9万
lmstudio-community/Qwen3.5-9B-MLX-4bitMLX基于 Qwen/Qwen3.5-9B6 GB69.8万
lmstudio-community/Qwen3.5-9B-MLX-8bitMLX基于 Qwen/Qwen3.5-9B10.5 GB64.7万
lmstudio-community/gemma-4-26B-A4B-it-QAT-MLX-4bitMLX15.6 GB35.4万
lmstudio-community/Qwen3.6-27B-MLX-4bitMLX基于 Qwen/Qwen3.6-27B16.1 GB32.2万
lmstudio-community/Qwen3.6-27B-MLX-8bitMLX基于 Qwen/Qwen3.6-27B29.5 GB30.9万
lmstudio-community/Qwen3.6-27B-MLX-5bitMLX基于 Qwen/Qwen3.6-27B19.4 GB30.8万
lmstudio-community/Qwen3.6-27B-MLX-6bitMLX基于 Qwen/Qwen3.6-27B22.8 GB30.7万
lmstudio-community/Qwen3.6-35B-A3B-MLX-4bitMLX基于 Qwen/Qwen3.6-35B-A3B20.4 GB27.9万
lmstudio-community/Qwen3.6-35B-A3B-MLX-8bitMLX基于 Qwen/Qwen3.6-35B-A3B37.7 GB26.3万
lmstudio-community/Qwen3.6-35B-A3B-MLX-6bitMLX基于 Qwen/Qwen3.6-35B-A3B29.1 GB25.8万
mlx-community/olmOCR-2-7B-1025-mlx-8bitMLX基于 Qwen/Qwen2.5-VL-7B-Instruct9.5 GB19万
lmstudio-community/gemma-4-26B-A4B-it-MLX-4bitMLX基于 google/gemma-4-26B-A4B-it15.6 GB14.1万
lmstudio-community/gemma-4-26B-A4B-it-MLX-8bitMLX基于 google/gemma-4-26B-A4B-it28 GB13.6万
lmstudio-community/gemma-4-26B-A4B-it-MLX-6bitMLX基于 google/gemma-4-26B-A4B-it21.8 GB13.5万
lmstudio-community/gemma-4-26B-A4B-it-MLX-5bitMLX基于 google/gemma-4-26B-A4B-it18.7 GB13.4万
lmstudio-community/gemma-4-31B-it-MLX-4bitMLX基于 google/gemma-4-31B-it18.4 GB13.1万
lmstudio-community/gemma-4-31B-it-MLX-8bitMLX基于 google/gemma-4-31B-it33.8 GB13.1万
lmstudio-community/gemma-4-31B-it-MLX-6bitMLX基于 google/gemma-4-31B-it26.1 GB12.6万
lmstudio-community/gemma-4-31B-it-MLX-5bitMLX基于 google/gemma-4-31B-it22.3 GB12.5万
mlx-community/Devstral-Small-2-24B-Instruct-2512-4bitMLX基于 mistralai/Devstral-Small-2-24B-Instruct-251215.1 GB7万
lmstudio-community/Qwen3-VL-4B-Instruct-MLX-4bitMLX基于 Qwen/Qwen3-VL-4B-Instruct3.1 GB6.4万
lmstudio-community/Qwen3-VL-4B-Instruct-MLX-8bitMLX基于 Qwen/Qwen3-VL-4B-Instruct5.1 GB6.1万
lmstudio-community/Qwen3-VL-4B-Instruct-MLX-6bitMLX基于 Qwen/Qwen3-VL-4B-Instruct4.1 GB6.1万
lmstudio-community/Qwen3-VL-4B-Instruct-MLX-5bitMLX基于 Qwen/Qwen3-VL-4B-Instruct3.6 GB6.1万
lmstudio-community/Qwen3-VL-8B-Instruct-MLX-4bitMLX基于 Qwen/Qwen3-VL-8B-Instruct5.8 GB6万
lmstudio-community/Qwen3-VL-8B-Instruct-MLX-8bitMLX基于 Qwen/Qwen3-VL-8B-Instruct9.9 GB5.5万
lmstudio-community/Qwen3-VL-8B-Instruct-MLX-6bitMLX基于 Qwen/Qwen3-VL-8B-Instruct7.8 GB5.4万
lmstudio-community/Qwen3-VL-8B-Instruct-MLX-5bitMLX基于 Qwen/Qwen3-VL-8B-Instruct6.8 GB5.4万
lmstudio-community/GLM-4.6V-Flash-MLX-4bitMLX基于 zai-org/GLM-4.6V-Flash7.1 GB4.9万
lmstudio-community/GLM-4.6V-Flash-MLX-8bitMLX基于 zai-org/GLM-4.6V-Flash11.8 GB4.8万
lmstudio-community/GLM-4.6V-Flash-MLX-6bitMLX基于 zai-org/GLM-4.6V-Flash9.4 GB4.7万
mlx-community/Qwen3.6-27B-4bitMLX基于 Qwen/Qwen3.6-27B16.1 GB4.5万
