tokimoa/plamo-2.1-2b-vl-mlx-8bit

PLaMo 2.1-2B-VL (MLX 8bit, verified) — Built with PLaMo

Preferred Networksの PLaMo 2.1-2B-VL（Mamba×Attentionハイブリッドplamo2 LM＋SigLIP so400mの日英VLM）をMLX 8bit（group size 64、実効9.58bpw）に量子化したものです。

当方で移植したMLX実装はmlx-vlm本体にマージ済み（0.6.8で標準対応）です（plamo2vl/ディレクトリ）。mlx-vlm 0.6.8以降ではそのまま使えます。

3版のうち品質・速度バランスの良いこの8bit版を推奨します。写真・画像説明の検証セットでbf16版と出力完全一致、約84 tok/s・ピークメモリ6.9GBで、8GBメモリのMacでも動く軽さです。

このrepoは上流のtrust_remote_codeをtransformers 5対応に再構成済みです（上流はtransformers<5専用。standalone configへの差し替え・torch用modelingの除去）。mlx-vlm 0.6.7（transformers 5系）でそのまま動きます。

導入手順

mlx-vlm 0.6.8以降なら追加手順は不要です（この移植実装は#1739で本体にマージされ、0.6.8に収録されました。0.6.8での動作を実測確認済み）:

pip install mlx-vlm numba torch torchvision

0.6.7以前を使う場合（旧手順）

repo同梱のplamo2vl/をmlx_vlm/models/へコピーしてください（詳細は旧版カード参照）。

使い方

このモデルはチャットテンプレートではなく、processorが日本語Alpaca型（### 指示:/### 応答:）のプロンプトを内部で組み立てます。processor(images=画像, text=質問)だけで正しい形式になります。

import mlx.core as mx
import torch
from PIL import Image
from transformers import AutoProcessor
from mlx_vlm import load

repo = "tokimoa/plamo-2.1-2b-vl-mlx-8bit"
model, _ = load(repo, trust_remote_code=True)
processor = AutoProcessor.from_pretrained(repo, trust_remote_code=True)

inputs = processor(images=Image.open("photo.png"), text="この画像に写っているものを説明してください。")
input_ids = mx.array(inputs["input_ids"].numpy())
pixel_values = mx.array(inputs["pixel_values"].to(dtype=torch.float32).numpy())

cache = model.make_cache()
logits = model(input_ids, pixel_values, mask=None, cache=cache).logits
y = mx.argmax(logits[:, -1, :], axis=-1)
tokens = []
for _ in range(256):
    t = int(y[0])
    tokens.append(t)
    if t == 1:  # <|plamo:eos|>
        break
    logits = model(y[None], None, mask=None, cache=cache).logits
    y = mx.argmax(logits[:, -1, :], axis=-1)
print(processor.tokenizer.decode(tokens, skip_special_tokens=True))

変換品質の検証（tokimoa）

同梱のMLX実装は、bf16変換版でtransformers公式実装（bf16・MPS）との突き合わせ検証を実施済みです:

• 同一入力でのprefillロジット比較: 6プロンプト全てでtop-1トークン一致（cos類似度0.998〜0.9999・top-10重複8〜10/10）
• 写真説明プローブで参照実装とgreedy出力が文字列レベルで完全一致

この8bit版の検証:

• 写真説明プローブでbf16版と出力完全一致
• 日本語ビジネス文書QA 6問でbf16版と4/6一致（bf16のtorch実装↔MLX実装間ですら2/6の不確信領域なので、量子化起因の劣化は観測されず）
• 同一入力の反復で出力完全一致（決定論的）

用途上の注意: 2Bクラスのため、高密度なビジネス文書の細かい数値読み取りは苦手です（transformers公式実装でも同様に誤読することを確認済み＝変換起因ではありません）。写真・図の説明、簡単な画像質問など軽量VL用途に向いています。文書読解が必要な場合は llm-jp-4-vl-9b-beta MLX や Stockmark-DocReasoner MLX を推奨します。

実測速度（M4 Max 36GB）

• 生成: 約84 tok/s / プロンプト処理: 約1,400 tok/s（画像2,187トークン=Eagle2タイリング3枚・384px）
• ピークメモリ: 6.9GB（重み3.2GB）

変換情報

• 変換元: pfnet/plamo-2.1-2b-vl（公式BF16、commit 3d32366）
• MLX実装: mlx-vlm 0.6.7の部品＋mlx-lmのplamo2実装をベースに移植したplamo2vlパッケージ（このrepoに同梱。RoPE base=1e6のplamo-2.1系対応を含む）
• 量子化: mlx-vlm 0.6.7 convert -q --q-bits 8（group size 64 affine、実効9.58bpw）
• 兄弟repo: bf16（参照一致検証の基準・9.2GB）/ 4bit（最軽量2.1GB・約120 tok/s。不確信領域での出力ブレは8bitより大きめ）
• 変換者: tokimoa

ライセンス

PLaMoコミュニティライセンス（全文を同梱のLICENSE.mdに収録。本モデルの利用はその条件に従います）:

• 個人・学術利用は登録不要で利用可
• 商用利用は事前登録＋年商10億円以下が条件（超える場合はPFNの商用ライセンスが必要）
• 再配布時はライセンス同梱・「Built with PLaMo」表示・モデル名にPLaMoを含めることが必要