Jun Kim, создатель и сопровождающий oMLX, присоединяется к Hugging Face, чтобы поддержать сообщество MLX

Обновить на GitHub

Мы очень рады приветствовать Джуна в качестве нашего нового члена команды 🔥. Мы полностью привержены локальному ИИ, а MLX — центральная часть этой экосистемы. Мы рады, что Джун выбрал нас, чтобы обосноваться здесь и продолжить вносить вклад в развитие MLX.

MLX — это фреймворк Apple для локального ИИ, особенно оптимизированный для Apple Silicon. Мы активно поддерживаем MLX с тех пор, как в 2023 году он стал рождественским подарком от Awni и Angelos, и гордимся тем, что Hugging Face является хабом, где люди находят модели MLX и делятся своими. Использование открытого локального ИИ ускоряется, и мы верим в здоровую экосистему, где люди могут найти подходящие им инструменты.

Как это повлияет на oMLX?

Стабильность и, будем надеяться, более быстрое развитие! Переход от проекта, которым Джун занимался в свободное время, к проекту с полноценной поддержкой и финансированием позволит ему лучше координировать участников и развивать проект в долгосрочной перспективе. oMLX остается под лицензией Apache 2.0, а Джун продолжает руководить им, как и прежде.

Как это повлияет на MLX в целом?

Наша конечная цель — помочь сообществу запускать локальный ИИ в любой форме и предоставить инструменты и строительные блоки, необходимые для этого. Мы ожидаем, что oMLX станет испытательной площадкой для новых идей, используя фундаментальную работу зависимостей, на которые он уже опирается, таких как mlx-lm или mlx-vlm. Мы считаем, что надежные библиотеки для моделирования и инференса помогают сообществу, поэтому хотели бы передавать наработки в основные проекты там, где это имеет смысл. Мы сотрудничаем со многими проектами — mlx-lm, mlx-vlm, LMStudio — и надеемся укрепить отношения с Cheng, Prince, Yagil и их командами, чтобы вместе лучше служить сообществу.

В частности, одно из направлений — быстрый переход от определения модели transformers к эталонной реализации MLX, которую смогут использовать разные движки, чтобы каждый из них мог сосредоточиться на уникальных функциях, которые он предоставляет. Библиотека transformers стала эталоном для определений моделей машинного обучения, и мы хотим упростить процесс запуска новых моделей transformers на MLX.

Мы невероятно воодушевлены будущим.

Добро пожаловать, Джун! 🙌

Другие статьи в нашем блоге