ما هو oMLX؟
oMLX هو خادم استدلال محلي لأجهزة Mac ذات معالجات Apple Silicon يحوّل إطار عمل التعلم الآلي MLX من Apple إلى مكدس خدمة كامل — واجهة API متوافقة مع OpenAI/Anthropic، ومدير متعدد النماذج، وذاكرة تخزين مؤقت مقسّمة على SSD، وتطبيق أصلي في شريط قوائم macOS للتحكم في كل ذلك، دون الحاجة إلى الطرفية للاستخدام اليومي. يصفه وصف GitHub الخاص به بأنه "خادم استدلال LLM مُحسَّن لأجهزة Mac ذات معالجات Apple Silicon، يتميز بالمعالجة الدفعية المستمرة، وذاكرة تخزين مؤقت KV متعددة الطبقات، وواجهة إدارة أصلية في شريط قوائم macOS".
- الوظيفة الأساسية: خادم استدلال يعمل في الخلفية يحمّل نماذج ذات أوزان مفتوحة ويقدّمها عبر API محلي عبر HTTP، ويُدار إما من تطبيق شريط القوائم أو من CLI الخاص بـ
omlx - محرك الاستدلال: مبني على إطار عمل MLX من Apple و
BatchGeneratorالخاص بمكتبة mlx-lm، وفقًا لوثائق oMLX نفسها، مع طبقة أصلية من المعالجة الدفعية المستمرة والتخزين المؤقت المقسّم فوقه - الأساس: وفقًا لإعلان المطوّر نفسه، بُني oMLX أصلاً على vllm-mlx كنقطة انطلاق، مع إضافة تطبيقات أصلية لتقسيم التخزين المؤقت على SSD، والمعالجة الدفعية المستمرة، ودعم نماذج الرؤية واللغة، وواجهة API المتوافقة مع Anthropic، والواجهة الأصلية لـ macOS
- المطوّر: jundot (جهة الاتصال المدرجة في المستودع هي junkim.dot@gmail.com)، وهو مشرف مستقل — لم تجد هذه المراجعة أي دليل على وجود شركة أو جولة تمويل خلف oMLX
- المستودع الرسمي: github.com/jundot/omlx — توجد عدة نسخ متفرعة بنفس الاسم تحت أسماء مستخدمين أخرى على GitHub (على سبيل المثال mkmsyk/omlx وdannysl/omlx)؛ وهي ليست المشروع الأصلي
أصل oMLX ونموه
أُعلن عن oMLX علنًا لأول مرة من قبل مطوّره jundot في منشور بتاريخ مارس 2026 على لوحة نقاشات GitHub الخاصة بـ Apple MLX نفسها. وضع الإعلان oMLX كحل لمشكلة ملموسة ومحددة: وكلاء البرمجة الذين يعيدون استخدام سياق طويل ومتزايد قد يواجهون على Apple Silicon تأخيرات تصل إلى عشرات الثواني عند إعادة تحميل ذلك السياق مع كل طلب، لأن الخوادم القائمة على MLX في ذلك الوقت كانت عادةً تحتفظ بحالة ذاكرة التخزين المؤقت من نوع مفتاح-قيمة في RAM فقط، وتفقدها كلما أُعيد تشغيل الخادم أو انتهت صلاحية السياق. تُخزّن ذاكرة التخزين المؤقت المقسّمة على SSD الخاصة بـ oMLX تلك الحالة على القرص بدلاً من ذلك، بحيث يمكن استعادة بادئة مُعالَجة مسبقًا من SSD بدلاً من إعادة حسابها من النموذج. وفقًا لإعلان المطوّر نفسه، كان oMLX قد جمع بالفعل نحو 110 نجمة على GitHub عند الإطلاق، مبنيًا على vllm-mlx كنقطة انطلاق مع كود جديد مكتوب خصيصًا لتقسيم التخزين على SSD، والمعالجة الدفعية المستمرة، ودعم نماذج الرؤية واللغة، وواجهة API المتوافقة مع Anthropic، والواجهة الأصلية لـ macOS. حتى تاريخ نشر هذه المراجعة، يُظهر مستودع oMLX على GitHub أكثر من 23,000 نجمة — وهو نمو سريع لمشروع عمره أقل من ثمانية أشهر وقت كتابة هذا المقال.
