◆ KI-Freelancer? Werde eines der ersten 2.000 Gründungsmitglieder: 0 % Provision, 60 Tage Advanced (starte, wann du willst) und eigenes Titelbild für immer. KI-Freelancer? 0 % Provision + 60 Tage Advanced Jetzt Platz sichern →Mehr →
KI verbindenKI

Suche direkt aus deiner KI heraus nach KI-Tools, KI-Firmen und KI-Freelancern auf KI-Radar24.

So funktioniert der KI-Radar24-Connector
Inserat hinzufügen
MLX

MLX

Open-Source-Framework von Apple für maschinelles Lernen auf dem Mac

Beschreibung

mlx-framework.org ist ein von Apple Machine Learning Research entwickeltes Open-Source-Array-Framework für maschinelles Lernen, das vor allem für Apple-Silicon-Rechner ausgelegt ist und Training sowie Inferenz von Modellen lokal ermöglicht.

Das Tool richtet sich an Entwickler, Forschende und ML-Ingenieure, die Modelle lokal auf Macs trainieren, anpassen oder ausführen wollen.

Tags

  • Modelltraining
  • Programmierung
  • Machine Learning
  • Kostenlos nutzbar
  • Open Source

Zuletzt aktualisiert: November 2026 · Fehler melden · Abzeichen für deine Website

Auf einen Blick

Stand: November 2026
🛡️Datenschutz

Entwickler: Apple Inc. mit Sitz in den USA. MLX ist eine lokal ausgeführte Open-Source-Bibliothek unter MIT-Lizenz; es besteht kein gehosteter Dienst, Daten werden nur auf der eigenen Hardware verarbeitet. Ein AVV/DPA ist nicht erforderlich, solange keine externen Dienste angebunden werden.

💰
Preismodell

Kostenlos und Open Source unter MIT-Lizenz.

👥
Zielgruppe
ML-EntwicklerForschendeHochschulenHobby-Entwickler mit Apple-Hardware
⚙️
Technik

Array-Framework mit NumPy-ähnlicher Python-Schnittstelle, träger Auswertung, dynamischem Graphenaufbau und einheitlichem Speichermodell für CPU und GPU; zusätzlich C++, C und Swift sowie ein CUDA-Backend für Linux.

🔗
Integrationen
PythonC++Swift und CBeispiele für Llama mit LoRAStable DiffusionWhisper im Beispiel-Repository
📊
Funktionen
Mehrdimensionale ArraysAutomatische DifferenzierungVektorisierungNeuronale Netze und Optimierer (mlx.nn, mlx.optimizers)Mehrgeräte-Berechnung auf CPUGPULokale Feinabstimmung

✅ Vorteile

  • Kostenlos und quelloffen
  • Effiziente Nutzung des einheitlichen Speichers von Apple Silicon

❌ Nachteile

  • Erfordert Programmierkenntnisse, keine grafische Oberfläche
  • Schwerpunkt auf Apple-Hardware, Leistung auf anderen Plattformen ist geringer ausgelegt
🎯
Für wen geeignet?

Gut geeignet für Entwickler und Forschende, die maschinelles Lernen lokal auf Apple-Silicon-Rechnern erproben und einsetzen wollen.

Angaben laut Anbieter, Stand November 2026, ohne Gewähr. Fehler entdeckt? Melden

Bewertungen

Noch keine Bewertungen. Sei der Erste!

Bewertung schreiben

Deine E-Mail wird nicht veröffentlicht.