К содержимому
Компьютерное зрение

Kestrel-4B-Coder-mlx-8Bit

8-битная версия модели для кода под Apple Silicon

2 мин чтенияобновлено

Эта модель представляет собой версию Jackrong/Kestrel-4B-Coder на 4.21 млрд параметров, сконвертированную в формат MLX (фреймворк от Apple для локального запуска нейросетей на чипах серии M). Она решает задачи формата image-text-to-text (обработка текста и изображений с генерацией текстового ответа) с фокусом на написание и разбор кода. Благодаря 8-битному квантованию (сжатию весов до 8 бит для экономии оперативной памяти) модель легче запускать локально на Mac без существенной потери качества. Подойдёт разработчикам на macOS, которым нужен компактный локальный ассистент с поддержкой русского и ещё пяти языков.

Ключевые особенности

  • Сконвертирована из базовой Jackrong/Kestrel-4B-Coder с помощью mlx-lm версии 0.31.2.
  • Поддерживает 6 языков, включая русский (ru), английский (en), китайский, японский, корейский и испанский.
  • 8-битное представление весов снижает нагрузку на объединённую память устройств Apple Silicon при объёме модели 4.21B параметров.
  • Поддерживает стандартные чат-шаблоны через метод apply_chat_template.

Что можно сделать

  • Развернуть локального помощника для генерации, объяснения и рефакторинга кода прямо на MacBook или Mac Studio через библиотеку mlx-lm.
  • Интегрировать модель в локальные скрипты автоматизации или CLI-утилиты на Python для работы с текстом и изображениями без отправки данных в облако.

Пример

from mlx_lm import load, generate

model, tokenizer = load("OmAr-Kader-DeV/Kestrel-4B-Coder-mlx-8Bit")
messages = [{"role": "user", "content": "hello"}]
prompt = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)
response = generate(model, tokenizer, prompt=prompt, verbose=True)
ПодробнееБазовая модель: Jackrong/Kestrel-4B-Coder (4.21B параметров)
Формат и конвертация: MLX (8-Bit), конвертировано через mlx-lm 0.31.2
Тип задачи: image-text-to-text
Поддерживаемые языки: en, zh, ko, ja, ru, es
Обсудить Telegram 0 43

Запустится ли?

Запустится в U32

Влезает без сжатия.

  • U32веса 7.8 GB · готовые файлы9.1 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.8 GB
  • 4-bitвеса 2.2 GB2.9 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · U32 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # OmAr-Kader-DeV/Kestrel-4B-Coder-mlx-8Bit
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download OmAr-Kader-DeV/Kestrel-4B-Coder-mlx-8Bit --local-dir ~/models/Kestrel-4B-Coder-mlx-8Bit
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Kestrel-4B-Coder-mlx-8Bit
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Jackrong/Kestrel-4B-Coder
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. Qwen3.5-4B
  4. Kestrel-4B-Coder
  5. Kestrel-4B-Coder-mlx-8Bit

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

OmAr-Kader-DeV/Kestrel-4B-Coder-mlx-8Bit
Автор
OmAr-Kader-DeV
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

430

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии