rapid-mlx vs oMLX: MLX Inference Benchmark on Apple M5 Max (35B LLM)
Head-to-head MLX inference benchmark on Apple M5 Max (64 GB unified memory): rapid-mlx vs omlx vs dflash-mlx vs mlx-vlm running a 35B LLM — tokens/sec, time-to-first-token, memory use, and which framework to pick in 2026.
MLX 推論框架基準測試：Apple Silicon M5 Max 跑 35B LLM 實測比較
在 Apple M5 Max（64 GB 統一記憶體）上以 35B 量化 MoE 模型實測 rapid-mlx、omlx、dflash-mlx、mlx-vlm 四大 MLX 推論框架，涵蓋 64 至 32K Tokens 七個上下文長度的解碼速度、TTFT 與穩定度比較，並提供企業地端 AI 選型建議。原始基準測試資料由 ywchiu/mlx_benchmark_lab 開源公開。
GPT-OSS 是什麼？OpenAI 開源模型 120B 硬體需求與企業部署解析
OpenAI推出兩款採用MOE架構的開源大型語言模型OSS 120B和OSS 20B，其中OSS 120B雖有120B參數但實際運行只需啟用5.1B，大幅降低了硬體需求！代表從過去動輒兩三百萬的GPU投資，降到只需20-30萬的Mac電腦即可運行。搭配大數軟體的QubicX平台，企業可快速部署AI對話、RAG知識管理、OCR語音轉文字、自動合約生成等應用，且能在本地部署確保資料隱私。這標誌著企業AI私有化時代的來臨，讓中小企業也能以可負擔的成本享受頂尖AI能力，是企業進行AI轉型的最佳時機。