This repository provides an MLX-optimized version of FINAL-Bench/Darwin-36B-Opus, a state-of-the-art Mixture-of-Experts (MoE) model engineered for advanced reasoning, chain-of-thought (CoT) processes, and complex problem-solving.

Apple Silicon(Mac) 환경의 MLX 프레임워크에서 최적의 속도와 효율적인 메모리 대역폭으로 구동되도록 포맷 변환 및 최적화가 완료된 버전입니다.

🚀 Model Highlights

Evolutionary Merge & MoE: Qwen 기반 아키텍처를 진화적 머지(Evolutionary Merge) 기법과 Mixture-of-Experts(MoE) 구조로 결합하여 체급을 뛰어넘는 최고의 효율성을 자랑합니다.
Advanced Reasoning: 깊은 다단계 사고 과정(<thought>)을 거쳐 복잡한 코딩, 수학, 과학적 난제를 해결하는 심층 추론(Chain-of-Thought) 능력이 탑재되어 있습니다.
Top-Tier Benchmark Performance: 박사급 난이도의 하드코어 추론 테스트인 GPQA Diamond 벤치마크에서 88.4%의 고득점을 기록했습니다.
Multilingual Support: 한국어, 영어, 중국어, 일본어를 포함한 10개 이상의 다국어 환경을 완벽하게 지원합니다.

🛠️ Requirements & Installation

이 모델을 구동하려면 최신 버전의 mlx-lm 라이브러리가 필요합니다.

pip install -U mlx-lm

💻 How to Use

1. Python API를 이용한 실행

python

from mlx_lm import load, generate

model, tokenizer = load("cudo528/Darwin-36B-Opus-MLX-6bit")

prompt = "Quantum computing과 기존 컴퓨터의 근본적인 추론 방식 차이를 한국어로 명확하게 설명해줘."

response = generate(
    model, 
    tokenizer, 
    prompt=prompt, 
    max_tokens=2048,
    verbose=True # 심층 추론 과정(<thought>)을 확인하려면 True로 설정
)
print(response)

2. 터미널(CLI) 환경에서 즉시 실행

mlx_lm.generate --model cudo528/Darwin-36B-Opus-MLX-6bit --prompt "Explain the concept of Hybrid Vigor in AI." --max-tokens 1024

📂 Quantization & Lineage

Original Base Model: FINAL-Bench/Darwin-36B-Opus
Format: MLX Formatted (.safetensors)
License: Apache-2.0

본 변환 버전은 원본 모델의 가중치 성질과 라이선스를 전적으로 준수합니다. 로컬 하드웨어 사양에 맞춰 양자화 비트 수(예: 8-bit, 4-bit)를 조정한 경우, 파일 목록의 수정을 확인해 주시기 바랍니다.

cudo528/Darwin-36B-Opus-mlx-6bit

Darwin-36B-Opus (MLX Optimized)