Viperfish Sunlight 1.5B
компактная LLM для SwiftUI под Mac
2 min read
Модель помогает писать код на Swift и SwiftUI, выдавая готовые фрагменты интерфейсов и логики по текстовому запросу. В основе лежит Qwen2.5-Coder-1.5B-Instruct (1.54 млрд параметров) от автора viperdevAI, дообученная методом LoRA (небольшая надстройка над базовой моделью, влитая в веса) и сжатая в 4-битный формат для фреймворка MLX (инструмент для запуска нейросетей на чипах Apple Silicon). По сравнению с базовой версией модель почти вдвое чаще генерирует компилируемый код для SwiftUI, жертвуя качеством в Python. Она весит около 840 МБ и пригодится iOS-разработчикам для локальных экспериментов на Mac с 8 ГБ памяти.
Ключевые особенности
- Занимает около 840 МБ в 4-битной квантизации MLX и запускается на Mac с 8 ГБ оперативной памяти.
- Удваивает результат базы в задачах по SwiftUI на авторском тесте компилируемости кода через
swiftc. - Дообучена на 6 164 исходных файлах Swift и SwiftUI из датасета The Stack v1 (dedup).
- Распространяется под открытой лицензией Apache-2.0 как младшая модель в линейке Viperfish.
Что можно сделать
- Генерировать шаблоны экранов, кнопок, счётчиков и базовых компонентов на SwiftUI прямо в терминале или локальном скрипте на Mac через
mlx-lm. - Использовать как быстрый офлайн-помощник для черновиков UI-кода на Apple Silicon без подключения к облачным API.
Пример
from mlx_lm import load, generate
model, tokenizer = load("viperdevAI/Viperfish-Sunlight-1.5B")
messages = [{"role": "user", "content": "Write a SwiftUI view with a counter and an increment button."}]
prompt = tokenizer.apply_chat_template(messages, add_generation_prompt=True, tokenize=False)
print(generate(model, tokenizer, prompt=prompt, max_tokens=512))
Подробнее
Бенчмарки (в сравнении с 4-битной Qwen2.5-Coder-1.5B-Instruct): SwiftUI — 31 из 60 промптов против 16 у базы; обычный Swift — 14 из 33 против 13; HumanEval (Python) снизился с 67.7% до 56.1%.Железо: около 840 МБ веса, подходит для Mac с 8 ГБ памяти через библиотеку
mlx-lm.Обучение: LoRA (rank 8, scale 20, 16 слоёв), 6 164 шага при batch size 1 и длине контекста 1024.
Ограничения: из-за обучения на сыром коде ответы могут не закрывать блок кода и затягиваться; возможны выдуманные API и устаревшие конструкции SwiftUI, код нужно проверять компилятором.










Comments