@eisokant: 激动地宣布今天与@eigenlabs共同推出http://MLX.fast。这是一个开放的自动研究竞赛，旨在使Laguna XS 2.1在…

X AI KOLs Following 事件
competition inference-optimization open-source mac laguna-xs-21 mlx

摘要

Eigen Labs 发起了一项名为 MLX.fast 的开放自动研究竞赛，旨在优化 Laguna XS 2.1 模型在消费级 Mac 上的推理速度，通过社区贡献使其尽可能快。

激动地宣布今天与@eigenlabs共同推出http://MLX.fast。 这是一个开放的自动研究竞赛，旨在使 Laguna XS 2.1 的推理速度在消费级 Mac 上达到人类（和智能体）所能实现的最快水平。 Eigen 的智能体已经实现了 36.8% 的推理加速，而这还是在竞赛开始之前。 开放权重最棒的一点是，社区能够将模型推向比我们任何人都更远的地方。 迫不及待想看看排行榜上大家的成果！ https://mlx.fast
查看原文
查看缓存全文

缓存时间: 2026/07/30 01:49

很高兴今天与 @eigenlabs 共同推出 http://MLX.fast。

这是一项开放式的自动研究竞赛，目标是在消费级 Mac 上实现 Laguna XS 2.1 推理速度的极致（包括人工和智能体方式）。

Eigen 的智能体已经发现了 36.8% 的推理速度提升，而这还是在竞赛正式开始之前。

开放权重最棒的地方在于，社区能把模型推向我们任何一个人都无法企及的高度。

期待看到大家在排行榜上的表现！

https://mlx.fast

Gajesh (@gajesh): 仅为 DeepSeek V4 Pro 模型大小的 6%，Laguna S 2.1 却实现了显著更高的性能。

今天，我们与 @poolsideai 合作，让 Laguna XS 2.1（与 Laguna S 2.1 采用相同架构）在消费级 Mac 上运行得更快。

我们推出了 MLX(.)fast：一个公开竞赛，

相似文章

oMLX

Product Hunt

oMLX 是一款开源的 Mac 应用程序，作为 LLM 推理服务器，通过 RAM+SSD 分层 KV 缓存，显著降低了 AI 编码工具的响应时间，从 90 秒缩短至约 5 秒。