Jundot/Qwen3.8-Flash-Next-oQ4e-mtpMLX基于 Qwen/Qwen3.8-Flash-Next108 GB4.4万
mlx-community/Qwen3.6-35B-A3B-4bitMLX基于 Qwen/Qwen3.6-35B-A3B20.4 GB4.4万
mlx-community/gemma-3-4b-it-qat-4bitMLX基于 OpenGVLab/InternVL3-1B-Instruct3 GB4万
mlx-community/gemma-4-e4b-it-4bitMLX基于 google/gemma-4-E4B-it5.2 GB3.5万
TensorFold/Qwen3.8-27B-MLX-4bitMLX基于 Qwen/Qwen3.8-27B16.1 GB3.2万
mlx-community/Qwen3.8-27B-8bitMLX基于 Qwen/Qwen3.8-27B29.5 GB2.8万
mlx-community/Qwen3.5-9B-MLX-4bitMLX基于 Qwen/Qwen3.5-9B6 GB2.8万
Jundot/Qwen3.8-27B-oQ4e-mtpMLX基于 Qwen/Qwen3.8-27B17.5 GB2.5万
mlx-community/gemma-4-e2b-it-4bitMLX基于 google/gemma-4-E2B-it3.6 GB2.5万
mlx-community/Qwen2-VL-2B-Instruct-4bitMLX1.3 GB2.3万
mlx-community/Qwen2.5-VL-7B-Instruct-4bitMLX基于 Qwen/Qwen2.5-VL-7B-Instruct5.7 GB2.3万
mlx-community/Qwen3.5-9B-4bitMLX基于 Qwen/Qwen3.5-9B-Base6 GB2.3万
mlx-community/gemma-3-4b-it-8bitMLX基于 google/gemma-3-4b-pt5.7 GB2万
lmstudio-community/gemma-3n-E4B-it-MLX-4bitMLX基于 google/gemma-3n-E4B-it5.9 GB2万
lmstudio-community/Mistral-Small-3.2-24B-Instruct-2506-MLX-6bitMLX基于 mistralai/Mistral-Small-3.2-24B-Instruct-250620 GB2万
lmstudio-community/gemma-3n-E4B-it-MLX-bf16MLX基于 google/gemma-3n-E4B-it15.7 GB2万
lmstudio-community/gemma-3n-E4B-it-MLX-8bitMLX基于 google/gemma-3n-E4B-it9.3 GB1.9万
lmstudio-community/gemma-3n-E4B-it-MLX-6bitMLX基于 google/gemma-3n-E4B-it7.6 GB1.9万
mlx-community/gemma-3-27b-it-qat-4bitMLX基于 OpenGVLab/InternVL3-1B-Instruct16.9 GB1.9万
lmstudio-community/Qwen3-VL-30B-A3B-Instruct-MLX-4bitMLX基于 Qwen/Qwen3-VL-30B-A3B-Instruct18.3 GB1.8万
mlx-community/gemma-3-12b-it-qat-4bitMLX基于 OpenGVLab/InternVL3-1B-Instruct8.1 GB1.8万
mlx-community/Qwen3-VL-4B-Instruct-4bitMLX3.1 GB1.8万
mlx-community/gemma-4-E2B-it-qat-mobileMLX2.4 GB1.8万
lmstudio-community/Qwen3-VL-30B-A3B-Instruct-MLX-8bitMLX基于 Qwen/Qwen3-VL-30B-A3B-Instruct33.5 GB1.8万
Jundot/DeepSeek-V4.1-Flash-oQ4e-mtpMLX基于 deepseek-ai/DeepSeek-V4.1-Flash432 GB1.7万
mlx-community/gemma-3-12b-it-4bitMLX基于 google/gemma-3-12b-pt8.1 GB1.7万
Jundot/Qwen3.6-35B-A3B-oQ4e-mtpMLX基于 Qwen/Qwen3.6-35B-A3B22.2 GB1.7万
lmstudio-community/Qwen3-VL-30B-A3B-Instruct-MLX-6bitMLX基于 Qwen/Qwen3-VL-30B-A3B-Instruct25.9 GB1.7万
mlx-community/gemma-4-26b-a4b-it-4bitMLX基于 google/gemma-4-26B-A4B-it15.4 GB1.6万
lmstudio-community/Qwen3-VL-30B-A3B-Instruct-MLX-5bitMLX基于 Qwen/Qwen3-VL-30B-A3B-Instruct22.1 GB1.6万
Jundot/gemma-4-26B-A4B-it-oQ4e-mtpMLX基于 google/gemma-4-26B-A4B-it17.1 GB1.5万
Jundot/GLM-5.3-Flash-oQ4e-mtpMLX基于 zai-org/GLM-5.3-Flash186 GB1.5万
lmstudio-community/Mistral-Small-3.2-24B-Instruct-2506-MLX-4bitMLX基于 mistralai/Mistral-Small-3.2-24B-Instruct-250613.5 GB1.4万
