--- title: "Локальный запуск LLM моделей на Android смартфоне" url: "https://romankryvolapov.com/ru/llm-on-android/" description: "Чем запустить языковую модель прямо на Android: LiteRT-LM, llama.cpp, MediaPipe, MLC LLM и ONNX Runtime GenAI — что выбрать, как подготовить модель и код на Kotlin, который правильно останавливает генерацию." language: ru published: 2025-05-13 updated: 2026-11-05 --- Статей по этой теме мало, поэтому изложу свой опыт. Примеры выросли из моего тестового проекта; позже из него получилось приложение, о котором есть [отдельная статья](/ru/offline-ai-launcher/). Обзор написан в середине 2025 года, и с тех пор многое изменилось. Google перевёл MediaPipe LLM Inference API в [режим только поддержки](https://ai.google.dev/edge/mediapipe/solutions/genai/llm_inference) и рекомендует переходить на LiteRT-LM. Я интегрировал LiteRT-LM в своё приложение, и он очень быстрый, поэтому теперь у него свой раздел, а код и шаги сборки в остальных разделах исправлены и обновлены. ## Какой движок выбрать - **LiteRT-LM** — с него я бы начинал сегодня: в моём приложении он очень быстрый, Google использует его в собственных продуктах, а API сам хранит состояние диалога. Модели нужны в формате `.litertlm`. - **llama.cpp** — выбор, когда нужна конкретная модель: `.gguf` — самый распространённый формат, и на Hugging Face таких моделей тысячи. - **MediaPipe** по-прежнему работает, но новый проект я бы на нём не начинал: новые возможности и оптимизации теперь идут в LiteRT-LM. - **MLC LLM и ONNX Runtime GenAI** остались для меня экспериментами. На Android оба работали медленно, а их модели состоят из множества файлов, которые неудобно скачивать и хранить. Остальное я в приложение не встраивал, поэтому здесь только ссылки. Обычный [LiteRT](https://ai.google.dev/edge/litert) — уровнем ниже MediaPipe: для LLM токенизатор приходится добавлять вручную, и преимуществ в этом я не увидел. [ExecuTorch](https://github.com/pytorch/executorch) — рантайм PyTorch для мобильных устройств, заменивший PyTorch Mobile, который больше не развивается; к Android он подключается как AAR из Maven Central. [Qualcomm AI Hub](https://aihub.qualcomm.com) — облачный сервис, который оптимизирует модели под чипы Qualcomm и замеряет их на реальных устройствах. ## Как устроены примеры Все движки ниже спрятаны за одним маленьким интерфейсом, так что в коде остаётся только то, чем они различаются: ```kotlin import kotlinx.coroutines.flow.Flow interface LocalChat : AutoCloseable { /** * Emits the answer accumulated so far and completes when the answer ends. * Cancelling the collection stops the generation. One call at a time. */ fun send(message: String): Flow } ``` `Flow` отдаёт весь ответ на текущий момент, а не отдельные куски: медленный получатель просто пропускает промежуточные состояния и всё равно получает последнее — для этого в каждой реализации стоит `conflate()`. Конец `Flow` — это конец ответа, исключение — ошибка движка, а остановка — обычная отмена: ```kotlin import androidx.lifecycle.ViewModel import androidx.lifecycle.viewModelScope import kotlinx.coroutines.Job import kotlinx.coroutines.flow.MutableStateFlow import kotlinx.coroutines.flow.catch import kotlinx.coroutines.flow.launchIn import kotlinx.coroutines.flow.onCompletion import kotlinx.coroutines.flow.onEach class ChatViewModel(private val chat: LocalChat) : ViewModel() { val answer = MutableStateFlow("") val error = MutableStateFlow(null) val isGenerating = MutableStateFlow(false) private var generation: Job? = null fun send(message: String) { isGenerating.value = true generation = chat.send(message) .onEach { answer.value = it } .catch { error.value = it } .onCompletion { isGenerating.value = false } .launchIn(viewModelScope) } fun stop() { generation?.cancel() } } ``` Загрузка модели занимает секунды и блокирует поток, поэтому классы ниже создаются не в главном потоке, например внутри `withContext(Dispatchers.IO)`. ## LiteRT-LM [LiteRT-LM](https://github.com/google-ai-edge/LiteRT-LM) ([руководство по