20:47Julien Chaumond@julien_coMLX 项目现已支持 Hugging Face 标准缓存模型目录,这意味着用户可以直接使用本地已下载的模型,无需额外配置。该更新由开发者 @jundotkim 实现,旨在简化 MLX 框架下的本地 AI 部署流程。对于使用 Apple Silicon 设备运行本地大模型的用户来说,这一改进显著降低了使用门槛。社区对此反响积极,认为这是提升 MLX 生态易用性的重要一步。AI产品oMLXMLX本地AIHugging Face模型部署推荐理由:对于在 Apple Silicon 上跑本地模型的开发者,oMLX 支持 HF 缓存目录意味着省去模型重复下载和路径配置的麻烦,建议直接更新体验。原文
07:59berryxia@berryxiaoMLX 是一个基于 Apple MLX 框架的本地 AI 项目,由一位有全职工作的 solo 开发者维护。最新 v0.3.11 版本重点提升了高内存压力下的稳定性,并优化了用户体验,让用户无需阅读文档或调整参数即可使用本地模型。项目支持模型下载过程中即可开始对话,旨在降低本地 AI 的使用门槛,推动其普及。AI产品oMLXApple MLX本地AIMac开源/仓库推荐理由:如果你在 Mac 上折腾本地 AI 但被复杂配置劝退,oMLX 让你像用原生 App 一样直接上手,solo 开发者把稳定性做到位了,值得一试。原文
18:18berryxia@berryxiaoMLX 0.3.9.dev2 版本发布,针对 Apple Silicon 设备优化,集成了 Gemma 4 的 MTP 视觉路径、DFlash 引擎和 ParoQuant,显著提升图文解码速度。新增 ombx launch copilot 功能,可一键接入 Claude、Codex 等工具;oQ 自动代理解决显存不足问题,管理界面增加重启服务器按钮。作者认为苹果端侧 AI 在速度、集成度和易用性上已接近甚至超越云端大模型,真正将 AI 从云端拉回本地。AI产品端侧AIApple SiliconoMLXGemma 4本地推理1 个信源在谈推荐理由:oMLX 这次更新把 Gemma 4 的视觉路径和 DFlash 引擎塞进 Apple Silicon,图文解码速度明显提升,做本地 AI 开发的 Mac 用户可以直接体验,看看端侧能否替代云端。原文