● Step 3.7 Flash 模型已加入 mlx-vlm，可在 Mac 上本地运行

📌 一句话摘要 Step 3.7 Flash 模型已成功移植到 mlx-vlm，可在 Apple Silicon Mac 上本地运行，4bit 量化版本支持 32K 上下文，生成速度达 53 tokens/s。 📝 详细摘要 该推文引用开发者 Ivan Fioravanti 的更新，宣布 Ste

● 为什么说 Windows 在 AI 时代变成了落后生产力？

📌 一句话摘要 本文从 AI 开发工具、硬件架构、产品生态和商业逻辑等多个维度，系统论证了 macOS 和 Linux 在 AI 时代相比 Windows 具有显著的生产力优势。 📝 详细摘要 文章以「Windows 在 AI 时代变成落后生产力」为核心论点，从十个层面展开论证。首先指出 AI

● 为什么说 Windows 在 AI 时代变成了落后生产力？

📌 一句话摘要 本文从 AI 开发工具生态、硬件架构、产品首发策略和微软自身利益冲突等多个维度，论证了在 AI 时代 macOS 和 Linux 已成为生产力的一等公民，而 Windows 则因 Unix 基因缺失和结构性矛盾沦为落后生产力平台。 📝 详细摘要 文章以作者自身从 Windows

● AI 模型是个黑箱，这家公司造了一把能打开它的钥匙

📌 一句话摘要 本文介绍了初创公司 Goodfire 推出的 Silico 工具，它利用机制可解释性技术，让开发者在训练 AI 模型时能观察并调整其内部神经元，从而将模型构建从“炼金术”转变为“科学”。 📝 详细摘要 文章聚焦于旧金山初创公司 Goodfire 发布的新工具 Silico，该工具

● 硅谷魔幻一周：5 个真正信号

📌 一句话摘要 Silicon Mania 整理了过去 24 小时 60+ 项硅谷动态，从中提炼出 5 个关键信号。 📝 详细摘要 该推文是 Thread 的开篇，预告了 Silicon Mania 对过去 24 小时硅谷 60 多项动态的整理分析，涵盖从 GPT-5.5 到 14 岁创业者拿支

● vLLM-Swift：Apple Silicon 原生推理框架开源

📌 一句话摘要 vLLM-Swift 实现 Apple Silicon 原生支持，推理路径完全脱离 Python，显著提升 Mac 本地大模型性能。 📝 详细摘要 该推文介绍了 vllm-swift 项目的开源，这是 vLLM 在 Apple Silicon 上的原生 Swift/Metal 实

● 2021 年 M1 Max 内存带宽仍领先，是本地运行 LLM 的神器

📌 一句话摘要 根据 EXO Labs 实测，发布于 2021 年的 Apple M1 Max 芯片拥有 400GB/s 内存带宽，性能超过 NVIDIA DGX Spark，至今仍是运行本地大语言模型的优秀硬件。 📝 详细摘要 这条推文转述了 EXO Labs 的一个实测观点：Apple 在

● GameHub for Mac Beta 开启：Mac 原生运行 Windows 游戏

📌 一句话摘要 GameHub for Mac 开启 Beta 测试申请，旨在让 Mac 用户无需虚拟机即可原生运行 Windows 游戏。 📝 详细摘要 GameHub for Mac 正式开放 Beta 测试申请。该工具宣称能让 Mac 原生跑 Windows 游戏，挑战 CrossOver

● mlx-lm 大更新：支持 Gemma 4 与批处理优化

📌 一句话摘要 Apple Silicon 本地大模型框架 mlx-lm 发布更新，显著提升批处理能力并原生支持 Gemma 4。 📝 详细摘要 mlx-lm 迎来重大更新，核心改进包括：大幅提升服务端批处理能力；原生支持 Google 的 Gemma 4 模型；在 M3 Ultra 芯片上可同

● 在 iPhone 17 Pro 上以 40 tk/s 的速度运行 Gemma 4 E2B

📌 一句话摘要 通过针对 Apple Silicon 优化的 MLX 框架，Gemma 4 E2B 在 iPhone 17 Pro 上达到了约 40 tokens/s 的运行速度。 📝 详细摘要 作为系列推文的一部分，本推文强调了谷歌 Gemma 4 E2B 模型在 iPhone 17 Pro