Kotlin](https://ai.google.dev/edge/litert-lm/android)) — движок Google для запуска LLM поверх LiteRT; его используют Chrome, Chromebook Plus и Pixel Watch. Я интегрировал его в своё приложение, и он очень быстрый. Готовые модели `.litertlm` есть в [litert-community](https://huggingface.co/litert-community) на Hugging Face: от [Gemma 3 1B](https://huggingface.co/litert-community/Gemma3-1B-IT) до [Gemma 4 E4B](https://huggingface.co/litert-community/gemma-4-E4B-it-litert-lm). ### Как добавить в своё приложение ```groovy implementation "com.google.ai.edge.litertlm:litertlm-android:0.19.0" ``` Библиотека собрана свежим Kotlin, поэтому модулю, который её использует, нужен Kotlin 2.3 или новее. Для GPU приложение должно явно запросить нативные библиотеки — внутри ``: ```xml ``` ### Код ```kotlin import com.google.ai.edge.litertlm.Backend import com.google.ai.edge.litertlm.ConversationConfig import com.google.ai.edge.litertlm.Engine import com.google.ai.edge.litertlm.EngineConfig import com.google.ai.edge.litertlm.SamplerConfig import kotlinx.coroutines.CancellationException import kotlinx.coroutines.Dispatchers import kotlinx.coroutines.flow.Flow import kotlinx.coroutines.flow.conflate import kotlinx.coroutines.flow.flow import kotlinx.coroutines.flow.flowOn import kotlinx.coroutines.flow.onCompletion class LiteRtLmChat(modelPath: String, cacheDir: String) : LocalChat { private val engine = Engine( EngineConfig( modelPath = modelPath, backend = Backend.GPU(), cacheDir = cacheDir, // speeds up every load after the first one ) ).apply { initialize() } // The conversation keeps the dialogue history itself. private val conversation = engine.createConversation( ConversationConfig(samplerConfig = SamplerConfig(topK = 40, topP = 0.95, temperature = 0.8)) ) override fun send(message: String): Flow = flow { val answer = StringBuilder() conversation.sendMessageAsync(message).collect { chunk -> answer.append(chunk.toString()) emit(answer.toString()) } }.onCompletion { cause -> // Cancelling the collection does not reach the engine. if (cause is CancellationException) conversation.cancelProcess() }.conflate().flowOn(Dispatchers.IO) override fun close() { conversation.close() engine.close() } } ``` Две вещи, о которых руководство прямо не говорит. `Flow` библиотеки не останавливает движок при отмене, поэтому `cancelProcess()` приходится вызывать явно. И отмена не откатывает внутреннее состояние диалога: в исходниках библиотеки это пока запрос на доработку. ## llama.cpp [llama.cpp](https://github.com/ggml-org/llama.cpp) — пожалуй, самый популярный способ. Как он устроен внутри, разобрано в [статье про llama.cpp](/ru/llama-cpp/). В мобильных приложениях его часто используют через обёртку для React Native [llama.rn](https://github.com/mybigday/llama.rn). Приложения на llama.cpp и близких движках: [PocketPal AI](https://github.com/a-ghorbani/pocketpal-ai), [MNN](https://github.com/alibaba/MNN) от Alibaba (у него свой движок, а не llama.cpp), [LMPlayground](https://github.com/andriydruk/LMPlayground). ### Как добавить в своё приложение Скачиваем пример [llama.android](https://github.com/ggml-org/llama.cpp/tree/master/examples/llama.android) и смотрим, как там всё устроено. В вашем проекте структура, скорее всего, будет другой, поэтому обратите внимание на путь в главном `CMakeLists.txt`. В моём случае все компоненты лежат в папке `llama_cpp`: ```cmake add_subdirectory(llama_cpp build-llama) ``` ## MediaPipe [MediaPipe](https://ai.google.dev/edge/mediapipe/solutions/guide) ([GitHub](https://github.com/google-ai-edge/mediapipe)) запускает модели в формате TFLite (файлы `.tflite` и `.task`). Готовые модели есть в [litert-community](https://huggingface.co/litert-community) на Hugging Face и на [Kaggle](https://www.kaggle.com/models/google/gemma-3/tfLite). Его классы для LLM теперь помечены как устаревшие в пользу LiteRT-LM. Модель PyTorch можно сконвертировать через [litert-torch](https://github.com/google-ai-edge/litert-torch), но я этого не делал. У TFLite статические