Qwen3-VL-2B-Thinking是由Qwen推出的视觉语言模型，基于2B参数规模，使用MLX进行8位量化，专门针对Apple Silicon芯片进行了优化。该模型支持图像和文本的多模态理解与生成任务。

多模态Transformers

Qwen3-VL-32B-Instruct是一个强大的多模态视觉语言模型，基于Qwen基础模型开发，经过优化和量化处理，专门针对苹果芯片设备进行了优化，提供高效的图像文本处理能力。

多模态Transformers

Qwen3-VL-2B-Instruct 是一款高效的图像文本转文本模型，由 Qwen 团队开发。该模型经过 MLX 8位量化优化，特别适用于苹果硅芯片设备，能够处理视觉语言任务并提供高效的解决方案。

多模态Transformers

Qwen3-VL-8B-Instruct是由Qwen团队开发的多模态视觉语言模型，支持图像文本到文本转换。该版本经过MLX 8位量化处理，专门针对苹果硅芯片进行优化，在保持性能的同时提升运行效率。

多模态Mlx

Qwen3-VL-8B-Instruct是由Qwen开发的视觉语言模型，经过MLX量化优化，专门针对Apple Silicon设备。该模型支持图像和文本的多模态输入，能够理解和生成与图像相关的文本内容。

多模态Mlx

KAT-Dev是由Kwaipilot开发的多语言自然语言处理模型，支持多种语言交互任务，提供高效准确的语言处理能力。该版本经过MLX团队8位量化优化，专门针对苹果硅芯片进行了性能优化。

自然语言处理Transformers其他

由IBM推出的granite-4.0-h-small语言模型，经过MLX量化优化，专门针对Apple Silicon设备进行性能优化，提供高效的语言处理能力。

自然语言处理Transformers

花岗石-4.0-h-微型模型是基于IBM Granite基础模型优化的语言模型，经过MLX量化处理，专门针对苹果硅芯片进行了优化，为相关应用提供高效解决方案。

自然语言处理Transformers

Qwen3-Next-80B-A3B-Thinking是经过4位量化处理、专门针对Apple Silicon优化的80B参数大语言模型，入选LM Studio社区模型亮点计划，专注于文本生成任务。

自然语言处理Transformers

Qwen3-Next-80B-A3B-Instruct是阿里云通义千问团队开发的大规模语言模型，经过MLX框架4位量化优化，专门针对苹果芯片设备进行了性能优化，提供高效的推理能力。

自然语言处理Transformers

Seed-OSS-36B-Instruct是由ByteDance-Seed开发的大型语言模型，参数量达360亿，采用Apache-2.0开源许可证。该模型基于transformers库构建，支持vllm和mlx技术优化，特别针对苹果Silicon芯片进行了8位量化处理，提供高效的文本生成能力。

自然语言处理Transformers

Seed-OSS-36B-Instruct是由字节跳动Seed团队开发的360亿参数指令调优大语言模型，基于Transformer架构构建，经过MLX量化处理，专门针对Apple Silicon芯片进行了优化，可在LM Studio中高效运行。

自然语言处理Transformers

这是OpenGVLab的InternVL3_5 14B模型的量化版本，支持图像文本到文本的转换任务，通过量化技术提升了模型运行效率，为相关应用提供了更高效的解决方案。

多模态Gguf

这是OpenGVLab发布的InternVL3_5 8B模型的GGUF量化版本，专门用于图像文本到文本的转换任务，通过量化技术提供了更高效的推理解决方案。

多模态Gguf

Gemma 3 270M Instruct是Google推出的轻量级文本生成模型，基于MLX技术针对Apple Silicon芯片优化，提供高效的对话和指令跟随能力。

自然语言处理Transformers

Gemma 3 270M Instruct是Google推出的基于Transformer架构的文本生成模型，专门针对苹果芯片进行了优化，采用8位量化技术，在文本生成任务中表现出色，适用于各种对话和指令跟随场景。

自然语言处理Transformers

这是谷歌Gemma 3 270M Instruct模型的4位量化版本，使用MLX框架针对苹果芯片进行了专门优化。该模型是一个轻量级但功能强大的语言模型，适用于各种文本生成任务，并参与了LM Studio社区模型亮点计划。

自然语言处理Transformers

这是Google开发的Gemma-3-270M指令调优模型的4位量化版本，专为Apple Silicon优化。该模型基于gemma-3-270m-it-qat-q4_0-unquantized基础模型，使用MLX技术进行量化处理，适用于文本生成任务。

自然语言处理Transformers

基于Qwen的Qwen3-4B-Instruct-2507模型，由社区推出并通过MLX进行4位量化，专为苹果芯片优化。该模型为文本生成任务提供了高效且性能优良的解决方案，是LM Studio社区模型亮点计划的一部分。

自然语言处理Transformers

OpenAI开发的120B参数文本生成模型，通过LM Studio社区模型计划展示。提供8位量化版本，特别针对苹果Silicon芯片优化，支持高效文本生成任务。

自然语言处理Transformers