八个常见问题
macMLX 支持哪些硬件，Gatekeeper 阻止时怎么办？
macMLX 支持运行 macOS 14 或更高版本的 Apple 芯片 Mac。未签名应用请遵循项目当前安装与 Gatekeeper 指南；不要仅为打开 macMLX 而关闭系统级安全保护。
macMLX 需要 Python 吗？
已发布的默认引擎、应用与 CLI 推理路径不需要 Python。可选兼容引擎可能使用其他运行时，因此 macMLX 不宣称任何地方都没有 Python。
应该选择哪种模型格式与规模？
请选择确切架构受支持的 MLX 检查点。容量规划时，先从物理统一内存中扣除 macOS 与应用余量，再估算权重、KV 缓存、激活值和并发模型；若总量接近剩余容量，应选择更小或量化程度更高的检查点。
兼容哪些 API？
v0.6.2 支持范围明确的 OpenAI 端点家族、Anthropic Messages 与五个选定 Ollama 端点，并不宣称提供方级别的无差别兼容。已发布控制项包括多轮工具循环、结构化输出、logprobs、XTC、逐请求适配器与 KV 缓存量化；不支持的 Schema 和参数组合会返回明确错误。
推理会留在本地吗？
默认推理引擎与 HTTP 服务在 Mac 本地运行。下载模型、查询远程仓库或配置外部工具时仍会使用网络。
macMLX 可以运行视觉语言模型吗？
可以。v0.6.2 模型库检测到恰好 14 个 VLM model_type 家族。该数量是家族级发现信号，不代表通用检查点支持；依赖生成前仍需核对确切检查点、图像处理器、权重变体、量化、内存预算与服务路径。
超大 MoE 模型怎么办？
DeepSeek V3.2 仍缺少真实检查点冒烟测试与 FP8 反量化，因此 Swift 组件对齐不构成端到端推理声明。Track G 新增了经检查点测试的家族，但这些实测结果只适用于特定检查点，不能推导出其他大型 MoE 家族具有通用推理支持。
已发布功能与路线图如何区分？
v0.6.2 已发布资格门控批处理、最长前缀复用、XTC 与 KV 缓存量化。分页 KV、块共享、写时复制分支与自适应内存守卫仍在规划中；面向用户的 top-k、min-p、存在、频率和重复惩罚以及逐请求 seed 也仍属规划。