формы тензоров (batch = 1), поэтому размер KV-кэша фиксируется при конвертации: именно это значит `ekv2048` в имени вроде `Gemma3-1B-IT_multi-prefill-seq_q4_ekv2048.task`. ### Как добавить в своё приложение У MediaPipe есть разные task для разных задач, для LLM нужен `tasks-genai` ([Maven](https://mvnrepository.com/artifact/com.google.mediapipe)): ```groovy implementation "com.google.mediapipe:tasks-genai:0.10.35" ``` ### Код Вся сложность здесь в остановке. `generateResponseAsync` возвращает обычный `SettableFuture`, поэтому `future.cancel()` отменяет только обёртку: движок продолжает считать и держит глобальную блокировку, которую снимает только финальный `done=true`. До этого момента любой вызов на сессии бросает `IllegalStateException` — и `close()`, и следующий `addQueryChunk()`. По-настоящему движок останавливает `cancelGenerateResponseAsync()`, появившийся в версии 0.10.24. Сессия хранит контекст диалога, поэтому живёт столько же, сколько диалог, в пределах лимита `maxTokens`. ```kotlin import android.content.Context import com.google.mediapipe.tasks.genai.llminference.LlmInference import com.google.mediapipe.tasks.genai.llminference.LlmInferenceSession import com.google.mediapipe.tasks.genai.llminference.ProgressListener import java.util.concurrent.Future import java.util.concurrent.TimeUnit import kotlinx.coroutines.Dispatchers import kotlinx.coroutines.channels.awaitClose import kotlinx.coroutines.flow.Flow import kotlinx.coroutines.flow.callbackFlow import kotlinx.coroutines.flow.conflate import kotlinx.coroutines.flow.flowOn class MediaPipeChat( context: Context, modelPath: String, backend: LlmInference.Backend = LlmInference.Backend.GPU, ) : LocalChat { private val inference = LlmInference.createFromOptions( context, LlmInference.LlmInferenceOptions.builder() .setModelPath(modelPath) .setMaxTokens(1024) .setMaxTopK(64) .setPreferredBackend(backend) .build(), ) private val session = LlmInferenceSession.createFromOptions( inference, LlmInferenceSession.LlmInferenceSessionOptions.builder() .setTopK(40) .setTopP(1.0f) .setTemperature(0.8f) .build(), ) private var generation: Future? = null override fun send(message: String): Flow = callbackFlow { awaitPreviousGeneration() val answer = StringBuilder() session.addQueryChunk(message) val future = session.generateResponseAsync(ProgressListener { partial, done -> answer.append(partial) trySend(answer.toString()) if (done) close() }) generation = future awaitClose { if (!future.isDone) session.cancelGenerateResponseAsync() } }.conflate().flowOn(Dispatchers.IO) override fun close() { awaitPreviousGeneration() session.close() inference.close() } // After a cancel the engine stays busy until its final done=true. private fun awaitPreviousGeneration() { runCatching { generation?.get(30, TimeUnit.SECONDS) } } } ``` ## MLC LLM [MLC LLM](https://github.com/mlc-ai/mlc-llm) компилирует модель под конкретное устройство. Поддержка Android на тот момент была экспериментальной, вычисления идут через [OpenCL](https://en.wikipedia.org/wiki/OpenCL). Документация: [CLI](https://llm.mlc.ai/docs/deploy/cli.html), [Android SDK](https://llm.mlc.ai/docs/deploy/android.html), [компиляция моделей](https://llm.mlc.ai/docs/compilation/compile_models.html). Готовые библиотеки и демо-приложение — в [binary-mlc-llm-libs](https://github.com/mlc-ai/binary-mlc-llm-libs/releases). ### Подготовка Готовые модели из [mlc-ai](https://huggingface.co/mlc-ai) открыты, аккаунт для них не нужен. Аккаунт на [Hugging Face](https://huggingface.co) и access token нужны, только чтобы скачать закрытые оригиналы вроде Gemma от Google и скомпилировать их самостоятельно. На компьютере должны быть установлены инструменты — проверяем в PowerShell и ставим недостающее: ```powershell git --version git lfs --version rustup --version cargo --version ninja --version cmake --version javac -version jar --help javadoc --help ``` Команда `mlc_llm` поставляется Python-пакетом. Документация рекомендует окружение conda, а на Windows ещё и ставить