MLX

mlx-lm ist Apples Array-Framework, auf Sprachmodelle gerichtet. Auf einem M-Series-Mac ist es der schnellste lokale Weg, weil es Unified Memory nutzt statt um eine dedizierte GPU zu kämpfen.

Herunterladen Offizielle Doku ↗

mlx-lm ist Apples Array-Framework, auf Sprachmodelle gerichtet. Auf einem M-Series-Mac ist es der schnellste lokale Weg, weil es Unified Memory nutzt statt um eine dedizierte GPU zu kämpfen.

Nur Apple Silicon. `mlx_lm.server --model mlx-community/Qwen3-8B-4bit` serviert OpenAI-kompatibel auf localhost:8080/v1. Kontext ist, was in die Unified Memory passt.

Max. Kontext: Whatever your unified memory allows
Gratis-Tarif: Unbegrenzt und privat
Anforderung: Nichts — kein Konto

Endpunkt

Basis-URLhttp://localhost:8080/v1

RatengrenzeNone — it is your machine

OpenAI-kompatibel
Eigenes SDK: mlx-lm
Text
Vision

Codebeispiele

npm install openai

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'http://localhost:8080/v1',
  apiKey: 'not-needed'
})

const response = await client.chat.completions.create({
  model: 'mlx-community/Qwen3-8B-4bit',
  messages: [{ role: 'user', content: 'Explain closures in one paragraph.' }]
})

console.log(response.choices[0].message.content)

pip install openai

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8080/v1",
    api_key="not-needed",
)

response = client.chat.completions.create(
    model="mlx-community/Qwen3-8B-4bit",
    messages=[{"role": "user", "content": "Explain closures in one paragraph."}],
)

print(response.choices[0].message.content)

curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mlx-community/Qwen3-8B-4bit",
    "messages": [{"role": "user", "content": "Explain closures in one paragraph."}]
  }'

pip install mlx-lm

from mlx_lm import load, generate

model, tokenizer = load("mlx-community/Qwen3-8B-4bit")

prompt = tokenizer.apply_chat_template(
    [{"role": "user", "content": "Explain closures in one paragraph."}],
    add_generation_prompt=True,
)

print(generate(model, tokenizer, prompt=prompt, max_tokens=512))

Wissenswert

Nur Apple Silicon.
Erst den Server starten: `mlx_lm.server --model mlx-community/Qwen3-8B-4bit`.

Modelle, die Sie gratis bekommen3

Qwen 3qwen3
Qwen CoderQwen2.5-Coder-7B
GPT-OSS 120Bgpt-oss-120b