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 6 / 6 个。

模型任务大小下载量(30 天)
seanll95/excerpt-highlight-scorerCore ML重排序—336
faxenoff/code-daemon-reranker-v1Core ML基于 hotchpotch/mMiniLMv2-L12-H384重排序—143
OpenInfinity/Qwen3-Reranker-0.6B-coreml-int8Core ML基于 Qwen/Qwen3-Reranker-0.6B重排序—56
srv-sngh/bge-reranker-base-ane-lin8Core ML基于 BAAI/bge-reranker-base重排序—42
masahiroid/japanese-reranker-xsmall-v2-coremlCore ML基于 hotchpotch/japanese-reranker-xsmall-v2重排序—27
masahiroid/japanese-reranker-small-v2-coremlCore ML基于 hotchpotch/japanese-reranker-small-v2重排序—25

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。