MLX

mlx-lm, c’est le framework matriciel d’Apple pointé vers les modèles de langage. Sur un Mac à puce M, c’est la voie locale la plus rapide, car il utilise la mémoire unifiée au lieu de se battre pour un GPU dédié.

Télécharger Documentation officielle ↗

Apple Silicon uniquement. `mlx_lm.server --model mlx-community/Qwen3-8B-4bit` sert du compatible OpenAI sur localhost:8080/v1. Le contexte, c’est ce que votre mémoire unifiée contient.

Contexte max: Whatever your unified memory allows
Offre gratuite: Illimité et privé
Exigence: Rien — pas de compte

Point de terminaison

URL de basehttp://localhost:8080/v1

Limite de débitNone — it is your machine

Compatible OpenAI
SDK natif : mlx-lm
texte
vision

Exemples de code

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))

Bon à savoir

Apple Silicon uniquement.
Démarrez d’abord le serveur : `mlx_lm.server --model mlx-community/Qwen3-8B-4bit`.

Modèles que vous obtenez gratuitement3

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