cmake и ninja из conda: ```powershell conda activate your-environment conda install -c conda-forge cmake ninja git git-lfs zstd python -m pip install --pre -U -f https://mlc.ai/wheels mlc-llm-nightly-cpu mlc-ai-nightly-cpu ``` Клонируем mlc-llm вместе с подмодулями: среди них рантайм TVM, от которого зависит сборка. Архив не подойдёт: ```bash git clone --recursive https://github.com/mlc-ai/mlc-llm ``` Задаём переменные окружения для скрипта `mlc_llm`, например в PowerShell. В `JAVA_HOME` не должно быть пробелов — сборка на Windows с ними не справляется, поэтому JBR из Android Studio копируем в путь без пробелов: ```powershell $env:TVM_NDK_CC="C:\Users\--userName--\AppData\Local\Android\Sdk\ndk\27.0.11718014\toolchains\llvm\prebuilt\windows-x86_64\bin\aarch64-linux-android24-clang" $env:ANDROID_NDK="C:\Users\--userName--\AppData\Local\Android\Sdk\ndk\27.0.11718014" $env:MLC_LLM_SOURCE_DIR="C:\--path-to-mlc-llm-folder--\mlc-llm" $env:TVM_SOURCE_DIR="C:\--path-to-mlc-llm-folder--\mlc-llm\3rdparty\tvm" $env:JAVA_HOME="C:\--path-without-spaces--\jbr" $env:Path="$env:JAVA_HOME\bin;$env:Path" $env:PATH += ";C:\Users\--userName--\.cargo\bin" ``` ### Компиляция модели Берём модель, например [google/gemma-3-1b-it-qat-q4_0-unquantized](https://huggingface.co/google/gemma-3-1b-it-qat-q4_0-unquantized). При клонировании Git спросит пароль — это access token: ```bash git clone https://huggingface.co/google/gemma-3-1b-it-qat-q4_0-unquantized ``` Дальше все команды запускаем из папки с моделью. **Шаг 1 — конвертация весов:** ```bash mlc_llm convert_weight . --quantization q4f16_0 -o ..\Recompiled ``` Команда переводит веса из исходного формата (safetensors или PyTorch `.bin`) в формат MLC и заодно квантует их. `q4f16_0` значит: веса хранятся в 4 битах, масштабные коэффициенты — в float16. Суффикс — это раскладка весов, и на телефонах она важна: на GPU Adreno модели с раскладкой `_1` вешают системный интерфейс на 20–50 секунд при первом prefill. Это [известная проблема](https://llm.mlc.ai/docs/deploy/android.html#known-issues), которой нет у раскладки `_0`. Точка — текущая папка с весами, `-o` — куда сохранить результат. **Шаг 2 — конфигурация:** ```bash mlc_llm gen_config . --quantization q4f16_0 --conv-template gemma3_instruction --context-window-size 768 -o ..\Recompiled ``` Генерирует `mlc-chat-config.json`: архитектуру, расположение весов, настройки токенизатора и параметры чата. Квантование указывается то же, что на первом шаге. `--conv-template` — шаблон диалога, по которому движок собирает промпт из реплик; он должен соответствовать модели, для Gemma 3 это `gemma3_instruction`. `--context-window-size` — размер контекстного окна, его подбирают под модель и память устройства. **Шаг 3 (необязательный) — компиляция под Android:** ```bash mlc_llm compile ..\Recompiled\mlc-chat-config.json --device android -o ..\Recompiled\android.tar ``` Собирает в архив `android.tar` библиотеку модели — скомпилированный код модели под ABI arm64-v8a. Рантайма в нём нет. Удобнее следующий путь: он собирает и то и другое в модуль для проекта. ### Генерация библиотеки для приложения Создаём файл `mlc-package-config.json` с описанием модели. На готовую модель ссылаемся по адресу на Hugging Face; веса остаются там, и приложение скачивает их само: ```json { "device": "android", "model_list": [ { "model": "HF://mlc-ai/Phi-3.5-mini-instruct-q4f16_0-MLC", "model_id": "Phi-3.5-mini-instruct-q4f16_0-MLC", "estimated_vram_bytes": 4250586449 } ] } ``` Для локально скомпилированной модели нужен `bundle_weight`: без него `mlc_llm package` отвергает локальный путь. Веса тогда попадают в `dist/bundle`, а доставить их на устройство предстоит самому: ```json { "device": "android", "model_list": [ { "model": "../Recompiled", "model_id": "gemma-3-1b-it-q4f16_0-MLC", "estimated_vram_bytes": 3000000000, "bundle_weight": true } ] } ``` Подробнее — в документации по [упаковке библиотек и весов](https://llm.mlc.ai/docs/compilation/package_libraries_and_weights.html). Из папки с этим файлом