用途：在 Apple Silicon Mac 上借助苹果 MLX 张量框架原生运行 MiniCPM5-1B，充分利用 M 系列芯片吞吐，全程在一个 Python 进程内完成，无需独立服务器或 llama.cpp 构建链。
必要输入：MLX_REPO 为必填，示例 openbmb/MiniCPM5-1B-MLX（预转换 4-bit affine）；本地转换时改用 HF_REPO + QUANT（openbmb/MiniCPM5-1B，4bit 或 bf16）；MAX_TOKENS 默认 200。
使用方式：先安装 pip install "mlx-lm>=0.31" "gguf"。优先使用预转换 MLX 仓库：mlx_lm.generate --model "${MLX_REPO}" --prompt "..." --max-tokens ${MAX_TOKENS} --temp 0.7 --top-p 0.95。仅当拥有自训练 HF fp16 检查点时才用 mlx_lm.convert 本地转换，可转 bf16 或加 -q --q-bits 4 转 4-bit，再按上述方式运行。验证时 1+1=? 的回复应包含 2。如需服务化，可用 mlx_lm.server --model "${MLX_REPO}" --host 127.0.0.1 --port 8000，再通过 curl 请求 /v1/chat/completions。
常见问题：首次生成慢，MLX 首次调用会 JIT 编译内核（约 5-10 秒），之后命中缓存；若模型在 <|im_end|> 后继续生成，通常因 mlx-lm 低于 0.31 忽略多 id eos_token_id 列表，可升级或加 --extra-eos-token "<|im_end|>" 手动覆盖，该 token 为 130073，在 0.31+ 已列入 generation_config.json。
限制与替代：不适用于非 Apple Silicon 环境，此时应改用 minicpm5-deploy-llama-cpp（CPU/CUDA）或 minicpm5-deploy-vllm（CUDA）；需要桌面 GUI 可用 minicpm5-deploy-lmstudio；想要一行命令 CLI 运行可用 minicpm5-deploy-ollama。更多细节见 docs/deployment/mlx.md。