Rapid-MLX
Il motore AI locale più veloce per Apple Silicon. 4.2x più veloce di Ollama, 0.08s TTFT memorizzato, 100% chiamata degli strumenti. 17 parser di strumenti, cache dei prompt, separazione del ragionamento, routing cloud. Sostituto OpenAI drop-in. Funziona con Claude Code, Cursor, Aider.
Esegui un motore AI veloce sul tuo computer Apple per sostituire gli strumenti OpenAI e migliorare i tuoi compiti AI locali.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiIl motore AI locale più veloce per Apple Silicon. 4.2x più veloce di Ollama, 0.08s TTFT memorizzato, 100% chiamata degli strumenti. 17 parser di strumenti, cache dei prompt, separazione del ragionamento, routing cloud. Sostituto OpenAI drop-in. Funziona con Claude Code, Cursor, Aider.
Rapid-MLX ha 3.4k stelle su GitHub. È stato forkato 398 volte. Rapid-MLX è scritto principalmente in Python. È in sviluppo attivo dal 2026. Rapid-MLX è disponibile con licenza Apache-2.0. I suoi temi principali sono: apple-silicon, claude-code, cursor, deepseek.
Che cos'è Rapid-MLX?
Il motore AI locale più veloce per Apple Silicon. 4.2x più veloce di Ollama, 0.08s TTFT memorizzato, 100% chiamata degli strumenti. 17 parser di strumenti, cache dei prompt, separazione del ragionamento, routing cloud. Sostituto OpenAI drop-in. Funziona con Claude Code, Cursor, Aider.
Rapid-MLX è open source?
Rapid-MLX è un progetto open source. È rilasciato con licenza Apache-2.0.
Rapid-MLX è gratuito?
Sì. Rapid-MLX è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è Rapid-MLX?
Rapid-MLX è disponibile con licenza Apache-2.0.
In quale linguaggio è scritto Rapid-MLX?
Rapid-MLX è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://opensourceai.tech/project/raullenchai-rapid-mlx.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.