跳到正文

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。

查看全部新模型

显示 100 / 100 个。

模型任务大小下载量（30 天）
lmstudio-community/Qwen3.8-27B-MLX-4bitMLX基于 Qwen/Qwen3.8-27B图文理解16.1 GB338万
lmstudio-community/Qwen3.8-27B-MLX-8bitMLX基于 Qwen/Qwen3.8-27B图文理解29.5 GB323万
lmstudio-community/Qwen3.8-27B-MLX-6bitMLX基于 Qwen/Qwen3.8-27B图文理解22.8 GB321万
lmstudio-community/Qwen3.8-27B-MLX-5bitMLX基于 Qwen/Qwen3.8-27B图文理解19.4 GB320万
mlx-community/parakeet-tdt-0.6b-v3MLX基于 nvidia/parakeet-tdt-0.6b-v3语音识别2.5 GB271万
lmstudio-community/gemma-4-E4B-it-MLX-4bitMLX基于 google/gemma-4-E4B-it多模态6.9 GB121万
lmstudio-community/gemma-4-E4B-it-MLX-8bitMLX基于 google/gemma-4-E4B-it多模态9 GB118万
lmstudio-community/gemma-4-E4B-it-MLX-6bitMLX基于 google/gemma-4-E4B-it多模态7.9 GB117万
lmstudio-community/gemma-4-E4B-it-MLX-5bitMLX基于 google/gemma-4-E4B-it多模态7.4 GB117万
prism-ml/Ternary-Bonsai-27B-mlx-2bitMLX基于 Qwen/Qwen3.6-27B文本生成8.5 GB98.5万
prism-ml/Bonsai-27B-mlx-1bitMLX基于 Qwen/Qwen3.6-27B文本生成5.2 GB97.6万
mlx-community/parakeet-tdt-0.6b-v2MLX基于 nvidia/parakeet-tdt-0.6b-v2语音识别2.5 GB80.7万
mlx-community/Qwen3.8-27B-4bitMLX基于 Qwen/Qwen3.8-27B图文理解16.1 GB78.9万
lmstudio-community/Qwen3.5-9B-MLX-4bitMLX基于 Qwen/Qwen3.5-9B图文理解6 GB69.8万
lmstudio-community/Qwen3.5-9B-MLX-8bitMLX基于 Qwen/Qwen3.5-9B图文理解10.5 GB64.7万
rapid-mlx/Ling-3.0-tiny-MLX-4bitMLX基于 inclusionAI/Ling-3.0-tiny文本生成4.5 GB39.2万
lmstudio-community/gemma-4-26B-A4B-it-QAT-MLX-4bitMLX图文理解15.6 GB35.4万
ornith-ai/Ornith-1.5-35B-A3B-MLXMLX文本生成69.3 GB34.4万
lmstudio-community/Qwen3.6-27B-MLX-4bitMLX基于 Qwen/Qwen3.6-27B图文理解16.1 GB32.2万
lmstudio-community/gemma-4-12B-it-MLX-4bitMLX基于 google/gemma-4-12B-it多模态6.8 GB32.1万
ornith-ai/Ornith-1.5-9B-MLX-8bitMLX文本生成9.5 GB31.3万
ornith-ai/Ornith-1.5-9B-MLXMLX文本生成17.9 GB31.3万
lmstudio-community/Qwen3.6-27B-MLX-8bitMLX基于 Qwen/Qwen3.6-27B图文理解29.5 GB30.9万
lmstudio-community/Qwen3.6-27B-MLX-5bitMLX基于 Qwen/Qwen3.6-27B图文理解19.4 GB30.8万
lmstudio-community/Qwen3.6-27B-MLX-6bitMLX基于 Qwen/Qwen3.6-27B图文理解22.8 GB30.7万
lmstudio-community/gemma-4-12B-it-MLX-8bitMLX基于 google/gemma-4-12B-it多模态12.7 GB30.5万
lmstudio-community/gemma-4-12B-it-MLX-6bitMLX基于 google/gemma-4-12B-it多模态9.8 GB30.3万