- الإعلان: 4 مارس 2026، على github.com/ml-explore/mlx/discussions/3203، نشره مطوّر المشروع نفسه، jundot
- نقطة الانطلاق: vllm-mlx، مع إضافة كود المطوّر الخاص لتقسيم التخزين على SSD والمعالجة الدفعية المستمرة ونماذج الرؤية واللغة وAPI المتوافق مع Anthropic والواجهة الأصلية فوقه
- النمو: من نحو 110 نجمة على GitHub عند الإعلان في مارس 2026 إلى أكثر من 23,000 نجمة حتى تاريخ هذه المراجعة، وفقًا لمستودع oMLX نفسه على GitHub
- تاريخ الترخيص: يحمل ملف LICENSE الخاص بالمستودع إشعار حقوق نشر لعام 2025 باسم "oMLX contributors"، أي قبل الإعلان العلني عن المشروع في مارس 2026 — وهو ما يتسق مع تطوير خاص قبل الإطلاق العلني
ماذا يمكنك أن تفعل مع oMLX؟
تتمحور مجموعة ميزات oMLX حول تحويل استدلال نماذج MLX إلى خادم محلي دائم متعدد النماذج، بدلاً من نص برمجي لمرة واحدة. إليك ما يفعله كل جزء فعليًا، وفقًا لـ README الرسمي على GitHub الخاص بـ oMLX ووثائق omlx.ai.
- ذاكرة تخزين مؤقت من نوع مفتاح-قيمة متعددة الطبقات — تبقى كتل السياق النشطة في طبقة RAM ساخنة؛ وتنتقل الكتل غير النشطة إلى طبقة SSD باردة بصيغة safetensors، مع مشاركة البادئات ونسخ عند الكتابة، وتبقى ذاكرة التخزين المؤقت محفوظة بعد إعادة تشغيل الخادم بدلاً من التخلص منها
- المعالجة الدفعية المستمرة — تُعالَج الطلبات المتزامنة عبر
BatchGeneratorالخاص بـ mlx-lm، مع إمكانية ضبط الحد الأقصى للتزامن، بدلاً من معالجة طلب واحد في كل مرة - تقديم خدمة متعددة النماذج — حمّل نماذج LLM ونماذج الرؤية واللغة (VLM) ونماذج التضمين وأدوات إعادة الترتيب جنبًا إلى جنب، مع إخلاء LRU، وتحميل/إلغاء تحميل يدوي، وتثبيت النماذج، ومدة صلاحية قابلة للضبط لكل نموذج
- واجهة API متوافقة مع OpenAI وAnthropic —
/v1/chat/completionsو/v1/completionsو/v1/embeddingsو/v1/rerankللعملاء بصيغة OpenAI، بالإضافة إلى/v1/messagesللعملاء بصيغة Anthropic، وجميعها تُقدَّم منhttp://localhost:8000 - دعم الرؤية واللغة وOCR — دردشة متعددة الصور بمدخلات base64 أو رابط أو ملف، واستدعاء أدوات مع سياق بصري، والكشف التلقائي عن نماذج OCR المخصصة
- استدعاء الأدوات وMCP — استدعاء أدوات بمخطط JSON مع كشف تلقائي لقالب الدردشة لعائلات نماذج مثل Llama وQwen وDeepSeek وGemma وGLM وMiniMax وMistral وغيرها، بالإضافة إلى إعداد Model Context Protocol (MCP)
- تطبيق أصلي في شريط قوائم macOS — تطبيق بلغة Swift/SwiftUI (وليس Electron صراحةً، وفقًا لوثائق المشروع نفسها) لبدء الخادم وإيقافه ومراقبته دون الحاجة إلى الطرفية، مع تحليلات استخدام محلية (إجماليات لكل نموذج، وخريطة حرارية للاستخدام بالساعة) وإعادة تشغيل تلقائية عند الانهيار
- لوحة إدارة — واجهة ويب على العنوان
