Rapid-MLX
El motor de IA local más rápido para Apple Silicon. 4.2x más rápido que Ollama, 0.08s TTFT en caché, 100% de llamadas a herramientas. 17 analizadores de herramientas, caché de prompts, separación de razonamiento, enrutamiento en la nube. Reemplazo de OpenAI fácil de usar. Funciona con Claude Code, Cursor, Aider.
Ejecuta un motor de IA rápido en tu computadora Apple para reemplazar herramientas de OpenAI y mejorar tus tareas locales de IA.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasEl motor de IA local más rápido para Apple Silicon. 4.2x más rápido que Ollama, 0.08s TTFT en caché, 100% de llamadas a herramientas. 17 analizadores de herramientas, caché de prompts, separación de razonamiento, enrutamiento en la nube. Reemplazo de OpenAI fácil de usar. Funciona con Claude Code, Cursor, Aider.
Rapid-MLX tiene 3.6k estrellas en GitHub. Se ha bifurcado 406 veces. Rapid-MLX está escrito principalmente en Python. Se desarrolla activamente desde 2026. Sus temas principales son: apple-silicon, claude-code, cursor, deepseek.
¿Qué es Rapid-MLX?
El motor de IA local más rápido para Apple Silicon. 4.2x más rápido que Ollama, 0.08s TTFT en caché, 100% de llamadas a herramientas. 17 analizadores de herramientas, caché de prompts, separación de razonamiento, enrutamiento en la nube. Reemplazo de OpenAI fácil de usar. Funciona con Claude Code, Cursor, Aider.
¿Rapid-MLX es de código abierto?
Rapid-MLX es un proyecto de código abierto.
¿Rapid-MLX es gratis?
Sí. Rapid-MLX es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿En qué lenguaje está escrito Rapid-MLX?
Rapid-MLX está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/raullenchai-rapid-mlx.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.