Mac用戶，終于不用羨慕N卡玩家有專屬大模型Chat with RTX了！

大神推出的新框架，讓蘋果電腦也跑起了本地大模型，而且只要兩行代碼就能完成部署。

仿照Chat with RTX，框架的名字就叫Chat with MLX（MLX是蘋果機(jī)器學(xué)習(xí)框架），由一名OpenAI前員工打造。

黃院士的框架里有的功能，例如本地文檔總結(jié)、YouTube視頻分析，Chat with MLX里也都有。

而且包括中文在內(nèi)共有11種可用語言，自帶支持的開源大模型多達(dá)七種。

體驗(yàn)過的用戶表示，雖然計(jì)算量負(fù)擔(dān)對蘋果設(shè)備可能大了點(diǎn)，但是新手也很容易上手，Chat with MLX真的是個(gè)好東西。

那么，Chat with MLX的實(shí)際效果究竟怎么樣呢？

用MacBook部署本地大模型

Chat with MLX已經(jīng)集成到了pip命令中，所以在有pip的條件下，只需要一行代碼就能完成安裝：

pip install chat-with-mlx

安裝完成后，在終端中輸入chat-with-mlx并按回車，就會自動完成初始化并彈出網(wǎng)頁（第一次啟動及下載模型時(shí)需要連接到Hugging Face服務(wù)器）。

△Chat with MLX實(shí)測效果

將這個(gè)頁面向下翻，選擇想用的模型和語言后點(diǎn)擊Load Model，系統(tǒng)就會自動下載模型信息并加載。

注意如果中途需要更換模型，需要先將前面的模型Unload再選擇新模型。

其他模型只要Hugging Face上有并且兼容MLX框架，也可以手工添加，方法可以到GitHub頁中了解。

如果要使用自有數(shù)據(jù)，需要先選擇類型（文件或YouTube視頻），然后上傳文件或填寫視頻鏈接，并點(diǎn)擊Start Indexing建立索引。

按照開發(fā)者的說法，只要不點(diǎn)擊Stop，再次上傳新文件后數(shù)據(jù)是累加的。

當(dāng)然，也可以不傳數(shù)據(jù)，直接當(dāng)成普通大模型來用。

為了避免推理時(shí)間過長，我們選擇了規(guī)模較小的Quyen-SE來進(jìn)行測試。

（Quyen-SE基于阿里的通義千問改造而成，Chat with MLX的作者也參與了研發(fā)工作。）

首先看看模型不加定制數(shù)據(jù)的速度，在M1芯片的MacBook上，這個(gè)0.5B的模型表現(xiàn)是這樣的，可以說比較流暢。

但在宣傳中，Chat with MLX的主要賣點(diǎn)，還是本地RAG檢索。

為了確保素材文檔在模型的訓(xùn)練數(shù)據(jù)中不存在，小編從箱底翻出了自己不公開上網(wǎng)的本科畢業(yè)論文。

我們詢問了論文中不同位置的細(xì)節(jié)，一共根據(jù)文章內(nèi)容給Chat with MLX設(shè)計(jì)了十個(gè)問題。

其中有七個(gè)回答是正確（符合文意）的，不過速度和純生成相比要略慢一些。

測試中我們還發(fā)現(xiàn)，模型還有一定的幾率會把提示詞吐出來，不過觸發(fā)條件似乎沒有什么規(guī)律。

但可以看出，為了提高模型的表現(xiàn)，作者已經(jīng)把給小費(fèi)這種新興的提示詞技巧都招呼上了。

整體感受下來，可能是受制于算力原因，在蘋果設(shè)備上部署本地大模型，效果無法和英偉達(dá)的Chat with RTX相媲美。

同時(shí)，在GitHub上，也有許多用戶反饋各種各樣的安裝失敗問題，作者也都進(jìn)行了回復(fù)或跟進(jìn)，并把程序重新更新了一遍。

但無論如何，選擇本地化部署，數(shù)據(jù)的安全性可能是更為重要的考量因素；而且從中可以看出，本地化、專屬化的大模型，已經(jīng)開始出現(xiàn)向消費(fèi)級產(chǎn)品普及的趨勢。

用網(wǎng)友的話說，升級AI PC的時(shí)間到了。

GitHub：https://github.com/qnguyen3/chat-with-mlx