/admin، يمكن الوصول إليها من المتصفح بمجرد تشغيل الخادم، لإدارة النماذج، وواجهة دردشة مدمجة، وقياس أداء بنقرة واحدة، وأداة تنزيل النماذج التي تُصفّي Hugging Face حسب صيغة MLX أو GGUF، وإعداد بنقرة واحدة لتكاملات وكلاء البرمجة بما في ذلك OpenClaw وOpenCode وCodex وHermes Agent وCopilot وPi وMistral Vibe وDeepSeek Harness - محرّك خارجي لنماذج GGUF وNVFP4 — إعداد لكل نموذج يقدّم نقاط فحص Qwen محددة، بما فيها ملفات GGUF، عبر محرّك Metal المستقل Splash في عملية منفصلة؛ يذكر README النماذج المدعومة ويتطلب Splash 1.4.0 أو أحدث
- استدلال موزّع تجريبي — يقسّم نموذجًا لغويًا منزَّلًا على أجهزة Mac ذات ذاكرة غير متساوية باستخدام رتب خط أنابيب MLX عبر Ring أو Thunderbolt RDMA/JACCL؛ متاح في البناء من المصدر فقط ومُصنَّف كتجريبي في ملف README الخاص بـ oMLX (انظر قسم الاستدلال الموزّع أدناه)
الاستدلال الموزّع والتجميع في oMLX
الاستدلال الموزّع في oMLX ميزة تجريبية متاحة في البناء من المصدر فقط، تقسّم نموذجًا واحدًا على عدة أجهزة Mac، بما فيها أجهزة ذات ذاكرة غير متساوية. بحسب ملف README الخاص بـ oMLX، تستخدم رتب خط أنابيب MLX عبر شبكة Ring أو Thunderbolt RDMA/JACCL، وهي ليست جزءًا من تطبيق macOS القياسي ولا من تثبيت Homebrew.
- الحالة: يسمّيها README «Experimental Multi-Mac Inference»؛ أما الإعداد وحدود الأمان والقيود الحالية وقائمة التحقق على عتاد فعلي فمذكورة في مستند منفصل، distributed-cluster.md
- التوفّر: البناء من المصدر فقط — تطبيق macOS بصيغة .dmg وتثبيت Homebrew في الجدول أعلاه لا يتضمنانها
- لوحة تحكم العنقود: اكتشاف الأقران للقراءة فقط، مع تحقق صارم من SSH ومن بيئة التشغيل، بحسب README
- الملفات التعريفية: ملفات Interactive وBalanced وThroughput مع تجميع الدفعات وارتباط ذاكرة المطالبات المؤقتة، بحسب README
- الشبكة: Ring، أو Thunderbolt RDMA/JACCL بين أجهزة Mac
أمثلة استخدام: ثلاث طرق لاستخدام oMLX
هذه تدفقات عمل ملموسة مبنية على ميزات oMLX الموثقة أعلاه — وليست حالات استخدام افتراضية.
تشغيل تطبيق شريط القوائم وتوجيه Claude Code إليه
ثبّت تطبيق macOS، وشغّله من شريط القوائم، وابدأ تشغيل الخادم. يوفّر oMLX نقطة نهاية /v1/messages متوافقة مع Anthropic على العنوان http://localhost:8000، لذا بعد توجيه Claude Code إلى هذا العنوان يمكنه استخدام النموذج المحلي الذي حمّلته في oMLX بدلاً من API سحابي. يوثّق README معالجة خاصة بـ Claude Code: يبلّغ oMLX عن نافذة السياق الفعلية للنموذج حتى يعمل الضغط التلقائي (auto-compact)، ويمنع الإبقاء على اتصال SSE حيًا انتهاء مهلة القراءة أثناء عمليات prefill الطويلة. وتوفّر لوحة الإدارة على العنوان http://localhost:8000/admin إعدادًا بنقرة واحدة لوكلاء آخرين مثل OpenCode أو Codex.
