Artículos para quien
entrega el stack
Textos sobre React, Node.js, TypeScript y AI. El cuerpo traducido se muestra cuando existe. Si no, ve el texto en inglés y una nota que lo dice.
Etiqueta: apple-silicon
Mac Studio M5 Ultra vs DGX Spark: Velocidad de modelos de lenguaje local con los mismos modelos.
Mac Studio M5 Ultra 256 GB frente a una, dos y cuatro cajas DGX Spark en Nemotron, Qwen3.8 y DeepSeek-V4.1-Flash: decodificación, relleno previo, agrupamiento y procesamiento de imágenes.
4 min de lecturaTensorFold vs llama.cpp en un Mac Studio M5 Ultra: 1,84 veces más rendimiento en trabajos reales con JSON
Realicé pruebas de rendimiento de TensorFold 1.2.0 frente a llama.cpp en un Mac Studio M5 Ultra con Qwen3.8-27B y 80 solicitudes JSON reales: un rendimiento 1.84 veces mayor con 8 procesos concurrentes.
9 min de lecturaEjecutar agentes de codificación locales en una Mac con oMLX: Explicación del caché KV respaldado en disco
oMLX almacena los prefijos de comandos en SSD para que los agentes de codificación locales mantengan una alta velocidad en Apple Silicon. Instálalo y conéctale Claude Code, Codex, Cursor y OpenCode.
9 min de lecturaRAG multimodal privado en una Mac M1: lectura selectiva de gráficos con Ollama
RAG multimodal privado en una Mac M1 con Ollama: PyMuPDF para texto y tablas, un pequeño modelo de visión Qwen solo para gráficos, verificación de números y recuperación desde ChromaDB.
10 min de lecturaEjecutar agentes de IA en una MacBook: por qué oMLX supera a MLX en su forma original.
Raw MLX necesitaba unos 20 segundos para manejar un contexto de agente de 8.7 mil tokens en un M1 Max. oMLX lo redujo a aproximadamente 3 segundos gracias al procesamiento por lotes y a un caché KV escalonado. Números y razones.
5 min de lecturaEjecuta LLM locales en un Mac con MLX en lugar del motor llama.cpp por defecto
Cuando MLX de Apple supera a llama.cpp para un LLM local en Apple Silicon, con rangos de velocidad según el tamaño del modelo, tres formas de pasar de Ollama y errores que evitar.
5 min de lecturaQwen3.8-Flash-Next en un MacBook de 64 GB: archivos, cuantizaciones y flags de llama.cpp
Cómo correr un MoE de 180.000 millones de parámetros en un M4 Max o M1 Max sin descarga a CPU: qué GGUF elegir, cómo se reparte la tabla de n-gramas en shards y el comando exacto de llama-server.
9 min de lecturaDe la afinación fino a la precisión: reducción significativa
Ajuste fino más RAG para reducir las alucinaciones: por qué el ajuste fino por sí solo es insuficiente, la arquitectura con Ollama, y cómo mejoró la precisión en un dominio específico.
13 min de lectura
Sobre estos artículos
Presupuesto en 24 h
¿Necesitas el mismo stack en una capa de operador? Envía el brief — presupuesto en 24 h.