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 74 / 74 个。

模型任务大小下载量（30 天）
distilbert/distilgpt2Core ML文本生成3.2 GB155万
tiiuae/falcon-7b-instructCore ML文本生成56.6 GB3.2万
Gustavosta/MagicPrompt-Stable-DiffusionCore ML文本生成2 GB8,628
enterprise-explorers/Llama-2-7b-chat-coremlCore ML文本生成—3,573
vladimir94/dory-1.0-4b-ane-coremlCore ML基于 nvidia/NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16文本生成—1,624
vladimir94/lfm3-omni-2b-ane-coremlCore ML基于 LiquidAI/LFM3-Omni-2B文本生成—799
ales27pm/Dolphin3.0-CoreMLCore ML基于 dphn/Dolphin3.0-Llama3.2-3B文本生成—686
Norod78/distilgpt2-base-pretrained-heCore ML文本生成—658
Writer/palmyra-smallCore ML文本生成—638
vstreluk/babelbit-distilgpt2-sn59Core ML文本生成—512
Norod78/hebrew-bad_wiki-gpt_neo-tinyCore ML文本生成—498
takanori-ishikawa/Qwen3.5-ANE-CoreMLCore ML基于 Qwen/Qwen3.5-0.8B文本生成—491
mlboydaisuke/qwen3.5-2B-CoreMLCore ML基于 Qwen/Qwen3.5-2B文本生成—444
mlboydaisuke/qwen3.5-0.8B-CoreMLCore ML基于 Qwen/Qwen3.5-0.8B文本生成—376
alandotcom/kol-cleanup-360m-coremlCore ML基于 HuggingFaceTB/SmolLM2-360M-Instruct文本生成—353
getonit/Keyboard-LMCore ML文本生成—234
vstreluk/Babelbit-wallet2-sn59-29Core ML文本生成—206
okayuji/Qwen3.8-27B-coreml-agentCore ML基于 Qwen/Qwen3.8-27B文本生成—205
mlboydaisuke/MiniCPM5-2B-CoreAICore ML基于 openbmb/MiniCPM5-2B文本生成—188
aufklarer/Qwen3.5-0.8B-Chat-CoreMLCore ML基于 Qwen/Qwen3.5-0.8B文本生成—174
model-attribution-challenge/distilgpt2Core ML文本生成—171
mlboydaisuke/MiniCPM5-1B-CoreAICore ML基于 openbmb/MiniCPM5-1B文本生成—168
mlboydaisuke/Qwen3.6-35B-A3B-CoreAICore ML基于 Qwen/Qwen3.6-35B-A3B文本生成—166
mlboydaisuke/GLM-4.7-Flash-CoreAICore ML基于 zai-org/GLM-4.7-Flash文本生成—164
mlboydaisuke/LFM2.5-8B-A1B-CoreAICore ML基于 LiquidAI/LFM2.5-8B-A1B文本生成—164
mlboydaisuke/Ornith-1.0-9B-CoreAICore ML基于 ornith-ai/Ornith-1.0-9B文本生成—131
FluidInference/short-reply-0.6b-coremlCore ML基于 Qwen/Qwen3-0.6B文本生成—107
finnvoorhees/coreml-Qwen2.5-0.5B-Instruct-4bitCore ML文本生成—105
runanywhere/LFM2.5-2.6B_ANECore ML基于 LiquidAI/LFM2.5-2.6B文本生成—105
FluidInference/qwen2.5-coder-0.5b-coremlCore ML基于 Qwen/Qwen2.5-Coder-0.5B-Instruct文本生成—94
finnvoorhees/coreml-Llama-3.2-1B-Instruct-4bitCore ML文本生成—76
finnvoorhees/coreml-SmolLM2-360M-Instruct-4bitCore ML文本生成—68
XDGCC/coreml-Qwen3-0.6BCore ML文本生成—55
pywind/coreml-EXAONE-4.0-1.2B-4bitCore ML基于 LGAI-EXAONE/EXAONE-4.0-1.2B文本生成—54
finnvoorhees/coreml-Llama-3.2-3B-Instruct-4bitCore ML文本生成—53
tianharjuno/Qwen2.5-Coder-1.5B-ANE-ctx2048-LUT6Core ML基于 Qwen/Qwen2.5-Coder-1.5B文本生成—52
mlboydaisuke/RWKV7-Goose-1.5B-CoreAICore ML基于 RWKV/RWKV7-Goose-World3-1.5B-HF文本生成—49