بدء تشغيل خادم CLI مباشرة وإعادة استخدام تكامل عميل OpenAI
من الطرفية، شغّل omlx serve --model-dir ~/models (أو omlx start لتشغيله في الخلفية). بمجرد أن يبدأ الخادم بالاستماع على العنوان http://localhost:8000، وجّه أي كود عميل OpenAI موجود أو أي أداة إلى ذلك العنوان بدلاً من api.openai.com، باستخدام /v1/chat/completions — وهو نفس النمط المستخدم من قبل خوادم محلية أخرى متوافقة مع OpenAI — لإعادة استخدام الكود الذي تملكه بالفعل بدلاً من إعادة كتابته لشكل API جديد.
إبقاء سياق وكيل برمجة طويل سريعًا طوال جلسة عمل كاملة
شغّل omlx serve مع توجيه --paged-ssd-cache-dir إلى قرص محلي سريع، وضبط --hot-cache-max-size بحجم يناسب RAM جهاز Mac الخاص بك. أثناء عملك في جلسة برمجة طويلة قائمة على الوكلاء تعود مرارًا إلى نفس السياق الكبير، تُستعاد الكتل المُعالَجة مسبقًا التي كان يُفترض إخلاؤها من RAM من طبقة SSD بدلاً من ذلك — وهو ما تنسبه وثائق oMLX نفسها إلى تقليل أوقات انتظار إعادة التحميل من عشرات الثواني إلى بضع ثوانٍ فقط في السياقات الطويلة.
تثبيت oMLX: تطبيق macOS وHomebrew وCLI
يُثبَّت oMLX كتطبيق macOS، أو عبر Homebrew، أو من الكود المصدري — لا يوجد إصدار لنظامي Windows أو Linux، لأنه يعتمد على إطار عمل MLX من Apple، وهو مخصص فقط لـ Apple Silicon. تُثبّت الطرق الثلاث جميعها نفس أداة سطر الأوامر omlx الأساسية. الروابط أدناه من README الرسمي على GitHub — تحقق دائمًا مباشرة من تلك الصفحة، لأن تعليمات التثبيت قد تتغير بين الإصدارات.
تطبيق macOS (.dmg)
- الأمر / الرابط:
- نزّله من GitHub Releases — ملف .dmg لنظام macOS 15 (Sequoia) وآخر لنظام macOS 26/27 — واسحبه إلى مجلد Applications. يتضمن التحديث التلقائي ويثبّت وصلة CLI على
~/.omlx/bin/omlx.
Homebrew
- الأمر / الرابط:
brew tap jundot/omlx https://github.com/jundot/omlx، ثمbrew install jundot/omlx/omlx(أضف--with-custom-kernelلبناء النوى الأصلية؛ يتطلب Xcode كاملًا)، ثمomlx start
من الكود المصدري
- الأمر / الرابط:
git clone https://github.com/jundot/omlx.git، ثمcd omlx، ثمmake install
تشغيل الخادم مباشرة
- الأمر / الرابط:
omlx serve --model-dir ~/models(في المقدمة) أوomlx start/omlx stop/omlx restart(في الخلفية)
متطلبات النظام وفقًا لـ README الرسمي: macOS 15.0 (Sequoia) أو أحدث، وApple Silicon (من M1 إلى M5)، وPython 3.11–3.13. لا يوجد إصدار لأجهزة Mac بمعالج Intel أو Windows أو Linux. تحتاج GLM-5.2 وMiniMax M3 وQwen3.5 إلى نوى أصلية مخصصة، وبدونها تعود وفقًا لـ README إلى مسارات عامة أبطأ بكثير؛ يتضمن ملف .dmg هذه النوى مُجمَّعة مسبقًا، بينما يبنيها make install وخيار --with-custom-kernel في Homebrew ويتطلبان Xcode كاملًا مع حزمة أدوات Metal. تُحفظ إعدادات الخادم — --memory-guard {safe|balanced|aggressive} و--memory-guard-gb و--paged-ssd-cache-dir و--hot-cache-max-size و--max-concurrent-requests و--mcp-config و--hf-endpoint و--api-key و--host — في ملف ~/.omlx/settings.json بعد ضبطها، ويمكن تجاوزها لكل تشغيل باستخدام خيارات CLI.
