MLX Omni Server est un serveur d'inférence local alimenté par le framework MLX d'Apple, spécialement conçu pour les puces Apple Silicon (série M). Il implémente des points de terminaison API compatibles avec OpenAI, permettant une intégration transparente avec les clients SDK OpenAI existants tout en tirant parti
Exécuter des modèles IA localement sur des appareils Apple Silicon en utilisant une API simple.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentMLX Omni Server est un serveur d'inférence local alimenté par le framework MLX d'Apple, spécialement conçu pour les puces Apple Silicon (série M). Il implémente des points de terminaison API compatibles avec OpenAI, permettant une intégration transparente avec les clients SDK OpenAI existants tout en tirant parti
mlx-omni-server compte 734 étoiles sur GitHub. Il a été forké 90 fois. mlx-omni-server est écrit principalement en Python. Il est développé activement depuis 2024. mlx-omni-server est disponible sous licence MIT. Ses principaux thèmes sont : function-calling, genai, mlx, openai.
MLX Omni Server est un serveur d'inférence local alimenté par le framework MLX d'Apple, spécialement conçu pour les puces Apple Silicon (série M). Il implémente des points de terminaison API compatibles avec OpenAI, permettant une intégration transparente avec les clients SDK OpenAI existants tout en tirant parti
mlx-omni-server est un projet open source. Il est distribué sous licence MIT.
Oui. mlx-omni-server est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
mlx-omni-server est disponible sous licence MIT.
mlx-omni-server est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/madroidmaq-mlx-omni-server.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.