折腾啥Orchard: 面向 Apple Container 的原生 macOS 容器与本地 AI 管理面板• 基于 Swift 与原生 XPC API 构建,可统一管理容器、镜像、网络、 DNS、机器与 Kubernetes 集群• 内置本地 AI 工作流,可发现或启动 MLX 模型服务,并将容器自动接入本地模型端点,适合 Agent sandbox 场景• 支持 Dockerfile 镜像构建、实时日志、多容器监控和 Cmd + K 命令面板,日常开发与调试体验很顺手18:02 · 2026年9月1日 · 周二 × Orchard: 面向 Apple Container 的原生 macOS 容器与本地 AI 管理面板• 基于 Swift 与原生 XPC API 构建,可统一管理容器、镜像、网络、 DNS、机器与 Kubernetes 集群• 内置本地 AI 工作流,可发现或启动 MLX 模型服务,并将容器自动接入本地模型端点,适合 Agent sandbox 场景• 支持 Dockerfile 镜像构建、实时日志、多容器监控和 Cmd + K 命令面板,日常开发与调试体验很顺手https://github.com/andrew-waters/orchard 合集 群组 恰饭 联系推广#容器管理 #macOS #AppleContainer #Kubernetes #本地模型 #AI #MLX #Swift #GitHub18:02 · 2026年9月1日 · 周二容器管理macOSAppleContainerKubernetes本地模型AIMLXSwiftGitHub
折腾啥Rapid-MLX: 面向 Apple Silicon 的高性能本地 AI 引擎• 基于 MLX 原生优化,支持连续批处理、提示缓存和量化 KV Cache,本地推理速度表现很强• 提供兼容 OpenAI 与 Anthropic 的 API 接口,可直接接入 Claude Code、Aider、Codex CLI 等开发工具链• 覆盖文本、音频、视频、嵌入与工具调用场景,适合在 Mac 上快速搭建统一的本地 AI 服务层18:03 · 2026年8月15日 · 周六 × Rapid-MLX: 面向 Apple Silicon 的高性能本地 AI 引擎• 基于 MLX 原生优化,支持连续批处理、提示缓存和量化 KV Cache,本地推理速度表现很强• 提供兼容 OpenAI 与 Anthropic 的 API 接口,可直接接入 Claude Code、Aider、Codex CLI 等开发工具链• 覆盖文本、音频、视频、嵌入与工具调用场景,适合在 Mac 上快速搭建统一的本地 AI 服务层https://github.com/raullenchai/Rapid-MLXGUI: https://rapidmlx.com/desktop 合集 群组 恰饭 联系推广#本地推理 #模型服务 #工具调用 #AppleSilicon #MLX #OpenAI #ClaudeCode18:03 · 2026年8月15日 · 周六❤️1本地推理模型服务工具调用AppleSiliconMLXOpenAIClaudeCode
折腾啥JANG: 面向 Apple Silicon 的 MLX 混合精度量化格式• 针对 MoE 与超大模型做按张量分配比特宽度,在接近 MLX 体积下优先保留 attention 与 router 精度,低比特场景下稳定性和效果更强• 支持 Qwen、Nemotron、MiniMax、DeepSeek 等架构,部分模型可在 16 GB 或 64 GB Mac 上运行,甚至实现 397B 级模型在 128 GB Mac 上推理• 原生兼容 MLX 生态,提供推理模式、VLM 支持、bfloat16 自动检测和开发者集成方案,适合在 Apple Silicon 上部署高压缩本地模型15:00 · 2026年3月24日 · 周二JANG: 面向 Apple Silicon 的 MLX 混合精度量化格式• 针对 MoE 与超大模型做按张量分配比特宽度,在接近 MLX 体积下优先保留 attention 与 router 精度,低比特场景下稳定性和效果更强• 支持 Qwen、Nemotron、MiniMax、DeepSeek 等架构,部分模型可在 16 GB 或 64 GB Mac 上运行,甚至实现 397B 级模型在 128 GB Mac 上推理• 原生兼容 MLX 生态,提供推理模式、VLM 支持、bfloat16 自动检测和开发者集成方案,适合在 Apple Silicon 上部署高压缩本地模型https://github.com/jjang-ai/jangq#AppleSilicon #MLX #模型量化 #混合精度量化 #本地大模型 #MoE #推理优化 #Mac #AI #GitHub GitHub GitHub - jjang-ai/jangq: JANG — GGUF for MLX. YOU MUST USE JANG_Q RUNTIME. Adaptive Mixed-Precision Quantization + Runtime for… JANG — GGUF for MLX. YOU MUST USE JANG_Q RUNTIME. Adaptive Mixed-Precision Quantization + Runtime for Apple Silicon - jjang-ai/jangq 15:00 · 2026年3月24日 · 周二❤️3AppleSiliconMLX模型量化混合精度量化本地大模型MoE推理优化MacAIGitHub
折腾啥还有个对应的 lora 能用我看别人在用 08:58 · 2026年2月14日 · 周六还有个对应的 lora 能用我看别人在用 https://huggingface.co/renderartist/Technically-Color-Z-Image-Turbo/blob/main/Technically_Color_Z_Image_Turbo_v1_renderartist_2000.safetensorshttps://t.me/zhetengsha/4814 Telegram 折腾啥 MindCraft Studio: 面向 Apple Silicon 的本地 AI 影像工作室 还有个对应的 lora 能用我看别人在用 https://huggingface.co/renderartist/Technically-Color-Z-Image-Turbo/blob/main/Technically_Color_Z_Image_Turbo_v1_renderartist_2000.safetensors• 本地运行 Z-Image Turbo、FLUX、SDXL 等模型,基于… 08:58 · 2026年2月14日 · 周六❤️1
折腾啥MindCraft Studio: 面向 Apple Silicon 的本地 AI 影像工作室 还有个对应的 lora 能用我看别人在用 12:01 · 2026年2月13日 · 周五 × MindCraft Studio: 面向 Apple Silicon 的本地 AI 影像工作室 还有个对应的 lora 能用我看别人在用 https://huggingface.co/renderartist/Technically-Color-Z-Image-Turbo/blob/main/Technically_Color_Z_Image_Turbo_v1_renderartist_2000.safetensors• 本地运行 Z-Image Turbo、FLUX、SDXL 等模型,基于 MLX 与 Metal 加速,生成更快且不出网 • 一体化工作流覆盖 txt2img、img2img、ControlNet、In-Context 编辑与 4x 超分,细节控制更精确 • 支持 LoRA 适配器与 Redux 风格参考,便于做一致风格与批量变体生成 https://themindstudio.cc/mindcraft #本地推理 #AI 作图 #图像生成 #Apple Silicon #Mac #MLX #FLUX #SDXL #ControlNet #LoRA12:01 · 2026年2月13日 · 周五❤️1本地推理AI图像生成AppleMacMLXFLUXSDXLControlNetLoRA