用途：在 Apple Silicon（M 系列芯片）上运行与微调大语言模型。MLX 是 Apple 的机器学习框架，mlx-lm 提供高层 LLM API，mlx-vlm 支持视觉/多模态模型。
主要能力：统一内存（数组位于共享内存，无 GPU↔CPU 传输）、惰性求值、Metal 后端原生 GPU 加速、4 位量化（模型体积约缩小 75%）、流式生成、批量生成、采样控制（温度、top-p、top-k、min-p、重复惩罚）、提示缓存（多轮对话复用）、KV 缓存轮转（长序列有界内存）、投机解码（草稿模型加速）、模型转换与量化、LoRA/QLoRA 微调。
使用方式：安装 pip install mlx mlx-lm（Linux CUDA 用 pip install "mlx[cuda]"）；命令行生成 mlx_lm.generate --model MODEL --prompt "..." --max-tokens N；交互聊天 mlx_lm.chat --model MODEL；转换 mlx_lm.convert --hf-path HF_MODEL -q --mlx-path ./local；LoRA 微调 mlx_lm.lora --model MODEL --data ./data --output ./lora-adapters。Python 侧可用 load、generate、stream_generate、batch_generate 等接口。
适用场景：Mac 本地推理、多轮对话、长上下文、模型量化与本地微调、多模态图像理解。
限制：主要面向 Apple Silicon；Linux CUDA 支持需 v0.28+；部分特性（如 MXFP4/NVFP4、M5 神经加速器、CUDA 后端）有版本要求；具体性能与硬件相关，资料未提供统一基准。