запускаем: ```bash mlc_llm package ``` Команда создаёт `dist/lib/mlc4j` — Gradle-модуль с рантаймом и библиотекой модели. Подключаем его в `settings.gradle` и добавляем в приложение `implementation project(':mlc4j')`: ```groovy include ':mlc4j' project(':mlc4j').projectDir = file('dist/lib/mlc4j') ``` Приложение с targetSdk 31 (Android 12) и выше не получает вендорскую библиотеку вроде OpenCL, пока не объявит её. Официальное приложение MLCChat объявляет такие, внутри ``: ```xml ``` ### Код `modelPath` — папка с весами на устройстве. `modelLib` — значение `model_lib` из `dist/lib/mlc4j/src/main/assets/mlc-app-config.json`, имя с хешем вроде `gemma3_text_q4f16_0_`. Промпт в формате Gemma вручную собирать не нужно: движок сам оборачивает реплики в шаблон, заданный через `--conv-template`, и сам знает стоп-токены модели. Если передать уже размеченный промпт, разметка получится двойной. API совместим с OpenAI, поэтому каждый запрос несёт весь диалог, а история живёт в приложении. `create` принимает и привычные `max_tokens`, `temperature`, `top_p`, `seed`, `frequency_penalty` и `presence_penalty`. Отменить отдельный запрос SDK не умеет: у `MLCEngine` есть только `reload`, `reset` и `unload`. Если просто перестать читать канал, движок продолжит генерировать, поэтому остановка идёт через `reset()`. Ничего не теряется, потому что история на стороне приложения. ```kotlin import ai.mlc.mlcllm.MLCEngine import ai.mlc.mlcllm.OpenAIProtocol.ChatCompletionMessage import ai.mlc.mlcllm.OpenAIProtocol.ChatCompletionRole import ai.mlc.mlcllm.OpenAIProtocol.StreamOptions import android.util.Log import kotlinx.coroutines.Dispatchers import kotlinx.coroutines.flow.Flow import kotlinx.coroutines.flow.conflate import kotlinx.coroutines.flow.flow import kotlinx.coroutines.flow.flowOn class MlcChat : LocalChat { // One per process: the constructor starts two background threads that cannot be stopped. private val engine = MLCEngine() private val history = mutableListOf() // Also switches models. fun load(modelPath: String, modelLib: String) { engine.unload() engine.reload(modelPath, modelLib) history.clear() } override fun send(message: String): Flow = flow { history += ChatCompletionMessage(role = ChatCompletionRole.user, content = message) val answer = StringBuilder() var finished = false try { val responses = engine.chat.completions.create( messages = history, stream_options = StreamOptions(include_usage = true), ) for (response in responses) { response.choices.firstOrNull()?.delta?.content?.asText()?.let { chunk -> answer.append(chunk) emit(answer.toString()) } // The last message carries the statistics: this is where to read the real speed. response.usage?.extra?.let { stats -> Log.d("MlcChat", "prefill ${stats.prefill_tokens_per_s}, decode ${stats.decode_tokens_per_s} tok/s") } } finished = true } finally { if (!finished) engine.reset() if (answer.isNotEmpty()) { history += ChatCompletionMessage(role = ChatCompletionRole.assistant, content = answer.toString()) } else { history.removeAt(history.lastIndex) } } }.conflate().flowOn(Dispatchers.IO) override fun close() = engine.unload() } ``` ## ONNX Runtime GenAI [onnxruntime-genai](https://github.com/microsoft/onnxruntime-genai) — расширение ONNX Runtime для генеративных моделей ([Java API](https://onnxruntime.ai/docs/genai/api/java.html)). Модель для него — не один файл `.onnx`, а папка: файлы ONNX, `genai_config.json` и файлы токенизатора, и `SimpleGenAI` принимает путь к этой папке. Поэтому [onnx-community](https://huggingface.co/onnx-community) на Hugging Face, несмотря на название, обычно не помогает: большинство его репозиториев — экспорт для Transformers.js без `genai_config.json`. Официальный [пример для Android](https://github.com/microsoft/onnxruntime-inference-examples/tree/main/mobile/examples/phi-3/android) запускает [Phi-3 mini](https://huggingface.co/microsoft/Phi-3-mini-4k-instruct-onnx), а другие модели можно сконвертировать через [model builder](https://onnxruntime.ai/docs/genai/howto/build-model.html). ### Как