🍏 MLX: как Apple меня купила и почему я переплатил за 32 GB MacBooka Вы могли заметить последнее время, что абсолютно все в интернете сошли с ума с этими mac mini и мне кажется, что нам стоит поговорить почему. Как уже понятно из названия имя этому почему MLX — фреймворк для машинного обучения, разработанный командой Apple Machine Learning Research 🧠 В чем магия? Если вы когда-нибудь работали с PyTorch на NVIDIA, вы знаете про вечную боль: .to('cuda'). Вы постоянно перекладываете данные из оперативной памяти (RAM) в видеопамять (VRAM). Шина PCIe — это узкое горлышко. В Apple Silicon архитектура объединенная (Unified Memory Architecture). И MLX — это первый фреймворк, который использует её «нативно»: 1. Zero-copy: В MLX нет копирования данных. Массив (mlx.core.array) просто лежит в памяти, и CPU, и GPU работают с одними и теми же байтами по одному адресу. Это убирает огромный оверхед на передачу данных. 2. Lazy Evaluation: Как и JAX (the Google Python library for machine learning and array computing, хз почему именно такая аббревиатура), MLX «ленив». Он не считает ничего, пока вы не попросите результат. Он строит граф вычислений и оптимизирует его: например, объединяет несколько операций в одно ядро (kernel fusion), чтобы лишний раз не дергать память. 3. Metal-First: Библиотека написана на C++ специально под Metal API. Она умеет выжимать максимум из AMX (Apple Matrix Extensions) — секретных блоков внутри чипа, которые созданы исключительно для перемножения матриц. Так что даже я, как былой адепт запускания чего угодно на чем угодно и потом кручения моделек на этом был просто вынужден купить мак на 32 гб, так как убежден, что это прожиточный минимум, а по цене более мощных мини я уже могу себе на тенсоррентах побаловаться #AI @techn0danya

Смотрим, создаём и запускаем что угодно прямо в терминале — нашёл локальный ИИ-комбайн для Mac с Apple Silicon и Linux Бесплатный, нативный и локальный рантайм для, который закрывает вообще все задачи с нейросетями через один CLI: Что умеет этот комбайн:

— Генерация текста и кода, создание картинок (Klein, ZImage), генерация видео (LTX, Wan 2.2), 3D-моделей (TRELLIS, InstantMesh), музыки и синтез речи (Qwen3 TTS); — Из коробки доступны сегментация (SAM 3.1), OCR, детектор лиц, трекинг объектов и просчет карты глубин; — Локальный API-сервер c OpenAI-совместимым эндпоинтом для подключения сторонних клиентов; — Можно дообучать локальные LoRA-адаптеры под текст и графику; — Автоматически проверяет объем памяти и возможности чипа перед загрузкой тяжелых моделей; — Есть и нативное приложение на SwiftUI.

Яблочный спас 🍆

⚡️Это приложение расскажет правду о ваших USB-C кабелях Почти у каждого дома есть ящик, где живёт клубок одинаковых на вид USB-C кабелей. Какой из них быстрый, какой еле тянет зарядку, а какой пора выбросить — на глаз не понять. Разработчик Даррил Морли сделал бесплатную утилиту WhatCable, которая всё расскажет. Правда, только для маков на чипах Apple Silicon. Как это работает? Оказывается, каждый такой Mac уже собирает подробные данные о подключённых кабелях, просто не показывает их. Когда в порт попадает кабель с чипом-маркером (e-marker), контроллер запрашивает у него «удостоверение»: производитель, скорость, допустимый ток и напряжение, активный кабель или пассивный. Система записывает ответ, а WhatCable просто достаёт эти данные через открытые интерфейсы Apple — без всякого рута и лазеек. Дальше приложение складывает три источника, сам кабель, подключённое устройство и данные Mac и показывает, что реально происходит на линии. Настоящую скорость, напряжение и ток, и даже где узкое место, если что-то тормозит. Штука полезная. Морли, например, поймал кабель, который по бумагам обещал 10 Гбит/с, а на деле выдавал 480 Мбит/с. WhatCable останется бесплатным, но есть Pro-версия — с мониторингом мощности в реальном времени и диагностикой. Версии для Windows не будет: там, по словам автора, слишком разное железо, а нужных данных система не отдаёт. А вот порт на Linux уже готовят. @droidergram