● Gemma 4 多模态微调工具：专为 Apple Silicon 优化

📌 一句话摘要 开源项目支持在 Mac 本地使用 LoRA 技术对 Gemma 4 进行多模态微调，无需昂贵 GPU 租赁。 📝 详细摘要 这是一个针对 Apple Silicon (M 系列芯片) 优化的开源微调工具包。它支持使用 PyTorch 和 Metal 在本地对 Gemma 4 模型

● Panther Lake 名副其实

📌 一句话摘要 David Heinemeier Hansson (DHH) 指出，英特尔的 Panther Lake 在能效和性能方面实现了突破，终于缩小了高端 PC 与 MacBook 之间的续航差距。 📝 详细摘要 在这篇文章中，DHH 评测了英特尔 Panther Lake 架构的影响，

● 本地 LLM 趋势与模型可移植性洞察

📌 一句话摘要 Andrew Chen 分享了他对 LLM 质量边际递减、模型可移植性以及 Apple 硬件上本地 AI 能力提升的观察。 📝 详细摘要 Andrew Chen 分享了他搭建 AI 实验家庭实验室的经验，并强调了几个关键趋势：LLM 质量呈现 S 曲线分布，在许多用例中性能差异已

● Ollama 支持 MLX，让 Mac 本地运行模型速度更快

📌 一句话摘要 Ollama 引入了对 Apple MLX 框架和 Nvidia NVFP4 格式的支持，显著提升了 Apple Silicon Mac 上本地 LLM 的性能，尽管目前仅限于特定模型和硬件配置。 📝 详细摘要 本文报道了 Ollama 的最新更新（v0.19），该版本集成了 A

● Ollama 原生支持 MLX 框架，本地 LLM 推理性能提升

📌 一句话摘要 Ollama 更新支持 Apple Silicon 的 MLX 框架，显著提升本地运行大语言模型的 Token 生成速度。 📝 详细摘要 作者分享了 Ollama 的重要更新，即原生支持 Apple Silicon 的 MLX 框架。这一更新对于在 Mac 本地运行大语言模型的开

● Apple Silicon M5 芯片性能基准测试

📌 一句话摘要 Ollama 详细介绍了在 M5 芯片上使用 Qwen3.5-35B 的性能改进，显示出首字延迟（TTFT）和生成速度的显著提升。 📝 详细摘要 在集成 MLX 之后，本推文提供了苹果 M5 系列芯片的技术基准测试。它重点介绍了使用 Qwen3.5-35B 模型在首字延迟（TTF

● Ollama 集成 MLX，提升 Apple Silicon 性能

📌 一句话摘要 Ollama 现已支持苹果的 MLX 框架，显著提升了 Apple Silicon 上的本地 LLM 推理性能。 📝 详细摘要 Ollama 更新了引擎以利用苹果的 MLX 机器学习框架。此次集成解锁了 Apple Silicon 用户在处理个人助理和编码智能体（如 Claude

● HF0 Demo Day 创业驻留项目解析

📌 一句话摘要 介绍了 HF0 创业驻留项目，指出其在硅谷创业生态中的重要地位，并预告将进行深度拆解。 📝 详细摘要 推文介绍了 HF0 创业驻留项目，作者认为其是目前全美最好的创业驻留项目，甚至超过了 YC。通过 Thread 形式，作者旨在分析该项目的核心价值。 📊 文章信息 AI 评分：

● Panther Lake 性能基准测试对比 Apple Silicon

📌 一句话摘要 DHH 将 Panther Lake 的性能与 Apple M5 进行了对比，指出其 Geekbench 跑分达到 17，500，并强调了 Intel 在 x86 架构上极具竞争力的能效表现。 📝 详细摘要 作为后续补充，DHH 提供了 Panther Lake 架构的性能背景。

● 历经多年波折，Apple 终于停产了 Mac Pro 台式机

📌 一句话摘要 Apple 已正式确认停产 Mac Pro 台式机产品线，这标志着该公司传统的“可扩展塔式”愿景已不再适应 Apple Silicon 时代。 📝 详细摘要 Apple 已确认 M2 Ultra Mac Pro 将是其专业塔式台式机的最终版本，标志着该产品线在 Apple Sil