lmstudio-community/gemma-4-12B-it-MLX-5bitMLX基于 google/gemma-4-12B-it多模态8.3 GB30.3万
mlx-community/whisper-large-v3-turboMLX语音识别1.6 GB28.5万
lmstudio-community/Qwen3.6-35B-A3B-MLX-4bitMLX基于 Qwen/Qwen3.6-35B-A3B图文理解20.4 GB27.9万
lmstudio-community/Qwen3.6-35B-A3B-MLX-8bitMLX基于 Qwen/Qwen3.6-35B-A3B图文理解37.7 GB26.3万
mlx-community/Qwen2.5-Coder-7B-Instruct-4bitMLX基于 Qwen/Qwen2.5-Coder-7B文本生成4.3 GB25.9万
lmstudio-community/Qwen3.6-35B-A3B-MLX-6bitMLX基于 Qwen/Qwen3.6-35B-A3B图文理解29.1 GB25.8万
ornith-ai/Ornith-1.5-9B-MLX-4bitMLX文本生成5.1 GB25.5万
NexVeridian/Qwen3-Coder-Next-8bitMLX基于 Qwen/Qwen3-Coder-Next文本生成84.7 GB22.5万
mlx-community/chatterbox-turbo-4bitMLX基于 ResembleAI/chatterbox-turbo文本转语音417 MB22万
lmstudio-community/gemma-4-E2B-it-MLX-4bitMLX基于 google/gemma-4-E2B-it多模态4.4 GB21.5万
ornith-ai/Ornith-1.5-9B-MLX-6bitMLX文本生成7.3 GB20.9万
lmstudio-community/gemma-4-E2B-it-MLX-8bitMLX基于 google/gemma-4-E2B-it多模态5.9 GB20.6万
lmstudio-community/gemma-4-E2B-it-MLX-5bitMLX基于 google/gemma-4-E2B-it多模态4.8 GB20.5万
lmstudio-community/gemma-4-E2B-it-MLX-6bitMLX基于 google/gemma-4-E2B-it多模态5.1 GB20.5万
lmstudio-community/DeepSeek-R1-0528-Qwen3-8B-MLX-4bitMLX基于 deepseek-ai/DeepSeek-R1-0528-Qwen3-8B文本生成4.6 GB19.8万
mlx-community/olmOCR-2-7B-1025-mlx-8bitMLX基于 Qwen/Qwen2.5-VL-7B-Instruct图文理解9.5 GB19万
ornith-ai/Ornith-1.5-35B-A3B-MLX-8bitMLX文本生成36.9 GB18.5万
mlx-community/Qwen3-ASR-0.6B-8bitMLX未标注任务1 GB17.7万
ornith-ai/Ornith-1.5-35B-A3B-MLX-4bitMLX文本生成19.5 GB17.6万
lmstudio-community/DeepSeek-R1-0528-Qwen3-8B-MLX-8bitMLX基于 deepseek-ai/DeepSeek-R1-0528-Qwen3-8B文本生成8.7 GB17.1万
mlx-community/gpt-oss-20b-MXFP4-Q8MLX基于 openai/gpt-oss-20b文本生成12.1 GB16万
ornith-ai/Ornith-1.5-35B-A3B-MLX-6bitMLX文本生成28.2 GB15.5万
lmstudio-community/GLM-4.7-Flash-MLX-8bitMLX基于 zai-org/GLM-4.7-Flash文本生成31.8 GB15.4万
lmstudio-community/GLM-4.7-Flash-MLX-6bitMLX基于 zai-org/GLM-4.7-Flash文本生成24.4 GB14.4万
lmstudio-community/gemma-4-26B-A4B-it-MLX-4bitMLX基于 google/gemma-4-26B-A4B-it图文理解15.6 GB14.1万
lmstudio-community/gemma-4-26B-A4B-it-MLX-8bitMLX基于 google/gemma-4-26B-A4B-it图文理解28 GB13.6万
lmstudio-community/LFM2-24B-A2B-MLX-4bitMLX基于 LiquidAI/LFM2-24B-A2B文本生成13.4 GB13.6万
