oMLX 作者 Jun Kim 加入 Hugging Face，专注推动 MLX 生态发展

2026-09-23 12:47 0 阅读

oMLX 作者加入 Hugging Face

2026 年 9 月，Hugging Face 宣布 Jun Kim——oMLX 项目的创建者和主要维护者——正式成为团队成员。这不是一次收购或项目接管，而是让原本作为个人副业的 oMLX 获得更稳定的开发支持。Jun 仍将继续主导项目方向，代码库保持 Apache 2.0 开源许可不变。

oMLX 是一个围绕 Apple 的 MLX 框架构建的工具集合，目标很具体：让开发者能更轻松地在 Mac（尤其是搭载 Apple Silicon 芯片的设备）上运行本地 AI 模型。它不试图另起炉灶，而是基于已有的 MLX 生态组件，比如 mlx-lm（语言模型支持）和 mlx-vlm（视觉语言模型支持），提供更高层的封装和自动化流程。

Hugging Face 表示，他们从 2023 年底 MLX 首次发布起就是坚定的支持者。如今，Hugging Face Hub 已成为用户查找、分享 MLX 模型的主要平台。随着本地 AI 使用量快速增长，团队希望为开发者提供多样化的工具选择，而 MLX 在 Apple 设备上的性能优势使其成为关键一环。

对 oMLX 项目意味着什么

最直接的影响是开发节奏可能加快，稳定性也会提升。过去 oMLX 主要靠 Jun 利用业余时间维护，现在他可以全职投入。这意味着：

更及时地响应 issue 和 PR
更系统的长期规划，比如 API 设计的一致性
更好地协调社区贡献者，避免重复劳动

但项目的核心原则没变：开源、免费、社区驱动。Apache 2.0 许可确保任何人都能自由使用、修改甚至商用，不会因为 Jun 加入 Hugging Face 而改变。

对整个 MLX 生态的价值

Hugging Face 的目标不是让 oMLX 成为唯一的解决方案，而是让它成为新想法的“试验田”。比如，当有人想尝试一种新的量化方法或推理优化策略，可以在 oMLX 中快速验证，成熟后再反哺给底层依赖（如 mlx-lm）或其他上层应用（如 LMStudio）。

目前 MLX 生态已有多个活跃项目，彼此之间存在功能重叠或衔接不畅的问题。一个典型痛点是：Hugging Face Transformers 库定义了成千上万种模型结构，但要把一个新模型移植到 MLX 上，往往需要手动重写大量代码。oMLX 希望解决这个问题——通过自动化工具，把 Transformers 的模型定义快速转成可在 MLX 上运行的参考实现。

这样一来，像 LMStudio 这样的应用就可以专注于自己的核心功能（比如 UI 或部署体验），而不必花精力处理底层模型适配。Hugging Face 提到，他们正与 Cheng（LMStudio 作者）、Prince（mlx-vlm 维护者）等开发者密切合作，目标是减少重复造轮子，让整个生态更高效。

具体的技术方向

短期内，团队的重点是打通“模型定义 → MLX 实现”的流水线。Transformers 库已成为事实上的模型标准，但它的 PyTorch 实现无法直接在 MLX 上运行。oMLX 计划提供一套转换工具，自动处理权重映射、算子替换和内存布局调整等繁琐工作。

举个例子：当你在 Hub 上看到一个新发布的 Llama-3 变体，理想情况下只需一条命令，oMLX 就能生成对应的 MLX 版本，并确保它能在 M 系列芯片上高效推理。这不仅能降低普通用户的使用门槛，也能让研究者更快地在本地验证想法。

值得注意的是，Hugging Face 强调“upstream”（向上游贡献）的理念。如果 oMLX 中的某个优化对 mlx-lm 更有价值，他们会优先合并到 mlx-lm，而不是留在自己的项目里。这种开放协作的态度，可能是 MLX 生态能否持续壮大的关键。

不是口号，而是工具

整篇公告没有提“革命”“颠覆”或“下一代”，而是反复强调“工具”“流程”“协作”。这很符合本地 AI 当前的阶段——大家不再争论要不要在设备上跑大模型，而是关心怎么跑得更快、更省电、更简单。

Jun 的加入，本质上是给这个务实的目标加了一把力。oMLX 不会变成 Hugging Face 的官方 MLX SDK，但它可能会成为连接 Transformers 世界和 Apple Silicon 本地推理之间最顺手的那座桥。