MLX

mlx-lm은 Apple의 배열 프레임워크를 언어 모델에 향하게 한 것입니다. M 시리즈 Mac에서 가장 빠른 로컬 경로인데, 유니파이드 메모리를 써서 외장 GPU와 다투지 않기 때문입니다.

Apple Silicon 전용. `mlx_lm.server --model mlx-community/Qwen3-8B-4bit`가 localhost:8080/v1에서 OpenAI 호환을 서빙합니다. 컨텍스트 상한은 유니파이드 메모리의 양 그 자체입니다.

최대 컨텍스트: Whatever your unified memory allows
무료 요금제: 무제한·비공개
요구사항: 아무것도 없음 — 계정 불필요

엔드포인트

기본 URLhttp://localhost:8080/v1

속도 제한None — it is your machine

OpenAI 호환
공식 SDK: mlx-lm
텍스트
비전

코드 예시

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))

알아두면 좋은 점

Apple Silicon 전용입니다.
먼저 서버를 띄우세요: `mlx_lm.server --model mlx-community/Qwen3-8B-4bit`.

무료로 받는 모델3

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