Qwen3-VL-2B-Thinking是由Qwen推出的視覺語言模型，基於2B參數規模，使用MLX進行8位量化，專門針對Apple Silicon芯片進行了優化。該模型支持圖像和文本的多模態理解與生成任務。

多模態Transformers

Qwen3-VL-32B-Instruct是一個強大的多模態視覺語言模型，基於Qwen基礎模型開發，經過優化和量化處理，專門針對蘋果芯片設備進行了優化，提供高效的圖像文本處理能力。

多模態Transformers

Qwen3-VL-2B-Instruct 是一款高效的圖像文本轉文本模型，由 Qwen 團隊開發。該模型經過 MLX 8位量化優化，特別適用於蘋果硅芯片設備，能夠處理視覺語言任務並提供高效的解決方案。

多模態Transformers

Qwen3-VL-8B-Instruct是由Qwen團隊開發的多模態視覺語言模型，支持圖像文本到文本轉換。該版本經過MLX 8位量化處理，專門針對蘋果硅芯片進行優化，在保持性能的同時提升運行效率。

多模態Mlx

Qwen3-VL-8B-Instruct是由Qwen開發的視覺語言模型，經過MLX量化優化，專門針對Apple Silicon設備。該模型支持圖像和文本的多模態輸入，能夠理解和生成與圖像相關的文本內容。

多模態Mlx

KAT-Dev是由Kwaipilot開發的多語言自然語言處理模型，支持多種語言交互任務，提供高效準確的語言處理能力。該版本經過MLX團隊8位量化優化，專門針對蘋果硅芯片進行了性能優化。

自然語言處理Transformers其他

由IBM推出的granite-4.0-h-small語言模型，經過MLX量化優化，專門針對Apple Silicon設備進行性能優化，提供高效的語言處理能力。

自然語言處理Transformers

花崗石-4.0-h-微型模型是基於IBM Granite基礎模型優化的語言模型，經過MLX量化處理，專門針對蘋果硅芯片進行了優化，為相關應用提供高效解決方案。

自然語言處理Transformers

Qwen3-Next-80B-A3B-Thinking是經過4位量化處理、專門針對Apple Silicon優化的80B參數大語言模型，入選LM Studio社區模型亮點計劃，專注於文本生成任務。

自然語言處理Transformers

Qwen3-Next-80B-A3B-Instruct是阿里雲通義千問團隊開發的大規模語言模型，經過MLX框架4位量化優化，專門針對蘋果芯片設備進行了性能優化，提供高效的推理能力。

自然語言處理Transformers

Seed-OSS-36B-Instruct是由ByteDance-Seed開發的大型語言模型，參數量達360億，採用Apache-2.0開源許可證。該模型基於transformers庫構建，支持vllm和mlx技術優化，特別針對蘋果Silicon芯片進行了8位量化處理，提供高效的文本生成能力。

自然語言處理Transformers

Seed-OSS-36B-Instruct是由字節跳動Seed團隊開發的360億參數指令調優大語言模型，基於Transformer架構構建，經過MLX量化處理，專門針對Apple Silicon芯片進行了優化，可在LM Studio中高效運行。

自然語言處理Transformers

這是OpenGVLab的InternVL3_5 14B模型的量化版本，支持圖像文本到文本的轉換任務，通過量化技術提升了模型運行效率，為相關應用提供了更高效的解決方案。

多模態Gguf

這是OpenGVLab發佈的InternVL3_5 8B模型的GGUF量化版本，專門用於圖像文本到文本的轉換任務，通過量化技術提供了更高效的推理解決方案。

多模態Gguf

Gemma 3 270M Instruct是Google推出的輕量級文本生成模型，基於MLX技術針對Apple Silicon芯片優化，提供高效的對話和指令跟隨能力。

自然語言處理Transformers

Gemma 3 270M Instruct是Google推出的基於Transformer架構的文本生成模型，專門針對蘋果芯片進行了優化，採用8位量化技術，在文本生成任務中表現出色，適用於各種對話和指令跟隨場景。

自然語言處理Transformers

這是谷歌Gemma 3 270M Instruct模型的4位量化版本，使用MLX框架針對蘋果芯片進行了專門優化。該模型是一個輕量級但功能強大的語言模型，適用於各種文本生成任務，並參與了LM Studio社區模型亮點計劃。

自然語言處理Transformers

這是Google開發的Gemma-3-270M指令調優模型的4位量化版本，專為Apple Silicon優化。該模型基於gemma-3-270m-it-qat-q4_0-unquantized基礎模型，使用MLX技術進行量化處理，適用於文本生成任務。

自然語言處理Transformers

基於Qwen的Qwen3-4B-Instruct-2507模型，由社區推出並通過MLX進行4位量化，專為蘋果芯片優化。該模型為文本生成任務提供了高效且性能優良的解決方案，是LM Studio社區模型亮點計劃的一部分。

自然語言處理Transformers

OpenAI開發的120B參數文本生成模型，通過LM Studio社區模型計劃展示。提供8位量化版本，特別針對蘋果Silicon芯片優化，支持高效文本生成任務。

自然語言處理Transformers