繼4月份公佈可在裝置上執行的小語言模型 OpenELM 後，蘋果本週又 公佈 了14億及70億參數的DCLM模型，號稱效能不輸競爭模型如Llama 3、Gemma或Mistral，或是更節省訓練運算資源。
這二款模型是由蘋果DataComp for Language Models（DCLM）團隊開發，並在Hugging Face平台上公佈。 Venturebeat 報導，DataComp專案成員來自蘋果、華盛頓大學、以色列台拉維夫大學及豐田研究院。第一款為 DCLM-7B ，是69億參數的模型，以2.6兆字符（token）資料訓練而成。蘋果指出，和State of the Art（SoTA）模型如Mistral、Llama 3、Gemma、阿里巴巴Qwen-2、微軟Phi-3及開源模型MAP-Neo相比，DCLM-7B在多語理解測試MMLU中，最後的成果和Map-Neo相較效能相同，但運算資源耗損少40%。和私有模型相較，DCLM-7B準確性得分（64%）和Mistral-7B-v0.3（63%）及Google Gemma（64%）相比差不多，比起Llama 3-8B（66%）略低，但蘋果説，其模型耗能低了6.6倍。
第二款 DCLM-1B 模型參數量為14億。蘋果 宣稱 ，在Alpaca bench測試中，效能優於Hugging Face上週公佈的小模型 SmolLM 。
蘋果最後將DCLM模型框架、高品質訓練資料集DCLM-BASELINE以及預訓練方法，都開源公佈在 https://datacomp.ai/dclm 專案網站。