lmstudio-community/gemma-4-26B-A4B-it-MLX-6bitMLX基于 google/gemma-4-26B-A4B-it图文理解21.8 GB13.5万
lmstudio-community/gemma-4-26B-A4B-it-MLX-5bitMLX基于 google/gemma-4-26B-A4B-it图文理解18.7 GB13.4万
lmstudio-community/LFM2-24B-A2B-MLX-5bitMLX基于 LiquidAI/LFM2-24B-A2B文本生成16.4 GB13.4万
lmstudio-community/LFM2-24B-A2B-MLX-8bitMLX基于 LiquidAI/LFM2-24B-A2B文本生成25.3 GB13.4万
lmstudio-community/LFM2-24B-A2B-MLX-6bitMLX基于 LiquidAI/LFM2-24B-A2B文本生成19.4 GB13.4万
lmstudio-community/gemma-4-31B-it-MLX-4bitMLX基于 google/gemma-4-31B-it图文理解18.4 GB13.1万
lmstudio-community/gemma-4-31B-it-MLX-8bitMLX基于 google/gemma-4-31B-it图文理解33.8 GB13.1万
lmstudio-community/gemma-4-31B-it-MLX-6bitMLX基于 google/gemma-4-31B-it图文理解26.1 GB12.6万
lmstudio-community/gemma-4-31B-it-MLX-5bitMLX基于 google/gemma-4-31B-it图文理解22.3 GB12.5万
lmstudio-community/Qwen3-Coder-Next-MLX-8bitMLX基于 Qwen/Qwen3-Coder-Next未标注任务84.7 GB12.5万
lmstudio-community/Qwen3-Coder-Next-MLX-4bitMLX基于 Qwen/Qwen3-Coder-Next未标注任务44.9 GB12万
mlx-community/whisper-small-mlxMLX语音识别481 MB11.7万
lmstudio-community/Qwen3-Coder-Next-MLX-6bitMLX基于 Qwen/Qwen3-Coder-Next未标注任务64.8 GB11.3万
mlx-community/Kimi-K2.5MLX基于 moonshotai/Kimi-K2.5文本生成658 GB11万
mlx-community/Qwen3.5-4B-MLX-4bitMLX基于 Qwen/Qwen3.5-4B未标注任务3.1 GB10万
lmstudio-community/Qwen3-Coder-30B-A3B-Instruct-MLX-4bitMLX基于 Qwen/Qwen3-Coder-30B-A3B-Instruct文本生成17.2 GB8.8万
Jackrong/MLX-Qwopus3.5-9B-v3-4bitMLX基于 Jackrong/Qwopus3.5-9B-v3文本生成5.1 GB8.1万
mlx-community/Kokoro-82M-bf16MLX基于 yl4579/StyleTTS2-LJSpeech文本转语音389 MB7.9万
lmstudio-community/Qwen3-Coder-30B-A3B-Instruct-MLX-5bitMLX基于 Qwen/Qwen3-Coder-30B-A3B-Instruct文本生成21 GB7.5万
lmstudio-community/Qwen3-Coder-30B-A3B-Instruct-MLX-8bitMLX基于 Qwen/Qwen3-Coder-30B-A3B-Instruct文本生成32.5 GB7.4万
lmstudio-community/Qwen3-Coder-30B-A3B-Instruct-MLX-6bitMLX基于 Qwen/Qwen3-Coder-30B-A3B-Instruct文本生成24.8 GB7.3万
lmstudio-community/Qwen2.5-Coder-14B-Instruct-MLX-4bitMLX基于 Qwen/Qwen2.5-Coder-14B-Instruct文本生成8.3 GB7.3万
mlx-community/whisper-large-v3-mlxMLX语音识别3.1 GB7.2万
mlx-community/Qwen3-4B-Instruct-2507-4bitMLX基于 Qwen/Qwen3-4B-Instruct-2507文本生成2.3 GB7.1万