добавить в своё приложение Библиотека — это AAR со страницы [релизов](https://github.com/microsoft/onnxruntime-genai/releases) плюс сам ONNX Runtime из Maven, как в официальном примере: ```groovy implementation "com.microsoft.onnxruntime:onnxruntime-android:latest.release" implementation files("libs/onnxruntime-genai-android-0.19.0.aar") ``` Отдельно про `genai_config.json`: он используется во время работы, и в нём есть важный параметр `past_present_share_buffer` — способ использования буфера KV-кэша. У меня с `true` большинство моделей не запускалось. ### Код `SimpleGenAI` не хранит состояние и не применяет шаблон чата модели, поэтому весь диалог каждый раз уходит в него целиком и уже размеченным. `max_length` ограничивает промпт и ответ вместе, так что маленькое значение обрежет ответ, а `temperature` без `do_sample` не действует. ```kotlin import ai.onnxruntime.genai.SimpleGenAI import kotlinx.coroutines.Dispatchers import kotlinx.coroutines.ensureActive import kotlinx.coroutines.flow.Flow import kotlinx.coroutines.flow.channelFlow import kotlinx.coroutines.flow.conflate import kotlinx.coroutines.flow.flowOn class OnnxChat(modelDir: String) : LocalChat { private val genAi = SimpleGenAI(modelDir) private val dialogue = StringBuilder() override fun send(message: String): Flow = channelFlow { // The markup is Phi-3's; another model needs its own. dialogue.append("<|user|>\n").append(message).append("<|end|>\n<|assistant|>\n") val answer = StringBuilder() try { genAi.createGeneratorParams().use { params -> params.setSearchOption("max_length", 2048.0) params.setSearchOption("do_sample", true) params.setSearchOption("temperature", 0.7) // The answer is assembled from the chunks: what generate() returns // is the whole sequence decoded, with the prompt at the start of it. genAi.generate(params, dialogue.toString()) { chunk -> ensureActive() // an exception is the only way to stop generate() from inside answer.append(chunk) trySend(answer.toString()) } } } finally { dialogue.append(answer).append("<|end|>\n") } }.conflate().flowOn(Dispatchers.IO) override fun close() = genAi.close() } ``` ## Модели внутри приложения Для экспериментов модель можно положить в `assets` и скопировать в папку файлов приложения при первом запуске. Это только для экспериментов: при таких размерах лимиты Google Play оставляют Play Asset Delivery или скачивание при первом запуске, и моё приложение скачивает модели с Hugging Face. Копирование трогает только свою папку и выполняется один раз на каждую версию моделей: ```kotlin import android.content.Context import android.content.res.AssetManager import java.io.File fun copyModelsFromAssets(context: Context, modelsVersion: Int, assetsDir: String = "models"): File { val target = File(context.filesDir, assetsDir) // The marker is written last, so an interrupted copy starts over on the next launch. val marker = File(target, ".copied-$modelsVersion") if (marker.exists()) return target target.deleteRecursively() copyAssets(context.assets, assetsDir, target) marker.createNewFile() return target } private fun copyAssets(assets: AssetManager, path: String, target: File) { val children = assets.list(path).orEmpty() if (children.isEmpty()) { target.parentFile?.mkdirs() assets.open(path).use { input -> target.outputStream().use { input.copyTo(it) } } } else { children.forEach { copyAssets(assets, "$path/$it", File(target, it)) } } } ``` Если хотите хранить модели в git-репозитории, нужна поддержка больших файлов — [Git LFS](https://git-lfs.com). Веса отслеживаем по расширению, а библиотеки движка по папке: общее правило `*.jar` захватит и `gradle/wrapper/gradle-wrapper.jar`, и клон без LFS больше не сможет запустить Gradle. ```bash git lfs install git lfs track "*.bin" git lfs track "*.task" git lfs track "*.litertlm" git lfs track "*.tflite" git lfs track "*.onnx" git lfs track "*.onnx.data" git lfs track "*.safetensors" git lfs track "*.gguf" git lfs track "dist/lib/mlc4j/output/**" cat .gitattributes git add . ```