Martes 20 de octubre de 2026 ·
PyTorch MPS frente a Apple MLX: cómo ajustar LLM en un Mac de 16 GB y qué elegir
Útil para
Comparativa de dos formas de hacer fine-tuning local de LLM en Apple Silicon, en 10 experimentos SFT con Qwen 2.5 de 0,5, 1,5 y 3 B parámetros usando trazas reales de agentes de programación. PyTorch MPS es de 2,2 a 5,7 veces más rápido, pero en 16 GB se queda en unos 1,5 B parámetros. Apple MLX, con QLoRA de 4 bits, maneja modelos de 3 B con contexto de 4 k y su consumo de memoria apenas crece con el contexto.
Qué significa
Para quien entrena modelos en un Mac con 16 GB, la elección depende de lo que prime: MPS ofrece más velocidad con modelos pequeños, mientras que MLX permite modelos el doble de grandes a cambio de un coste extra por el desescalado de pesos en cada multiplicación.
Cómo te afecta
- Programadores
Si ajustas modelos en un Mac de 16 GB con trazas de agentes, MPS va de 2,2 a 5,7 veces más rápido pero se queda en unos 1,5 B parámetros. MLX con QLoRA de 4 bits llega a 3 B con contexto de 4 k.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Habr Machine Learning (RU)Leer la noticia completa en Habr Machine Learning (RU)
También ese día
Todas las noticias de IA del martes 20 de octubre de 2026 ->