sh0wie/Qwen3.8-Flash-Next-REAP-288-MLX-4bitMLX基于 Qwen/Qwen3.8-Flash-Next73.5 GB1.4万
mlx-community/gemma-4-E4B-it-qat-mobileMLX3.5 GB1.4万
Jundot/gemma-4-31B-it-oQ6e-mtpMLX基于 google/gemma-4-31B-it27.8 GB1.4万
lmstudio-community/Mistral-Small-3.2-24B-Instruct-2506-MLX-8bitMLX基于 mistralai/Mistral-Small-3.2-24B-Instruct-250625.9 GB1.3万
mlx-community/llava-v1.6-mistral-7b-4bitMLX4.3 GB1.3万
mlx-community/Qwen3.5-2B-6bitMLX基于 Qwen/Qwen3.5-2B-Base2.2 GB1.3万
mlx-community/llava-1.5-7b-4bitMLX4 GB1.3万
lmstudio-community/Qwen3.5-4B-MLX-4bitMLX基于 Qwen/Qwen3.5-4B3.1 GB1.3万
prism-ml/Ternary-Bonsai-2-9B-mlx-2bitMLX基于 Qwen/Qwen3.5-9B3.6 GB1.2万
Youssofal/Qwen3.8-Flash-Next-MTPLX-Optimized-SpeedMLX基于 Qwen/Qwen3.8-Flash-Next115 GB1.1万
mlx-community/Qwen3.8-27B-OptiQ-4bitMLX基于 Qwen/Qwen3.8-27B20.7 GB1万
mlx-community/Qwen3.5-0.8B-4bitMLX基于 Qwen/Qwen3.5-0.8B-Base652 MB1万
mlx-community/Muse-Glimmer-30B-4bitMLX基于 meta-models/Muse-Glimmer-30B19.4 GB9,843
lmstudio-community/Qwen3.5-4B-MLX-8bitMLX基于 Qwen/Qwen3.5-4B5.2 GB9,180
mlx-community/gemma-4-31b-it-4bitMLX基于 google/gemma-4-31B-it18.4 GB9,075
mlx-community/Qwen3.5-2B-4bitMLX基于 Qwen/Qwen3.5-2B-Base1.7 GB8,926
prism-ml/Ternary-Bonsai-2-2B-mlx-2bitMLX基于 Qwen/Qwen3.5-2B1.2 GB8,819
mlx-community/Muse-Spark-Open-816B-A42B-4bitMLX基于 meta-models/Muse-Spark-Open-816B-A42B533 GB8,736
mlx-community/gemma-4-12B-it-qat-4bitMLX11 GB8,349
mlx-community/gemma-4-12B-it-4bitMLX6.8 GB8,348
prism-ml/Ternary-Bonsai-2-4B-mlx-2bitMLX基于 Qwen/Qwen3.5-4B2 GB7,483
unsloth/Qwen3.6-35B-A3B-UD-MLX-4bitMLX基于 Qwen/Qwen3.6-35B-A3B21.7 GB7,473
mlx-community/Qwen3.8-Flash-Next-4bitMLX基于 Qwen/Qwen3.8-Flash-Next112 GB7,395
TensorFold/Qwen3.8-Flash-Next-MLX-4bit-MTPMLX基于 Qwen/Qwen3.8-Flash-Next113 GB7,107
mlx-community/Qwen3.5-0.8B-8bitMLX基于 Qwen/Qwen3.5-0.8B-Base1 GB7,100
orcarouter/GLM-5.3-Flash-MLXMLX基于 zai-org/GLM-5.3-Flash1.1 TB7,088
mlx-community/Qwen3-VL-2B-Instruct-4bitMLX1.8 GB7,056
TensorFold/Qwen3.8-Flash-Next-MLX-2bit-MTPMLX基于 Qwen/Qwen3.8-Flash-Next80.1 GB6,923
mlx-community/DeepSeek-V4.1-Flash-1017-oQ4e-mtpMLX基于 deepseek-ai/DeepSeek-V4.1-Flash-1017432 GB6,132
mlx-community/Qwen3-VL-8B-Instruct-4bitMLX5.8 GB6,053

如何阅读此表

  • 下载量是 Hugging Face 统计的最近 30 天数据，不是累计值。Hugging Face 按模型主文件的请求次数计数，所以一次安装可能被计入多次。
  • 大小是 Hugging Face 上该仓库当前全部文件的总和（1 GB = 1,000 MB）。有些仓库同时存放同一模型的多个版本，所以可能比你实际要下载的那一个更大；显示短横线表示还没有测量。
  • 热门是 Hugging Face 自己的近期关注度分数。名称下方的“基于”是该模型的来源模型。
  • 参数量是模型文件中的参数量。标有 * 的数值取自模型名称（例如 27B）：文件里没有参数量，或参数量小得多（打包的低比特文件会这样）。
  • 量化信息读取自模型的标签和名称，未对照文件核实。

使用之前

列表来自 Hugging Face 的公开 API，每天更新。我们不会逐个测试模型。在应用中使用前，请查看许可证并阅读模型卡片：有些许可证限制商业用途，“other”表示条款写在模型卡片里。名称或标签指向成人内容或去除安全限制的模型不会列出；需要登录 Hugging Face 才能下载的受限模型也不会列出。

其他任务