# Lapis SAL 150M для Mac: локальный выбор действия по запросу

Источник: https://modelium.tech/zhurnal/lapis-sal-150m-mlx-local-tool-routing-mac/

13 октября вышла MLX-версия Lapis SAL 150M: она выбирает подходящее действие из меню помощника, например погоду или календарь, и может отказаться от выбора. Веса доступны для Mac с Apple Silicon; это компонент для разработчиков, а не готовый домашний помощник. Авторская оценка проведена только на английских и испанских синтетических примерах.

13 октября 2026 года Lapis Labs разместила версию Lapis SAL 150M для запуска на Mac с Apple Silicon. Представьте помощника, которому написали «Будет ли завтра дождь?»: прежде чем отвечать, ему надо выбрать действие «проверить погоду», а не «открыть календарь». Эта модель делает именно выбор из переданного ей списка действий. Она **не получает прогноз сама** и не выполняет выбранное действие. [s1](#src-s1) [s2](#src-s2)

## Что стало доступно

Опубликованы веса для MLX — системы вычислений на компьютерах Apple с собственными чипами — и отдельный исходный PyTorch-чекпойнт для дальнейшей разработки. В закреплённом пакете MLX есть файл весов `mlx/model.safetensors`, настройки, токенизатор и код загрузки. Имя «150M» относится к исходному кодировщику текста; автор указывает примерно 164 млн обученных параметров у полной модели с модулем выбора. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

Программа получает сообщение и описание доступных действий, затем возвращает их идентификатор или `None`, если подходящего действия нет. Например, для двух вариантов WEATHER («погода») и CALENDAR («календарь») вопрос о дожде должен направляться к погоде. Это **иллюстрация задачи, а не результат проверки Modelium**. Реальный помощник должен отдельно получить данные, запросить нужные разрешения и решить, выполнять ли действие. [s1](#src-s1)

Авторы также предлагают 8-битное сжатие при загрузке тех же весов на Mac: отдельного маленького файла для скачивания нет. Для MLX указан macOS с Apple Silicon и Metal; минимальную оперативную память авторы не подтверждают. Опубликованный размер файла весов — 327 984 812 байт — не является требованием к памяти при запуске. Это инженерный компонент с Python-кодом, а не приложение, которое устанавливают одним нажатием. [s1](#src-s1) [s3](#src-s3)

## Насколько надёжен выбор

По данным авторов, MLX-вариант правильно выбрал действие в **951 из 1000** случаев на закрытом синтетическом тесте: 500 англоязычных и 500 испаноязычных примеров, 13 типов действий и вариант «ничего не подходит». Из них отдельно сообщены 97,8% для английского и 92,4% для испанского. Примеры самого финального теста и исходные журналы обучения не опубликованы; независимого воспроизведения этих цифр у Modelium нет. Тест не доказывает качество на русском языке или с вашим набором действий. Для исходного PyTorch-чекпойнта отдельной оценки на этом финальном тесте авторы не приводят. [s1](#src-s1) [s2](#src-s2)

Авторские замеры задержки получены на Apple M5 после прогрева и без времени загрузки модели; это не минимальные требования и не гарантия скорости на другом Mac. Важно: выбор WEATHER не подтверждает правильность прогноза, а выбор HEALTH — безопасность медицинского совета. [s1](#src-s1)

## Стоит ли что-то делать сейчас

Если вы просто хотите локального помощника, новую модель устанавливать не нужно: она лишь один внутренний компонент будущей программы. Если разрабатываете своего помощника на Mac, начните с закреплённой карточки MLX-пакета и проверяйте выбор на собственных сообщениях и меню действий. Полный путь запуска автор описал для Python 3.12, но редакция не устанавливала зависимости и не запускала веса, поэтому не называет его проверенным рецептом. [s1](#src-s1)

Веса и сопутствующий код Lapis SAL помечены Apache-2.0; пакет сохраняет отдельное уведомление о MIT-компоненте Ettin. Это не передаёт права на закрытый набор данных авторов. Базовая Laya также опубликована под Apache-2.0. Права на скачивание весов, лицензии кода и доступ к обучающим данным здесь разные вещи. [s1](#src-s1) [s4](#src-s4) [s5](#src-s5)

Для сравнения назначения можно открыть [материал о Laya](/zhurnal/laya-typed-decisions-onnx-webgpu-local/): Lapis SAL использует её схему выбора, но это **другие веса**. [s1](#src-s1)

## Источники

1. [Lapis Labs — Lapis SAL 150M MLX, pinned model card and code](https://huggingface.co/lapislabsai/lapis-sal-150M-MLX/tree/b441d0577dbccca90777fc6ae85515f11b6bb7b3) — получено 2026-10-13
2. [Lapis Labs — Lapis SAL 150M source checkpoint](https://huggingface.co/lapislabsai/lapis-sal-150M/tree/88c91e6fe6d373c0ea341efa9dfe5e19ccb0292b) — получено 2026-10-13
3. [Hugging Face API — Lapis SAL 150M MLX pinned files](https://huggingface.co/api/models/lapislabsai/lapis-sal-150M-MLX/revision/b441d0577dbccca90777fc6ae85515f11b6bb7b3?blobs=true) — получено 2026-10-13
4. [Laya upstream code LICENSE, pinned commit 4066d5d](https://github.com/NandhaKishorM/laya/blob/4066d5d5fbf08b66c6757ddeedbd797bd7655bc0/LICENSE) — получено 2026-10-13
5. [Laya original model card](https://huggingface.co/convaiinnovations/laya) — получено 2026-10-13