端侧模型
可在 iPhone、iPad 和 Mac 上运行的模型，来自 Hugging Face
Hugging Face 上发布的 Core ML 与 MLX 模型，以及 Apple 在那里发布的模型，按最近 30 天的下载量排序。Core ML 模型通过 Apple 的 Core ML 框架在 iPhone、iPad 和 Mac 上运行；MLX 模型面向 Apple 的 MLX 库，主要用于 Apple 芯片的 Mac（MLX Swift 也能在 iPhone 和 iPad 上运行）。每个名称都链接到该模型在 Hugging Face 上的页面。
1,009 个 Core ML 模型、1,693 个 MLX 模型、143 个 Apple 模型，每天根据 Hugging Face 的公开 API 更新。 最后更新：2026-11-02（UTC）。
本月新模型
最近 30 天内创建、点赞最多的模型，涵盖 Core ML、MLX 和 Apple 自家模型。
- ConwayResearch/Underdog-Bark-3.0创建于 2026-10-15 · 86 个赞
- FermionResearch/Phonon-2.5创建于 2026-10-22 · 46 个赞
- ConwayResearch/Underdog-Bark-3.0-Pro创建于 2026-10-15 · 44 个赞
- nota-ai/Nemotron-3.5-Lightning-30B-A3B-Nota-Ternary-MLX-1014创建于 2026-10-12 · 41 个赞
- FluidInference/embeddinggemma-2-coreml创建于 2026-10-09 · 32 个赞
- RecursiveSI/flint-int4创建于 2026-10-21 · 28 个赞
显示 17 / 17 个。
| 模型 | 任务 | 大小 | 下载量（30 天） |
|---|---|---|---|
| apple/FastVLM-0.5BApple，其他格式 | 文本生成 | 1.5 GB | 1.2万 |
| apple/OpenELM-1_1B-InstructApple，其他格式 | 文本生成 | — | 3,631 |
| apple/SimpleSD-30B-instructApple，其他格式基于 Qwen/Qwen3-30B-A3B-Instruct-2507 | 文本生成 | — | 3,466 |
| apple/OpenELM-270MApple，其他格式 | 文本生成 | — | 3,363 |
| apple/FastVLM-7BApple，其他格式 | 文本生成 | — | 2,766 |
| apple/FastVLM-1.5BApple，其他格式 | 文本生成 | — | 1,943 |
| apple/OpenELM-1_1BApple，其他格式 | 文本生成 | — | 1,527 |
| apple/OpenELM-450MApple，其他格式 | 文本生成 | — | 1,307 |
| apple/OpenELM-3BApple，其他格式 | 文本生成 | — | 1,229 |
| apple/OpenELM-450M-InstructApple，其他格式 | 文本生成 | — | 1,153 |
| apple/OpenELM-270M-InstructApple，其他格式 | 文本生成 | — | 1,075 |
| apple/OpenELM-3B-InstructApple，其他格式 | 文本生成 | — | 772 |
| apple/SimpleSD-4B-instructApple，其他格式基于 Qwen/Qwen3-4B-Instruct-2507 | 文本生成 | — | 298 |
| apple/SimpleSD-4B-thinkingApple，其他格式基于 Qwen/Qwen3-4B-Thinking-2507 | 文本生成 | — | 278 |
| apple/sage-ft-mixtral-8x7bApple，其他格式基于 mistralai/Mixtral-8x7B-Instruct-v0.1 | 文本生成 | — | 241 |
| apple/CADD-Base-7BApple，其他格式基于 Qwen/Qwen2.5-Coder-7B-Instruct | 文本生成 | — | 239 |
| apple/mistral-coremlCore ML | 文本生成 | — | 29 |
按任务浏览
模型数不少于 5 个的任务都有专页，涵盖 Core ML、MLX 和 Apple 自家模型。
如何运行这些模型
- Core ML：把 .mlpackage 加入 Xcode 项目，或在应用首次需要时下载编译好的模型，再用 Core ML 框架加载。有些仓库自带 Swift 包，模型卡片里会写明。
- MLX：在 Apple 芯片的 Mac 上，mlx-lm 和 mlx-audio 这两个 Python 包可以按名称加载这些模型；在应用里，MLX Swift 可以在 Mac、iPhone 和 iPad 上运行它们。注意内存：我们实测 4-bit 的 0.5B 模型在 Mac 上峰值约 0.36 GB，更大的模型需要多得多。
- Apple 自家模型：有些是可直接用于应用的 Core ML 文件；另一些是面向 PyTorch 的研究权重，需要先用 coremltools 转换。
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。