mlx-community/Devstral-Small-2-24B-Instruct-2512-4bitMLX基于 mistralai/Devstral-Small-2-24B-Instruct-2512图文理解15.1 GB7万
Runpod/FLUX.2-klein-4B-mflux-4bitMLX基于 black-forest-labs/FLUX.2-klein-4B图像生成4.6 GB6.9万
lmstudio-community/Qwen3-VL-4B-Instruct-MLX-4bitMLX基于 Qwen/Qwen3-VL-4B-Instruct图文理解3.1 GB6.4万
lmstudio-community/Qwen3-VL-4B-Instruct-MLX-8bitMLX基于 Qwen/Qwen3-VL-4B-Instruct图文理解5.1 GB6.1万
lmstudio-community/Qwen3-VL-4B-Instruct-MLX-6bitMLX基于 Qwen/Qwen3-VL-4B-Instruct图文理解4.1 GB6.1万
lmstudio-community/Qwen3-VL-4B-Instruct-MLX-5bitMLX基于 Qwen/Qwen3-VL-4B-Instruct图文理解3.6 GB6.1万
lmstudio-community/Qwen3-VL-8B-Instruct-MLX-4bitMLX基于 Qwen/Qwen3-VL-8B-Instruct图文理解5.8 GB6万
lmstudio-community/LFM2.5-1.2B-Instruct-MLX-8bitMLX基于 LiquidAI/LFM2.5-1.2B-Instruct文本生成1.2 GB5.6万
lmstudio-community/Qwen2.5-Coder-14B-Instruct-MLX-8bitMLX基于 Qwen/Qwen2.5-Coder-14B-Instruct文本生成15.7 GB5.5万
lmstudio-community/LFM2.5-1.2B-Instruct-MLX-4bitMLX基于 LiquidAI/LFM2.5-1.2B-Instruct文本生成663 MB5.5万
lmstudio-community/Qwen3-VL-8B-Instruct-MLX-8bitMLX基于 Qwen/Qwen3-VL-8B-Instruct图文理解9.9 GB5.5万
lmstudio-community/LFM2.5-1.2B-Instruct-MLX-6bitMLX基于 LiquidAI/LFM2.5-1.2B-Instruct文本生成956 MB5.5万
lmstudio-community/Qwen3-VL-8B-Instruct-MLX-6bitMLX基于 Qwen/Qwen3-VL-8B-Instruct图文理解7.8 GB5.4万
lmstudio-community/Qwen3-VL-8B-Instruct-MLX-5bitMLX基于 Qwen/Qwen3-VL-8B-Instruct图文理解6.8 GB5.4万
mlx-community/Qwen3-0.6B-8bitMLX基于 Qwen/Qwen3-0.6B文本生成649 MB5.1万
lmstudio-community/GLM-4.6V-Flash-MLX-4bitMLX基于 zai-org/GLM-4.6V-Flash图文理解7.1 GB4.9万
lmstudio-community/GLM-4.6V-Flash-MLX-8bitMLX基于 zai-org/GLM-4.6V-Flash图文理解11.8 GB4.8万
lmstudio-community/GLM-4.6V-Flash-MLX-6bitMLX基于 zai-org/GLM-4.6V-Flash图文理解9.4 GB4.7万
mlx-community/Qwen3.6-27B-4bitMLX基于 Qwen/Qwen3.6-27B图文理解16.1 GB4.5万
mlx-community/Qwen2.5-0.5B-Instruct-4bitMLX基于 Qwen/Qwen2.5-0.5B文本生成290 MB4.4万
Jundot/Qwen3.8-Flash-Next-oQ4e-mtpMLX基于 Qwen/Qwen3.8-Flash-Next图文理解108 GB4.4万
mlx-community/Qwen3.6-35B-A3B-4bitMLX基于 Qwen/Qwen3.6-35B-A3B图文理解20.4 GB4.4万

这里列出下载量最高的 100 个，其余可在 Hugging Face 上浏览。 在 Hugging Face 上查看更多

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。

更多端侧模型

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。