四台 Mac 上的本地 AI：MLX 的容量、速度与信任边界

文章讨论本地 AI 首先受限于硬件容量而非榜单排名：Apple 的分布式 MLX 演示显示多台 Mac Studio 可让超大 Meta 模型在桌面可用，但其自身测量也表明增加第二台机器可能几乎不提升生成速度。作者强调这是厂商基准，需关注所述模型、精度与上下文，并区分流水线与张量并行对延迟的不同影响。

AI推荐理由 围绕 Apple 分布式 MLX 演示，区分“容量”与“速度”两个维度：多机可让超大模型跑起来，但流水线/张量并行对生成速度影响不同，并强调这是厂商基准、需看模型、精度与上下文设定。对本地推理与硬件选型有参考价值，但数据来自二手转述的厂商基准。