O MLX Omni Server é um servidor de inferência local alimentado pelo framework MLX da Apple, projetado especificamente para chips Apple Silicon (M-series). Ele implementa endpoints de API compatíveis com OpenAI, permitindo integração perfeita com os clientes existentes do SDK da OpenAI enquanto aproveita
Execute modelos de IA localmente em dispositivos Apple Silicon usando uma API simples.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserO MLX Omni Server é um servidor de inferência local alimentado pelo framework MLX da Apple, projetado especificamente para chips Apple Silicon (M-series). Ele implementa endpoints de API compatíveis com OpenAI, permitindo integração perfeita com os clientes existentes do SDK da OpenAI enquanto aproveita
mlx-omni-server tem 734 estrelas no GitHub. Foi bifurcado 90 vezes. mlx-omni-server é escrito principalmente em Python. Está em desenvolvimento ativo desde 2024. mlx-omni-server está disponível sob a licença MIT. Os seus principais temas são: function-calling, genai, mlx, openai.
O MLX Omni Server é um servidor de inferência local alimentado pelo framework MLX da Apple, projetado especificamente para chips Apple Silicon (M-series). Ele implementa endpoints de API compatíveis com OpenAI, permitindo integração perfeita com os clientes existentes do SDK da OpenAI enquanto aproveita
mlx-omni-server é um projeto de código aberto. É distribuído sob a licença MIT.
Sim. mlx-omni-server é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
mlx-omni-server está disponível sob a licença MIT.
mlx-omni-server é escrito principalmente em Python.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/madroidmaq-mlx-omni-server.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.