PiterQ/Bielik-1.5B-v3.0-Instruct-ANE-LUT6-ctx4096Core ML基于 speakleash/Bielik-1.5B-v3.0-Instruct文本生成—48
tianharjuno/Qwen2.5-Coder-0.5B-ANE-ctx2048-LUT6Core ML基于 Qwen/Qwen2.5-Coder-0.5B文本生成—47
NagaYu/halfword-100mCore ML文本生成—46
tianharjuno/Qwen2.5-Coder-0.5B-ANE-ctx2048-FP16Core ML基于 Qwen/Qwen2.5-Coder-0.5B文本生成—45
mlboydaisuke/FastContext-1.0-4B-CoreAICore ML基于 microsoft/FastContext-1.0-4B-SFT文本生成—44
mlboydaisuke/qwen3-1.7b-CoreAI-officialCore ML基于 Qwen/Qwen3-1.7B文本生成—44
masahiroid/LFM3-1.7B-CoreMLCore ML基于 LiquidAI/LFM3-1.7B文本生成—41
leolaish/Leo-distilGPT-medicalCore ML文本生成—40
okayuji/gemma-4-12b-it-coreml-128kCore ML基于 google/gemma-4-12B-it文本生成—39
aufklarer/Qwen3-0.6B-Chat-CoreMLCore ML基于 Qwen/Qwen3-0.6B文本生成—38
cristianoaredes/orqo-hype-v1Core ML基于 Qwen/Qwen2.5-Coder-7B-Instruct文本生成—37
finnvoorhees/coreml-Qwen2.5-3B-Instruct-4bitCore ML文本生成—37
darkmaniac7/Qwen3-4B-CoreML-ANECore ML基于 Qwen/Qwen3-4B文本生成—36
Skyline23/translategemma-4b-it-coremlCore ML基于 google/translategemma-4b-it文本生成—35
jiajiahong2134/DLhw2Core ML文本生成—35
vasimk/own-gpt-model-privateCore ML文本生成—34
anemll/anemll-gemma-3-270m-it-MONO-ctx512-lut6Core ML基于 google/gemma-3-270m-it文本生成—30
apple/mistral-coremlCore ML文本生成—29
finnvoorhees/coreml-SmolLM2-135M-Instruct-8bitCore ML文本生成—29
finnvoorhees/coreml-SmolLM2-135M-Instruct-4bitCore ML文本生成—28
fishlessprojects/snowman-1Core ML文本生成—27
Reza2kn/MiniCPM5-1B-CoreML-4bitCore ML文本生成—26
finnvoorhees/coreml-Qwen2.5-Coder-0.5B-Instruct-4bitCore ML文本生成—25
sasn59/Babelbit-hksa02Core ML文本生成—25
finnvoorhees/coreml-SmolLM2-1.7B-Instruct-8bitCore ML文本生成—23
mlboydaisuke/qwen2.5-0.5b-coremlCore ML基于 Qwen/Qwen2.5-0.5B-Instruct文本生成—23
nktskr/MamayLM-Gemma-3-4B-IT-ANE-ctx1024Core ML基于 INSAIT-Institute/MamayLM-Gemma-3-4B-IT-v1.0文本生成—23
finnvoorhees/coreml-SmolLM2-1.7B-Instruct-4bitCore ML文本生成—22
jonomon/gpt3-kor-small_based_on_gpt2_core_mlCore ML文本生成—22
dungnvt/Qwen3-4B-Thinking-2507-LUT444-ctx4096_0.3.4-anemllCore ML基于 Qwen/Qwen3-4B-Thinking-2507文本生成—21
oceanicity/Qwen3-4B-Instruct-CoreML-8bitCore ML基于 oceanicity/Qwen3-4B-Instruct-2507文本生成—21
yacht/Llama-3.2-1B-Instruct-CoreMLCore ML基于 meta-llama/Llama-3.2-1B-Instruct文本生成—21
JarvanWang/bert-base-uncased-videollama-pretrainedCore ML文本生成—20
anziank/grio-qwen2.5-1.5b-instruct-coreml-stateful-int8Core ML基于 Qwen/Qwen2.5-1.5B-Instruct文本生成—19
finnvoorhees/coreml-SmolLM2-360M-Instruct-8bitCore ML文本生成—19
snorkelai/falcon-7b-instruct-pytorch_2.0.0Core ML文本生成—18
aufklarer/FunctionGemma-270M-CoreMLCore ML基于 google/functiongemma-270m-it文本生成—17

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。