أسعار oMLX: هل هو مجاني فعلاً؟
نعم — لا توجد لدى oMLX أي خطة مدفوعة. لا يوجد لدى مستودع GitHub ولا لدى omlx.ai صفحة أسعار، وملف LICENSE هو رخصة Apache 2.0 القياسية غير المعدّلة مع إشعار حقوق نشر لعام 2025 باسم "oMLX contributors" — وهي تنطبق على التطبيق بأكمله، دون أي بند يحصر ميزة ما خلف الدفع.
- لا اشتراك، ولا خطة مدفوعة، ولا حدود استخدام يفرضها oMLX نفسه
- لا حاجة إلى حساب أو تسجيل لتثبيت التطبيق أو تشغيله
- التطبيق نفسه، وتطبيق شريط القوائم، وCLI، ولوحة الإدارة جميعها مشمولة بنفس شروط رخصة Apache 2.0
- بما أن oMLX يشغّل فقط نماذج محلية عبر MLX، فلا توجد أيضًا أي تكلفة لكل رمز أو لكل طلب من مزود سحابي — التكلفة الوحيدة هي الكهرباء والأجهزة التي تملكها بالفعل
oMLX مقابل mlx-lm وMLX
MLX هو إطار التعلّم الآلي من Apple، أما oMLX فمنتج خادم مبني عليه وليس إطارًا منافسًا — لذا فإن «oMLX مقابل MLX» مسألة طبقات لا بدائل. mlx-lm هي مكتبة Python وواجهة سطر الأوامر البسيطة التي يوفرها نظام MLX البيئي من Apple لتشغيل النماذج وتقديمها كخدمة — ويُبنى oMLX مباشرة فوقها، مستخدمًا BatchGenerator الخاص بها للمعالجة الدفعية المستمرة. الأداتان ليستا منافستين حقيقيتين بقدر ما هما طبقتان مختلفتان: mlx-lm هي الأساس، وoMLX منتج خدمة كامل مبني فوق ذلك الأساس.
