跳到正文

全部端侧模型

适用于 iPhone 和 Mac 的文本分类模型（Core ML 与 MLX）

该任务共有 50 个模型在 Hugging Face 上标为 Core ML 或 MLX，或由 Apple 发布：Core ML 45 个、MLX 5 个、其他 Apple 模型 0 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 50 / 50 个。

模型大小下载量（30 天）
mlx-community/Qwen3.5-0.8B-decisionMLX基于 Qwen/Qwen3.5-0.8B—1,857
mlx-community/gemma-4-e2b-it-OptiQ-4bit-decisionMLX基于 mlx-community/gemma-4-e2b-it-OptiQ-4bit—1,037
mlx-community/pplx-decider-v1.1-27b-4bitMLX基于 perplexity-ai/pplx-decider-v1.1-27b—1,011
cavi-ai/laya-MLX-8bitMLX基于 convaiinnovations/laya—736
chaoliangUNSW/Jev-Style-2B-Decision-v3-MLXMLX基于 chaoliangUNSW/Jev-Style-2B-Decision-v3—658
FluidInference/gliner2-5-decide-coremlCore ML基于 fastino/GLiNER2.5-Decide—312
JohnP1/d1a-e4b-coremlCore ML基于 google/gemma-4-E4B—259
FluidInference/clef-text-0.6b-coremlCore ML基于 FluidInference/clef-text-0.6b—238
FluidInference/clef-flash-coremlCore ML基于 Cloudflare/clef-flash—180
JohnP1/d1a-e2b-coremlCore ML基于 google/gemma-4-E2B—168
FluidInference/kev-0.8b-coremlCore ML基于 jaredpalmer/kev-0.8b—147
JohnP1/d1a-e2b-it-qat-coremlCore ML基于 google/gemma-4-E2B-it-qat-w4a16-ct—145
FluidInference/laya-coremlCore ML基于 convaiinnovations/laya—142
FluidInference/d1-omni-600m-coremlCore ML基于 LiquidAI/d1-omni-600M—141
FluidInference/cua-s1-forms-coremlCore ML基于 cua-ai/cua-s1-forms—139
JohnP1/d1a-e2b-it-coreml-4bitCore ML基于 google/gemma-4-E2B-it—139
aac6fef/laya-multilingual-coremlCore ML基于 convaiinnovations/laya-multilingual—118
Pokojaka/modernbert-ja-30m-utterance-taggerCore ML基于 sbintuitions/modernbert-ja-30m—114
Falconsai/intent_classificationCore ML—110
apple/ane-distilbert-base-uncased-finetuned-sst-2-englishCore ML—108
karc14/rv-laya-ft-v2-coremlCore ML基于 convaiinnovations/laya-multilingual—103
JohnP1/d1a-e2b-it-coremlCore ML基于 google/gemma-4-E2B-it—90
aac6fef/laya-multilingual-coreml-aneCore ML基于 convaiinnovations/laya-multilingual—88
spellspeak/audienceCore ML基于 jhu-clsp/ettin-encoder-32m—84
Orvena/Cue-0.4BCore ML基于 Qwen/Qwen3-0.6B-Base—83
pipecat-ai/audienceCore ML基于 jhu-clsp/ettin-encoder-32m—80
faxenoff/code-daemon-relation-v1Core ML基于 hotchpotch/mMiniLMv2-L12-H384—75
JohnP1/d1a-e4b-it-coreml-4bitCore ML基于 google/gemma-4-E4B-it—69
FluidInference/intern-decision-0.8b-coremlCore ML基于 internlm/Intern-Decision-0.8B—63
FluidInference/decision-modernbert-base-coremlCore ML基于 answerdotai/ModernBERT-base—57
NagaYu/crowd-anon-0.1bCore ML—54
aac6fef/laya-multilingual-coreml-adaptive-fp16Core ML基于 convaiinnovations/laya-multilingual—52
aac6fef/laya-coremlCore ML基于 convaiinnovations/laya—51
FluidInference/intern-decision-0.8b-showdown-coremlCore ML基于 internlm/Intern-Decision-0.8B—49
aac6fef/laya-typed-decisions-coremlCore ML基于 convaiinnovations/laya-typed-decisions—47
aac6fef/laya-typed-decisions-coreml-adaptive-fp16Core ML基于 convaiinnovations/laya-typed-decisions—46
faxenoff/code-daemon-denoise-v1Core ML基于 intfloat/multilingual-e5-small—43
aac6fef/laya-coreml-adaptive-fp32Core ML基于 convaiinnovations/laya—41
j-llm/jevliteCore ML基于 answerdotai/ModernBERT-base—39
aac6fef/laya-coreml-adaptive-fp16Core ML基于 convaiinnovations/laya—37
aac6fef/laya-multilingual-coreml-adaptive-fp32Core ML基于 convaiinnovations/laya-multilingual—32
aac6fef/laya-typed-decisions-coreml-adaptive-fp32Core ML基于 convaiinnovations/laya-typed-decisions—32
FluidInference/laya-english-coremlCore ML基于 convaiinnovations/laya—31
FluidInference/gliner2-5-small-coremlCore ML基于 fastino/gliner2.5-small-v1—29
FluidInference/verdict-coremlCore ML基于 heman10x/rlcd-modernbert-151m—29
FluidInference/jeff-coremlCore ML基于 knowledgator/gliformer-large-v1—28
ayjays132/Quantum-NeuralAdaptiveLearningSystemCore ML—26
suryatmodulus/d1-omni-600m-coremlCore ML基于 LiquidAI/d1-omni-600M—26
wiktorwojcik112/ProgrammingLanguageIdentificationCore ML—26
FluidInference/kev-0-5b-coremlCore ML基于 Qwen/Qwen2.5-0.5B—22

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