# Cortiq Mobile запускает нейросети на телефоне в формате CMF

> 2026-10-02 · AI Release · @ai_release1

> #Cortiq #локальный #CMF #Android #iOS

### ⚡ Главное за 5 секунд - Cortiq Mobile — приложение с открытым кодом для Android и iOS (в App Store пока нет, проходит проверку), запускающее модели формата CMF прямо на телефоне. - Три сценария офлайн: чат с чтением документов, перевод писем и сообщений, выдача готовых решений для программ вместо текстовой реплики. - Замеры сделаны на сборке TestFlight 1.3.0 (47): lfm2.5-230m-q4tp на iPhone выдала 95 токенов за 0,6 секунды — 162,1 tok/s. Приложение есть в Google Play, исходники версии 1.3.0 — infosave2007/cmfmobile. ### 🔍 Что обнаружено Секрет автономности — в формате файла. Модели упакованы в CMF (Cortiq Model Format): один файл, внутри которого не только веса, но и архитектура, токенизатор, описание задач и шаблон чата. Файл сам рассказывает о себе, поэтому приложение до загрузки знает, сколько у модели слоёв, какой контекст и сколько памяти ей нужно, и показывает это в библиотеке. В каталоге у каждого файла видно назначение — Chat или Decisions. Взять модель можно тремя путями: готовый.cmf из каталога в один тап (с докачкой с последнего байта при обрыве сети), репозиторий с Hugging Face в safetensors — приложение сконвертирует его в CMF прямо на телефоне, либо GGUF через настольную утилиту cortiq import-gguf. Тот же формат читает движок Cortiq на компьютерах. Замеры на iPhone 16 (A18): модель lfm2.5-230m-q4tp — 230 миллионов параметров, 14 слоёв, файл 126 MiB, работа на CPU в пять потоков, GPU не понадобился. Параметры генерации: temperature 0.10, top_p 0.95, max_tokens 128. Чат хранит каждый диалог отдельной темой, ответы идут потоком с указанием времени, числа токенов и tok/s, документы txt, md, код и JSON — до 512 KiB. Для перевода чат-модель не нужна: в каталоге есть Hy-MT2 на 1,8 млрд параметров, два файла — q4tp на 950,5 MB (перплексия 14,02) и q1t на 694,9 MB (перплексия 27,88). Все семь тестовых переводов вернулись целиком с finish_reason: stop, JSON пережил перевод без потерь, движок выдавал 14,4–21,8 tok/s (в среднем 17,75). Вкладка «Сервер» с защитой токеном и QR-кодом отдаёт OpenAI-совместимый API: /v1/chat/completions, /v1/completions, /v1/models, а модель решений отвечает через /v1/decide структурой вида {"accepted": true, "choice": "card_arrival", "confidence": 0.998} или честным accepted: false. ### 💡 Почему это важно Практическая польза — работа там, где сети нет или она ограничена. В самолёте приложение отвечает на вопрос, переводит письмо и разбирает текстовый файл. Дома тот же телефон отдаёт ноутбуку локальный API, а модель решений возвращает программе структурированный результат вместо абзаца, из которого код потом выковыривает смысл регулярками. Для кода «не знаю» — не ошибка, а чистый сигнал отдать задачу человеку. Данные при этом не уходят с устройства. ### 🧩 Контекст Автор подчёркивает: производительность телефонов в некоторых случаях превышает производительность ПК, поэтому небольшие LLM вполне можно использовать для работы. Одна модель в CMF — на всех устройствах: и на телефоне, и на компьютере. Все исходные данные замеров открыты, а список актуальных моделей для локального запуска можно подготовить заранее.

[Источник](https://habr.com/ru/articles/1089704/)