الجانب | oMLX | |
|---|---|---|
| الطبقة | منتج خادم مبني على MLX وmlx-lm | مكتبة Python مبنية على إطار MLX |
| ماهيته | خادم استدلال مُعبَّأ: تطبيق شريط قوائم + CLI + لوحة إدارة | مكتبة Python وواجهة سطر أوامر خفيفة لتشغيل/تقديم نماذج MLX |
| تخزين KV مؤقت | ذاكرة تخزين مؤقت مقسّمة متعددة الطبقات (RAM + SSD)، تبقى محفوظة بعد إعادة التشغيل | ذاكرة تخزين مؤقت في الذاكرة فقط، وفقًا لخادمه الموثق نفسه؛ بلا تقسيم على SSD |
| إدارة متعددة النماذج | إخلاء LRU، وتثبيت، ومدة صلاحية لكل نموذج، وتحميل/إلغاء تحميل من واجهة | ليست ميزة مدمجة — تتم عبر نصوص برمجية أو إدارة يدوية |
| توافق API | نقاط نهاية متوافقة مع OpenAI وAnthropic | وضع خادم متوافق مع OpenAI (mlx_lm.server) |
| الواجهة | تطبيق أصلي في شريط قوائم macOS بالإضافة إلى لوحة إدارة عبر الويب | سطر أوامر فقط، بلا واجهة رسومية |
| تكاملات وكلاء البرمجة | إعداد بنقرة واحدة لـ OpenClaw وOpenCode وCodex وغيرها | ليست ميزة موثقة؛ تتطلب إعداد نقاط النهاية يدويًا |
إذا كنت تريد أبسط طريقة ممكنة لتشغيل نموذج MLX واحد من نص برمجي أو أمر خادم سريع، فقد يكفيك mlx-lm وحده. أما إذا كنت تريد خادمًا دائمًا متعدد النماذج بواجهة شريط قوائم، وذاكرة تخزين مؤقت مدعومة بـ SSD لسياقات الوكلاء الطويلة، وتكاملات بنقرة واحدة لوكلاء البرمجة، فإن oMLX مصمَّم خصيصًا لإضافة هذه الطبقة فوق mlx-lm بدلاً من استبداله.
oMLX مقابل mlx-serve
كل من oMLX وmlx-serve خادم استدلال محلي مجاني ومفتوح المصدر لـ Apple Silicon مع واجهات برمجية متوافقة مع OpenAI وAnthropic؛ والفروق الرئيسية في بيئة التشغيل (Python/MLX مقابل ملف Zig تنفيذي واحد) وصيغ النماذج (MLX مقابل MLX مع GGUF). وهما مشروعان منفصلان لمطوّرين مختلفين، ولا يقوم أيٌّ منهما على الآخر.
الجانب | oMLX | |
|---|---|---|
| اللغة / بيئة التشغيل | Python على MLX/mlx-lm وتطبيق Swift في شريط القوائم | ملف Zig واحد (~7 MB) بلا Python |
| صيغ النماذج | نماذج MLX (LLM وVLM وتضمين وإعادة ترتيب) | MLX مع llama.cpp مدمج لـ GGUF |
| الواجهات البرمجية | متوافقة مع OpenAI وAnthropic | متوافقة مع OpenAI وAnthropic وOllama |
| التطبيق المرافق | تطبيق شريط القوائم + لوحة إدارة ويب | تطبيق MLX Core في شريط القوائم (دردشة ووكلاء ووسائط) |
| الترخيص | Apache License 2.0 | MIT (مع مكوّنات Apache-2.0 مضمَّنة) |
| متطلب macOS | macOS 15.0 أو أحدث | macOS 26.2 أو أحدث |
اختر oMLX إذا كانت الأولوية لسياقات وكلاء البرمجة الطويلة التي يُعاد فتحها كثيرًا ولذاكرة KV المتدرجة على SSD (التي تبقى بعد إعادة التشغيل)؛ واختر mlx-serve إذا أردت ملفًا تنفيذيًا صغيرًا بلا Python أو دعم GGUF إضافةً إلى MLX. تفاصيل mlx-serve مأخوذة من مراجعة mlx-serve؛ ولم تُجرِ هذه المراجعة اختبار أداء مقارنًا بينهما — تحقق من الميزات الحالية في مستودع كل مشروع.
من يجب أن يستخدم oMLX؟
يعتمد ملاءمة oMLX لك في المقام الأول على أمر واحد تقريبًا: هل تستخدم جهاز Mac بمعالج Apple Silicon من الأساس، لأن هذا الشرط ليس له حل بديل.
استخدم oMLX إذا
- كنت تستخدم جهاز Mac بمعالج Apple Silicon (من M1 إلى M5) على نظام macOS 15.0 أو أحدث — هذا شرط إلزامي وليس مجرد توصية
- كنت تريد خادم استدلال محلي دائمًا مع تطبيق شريط قوائم، بدلاً من نص برمجي تحتاج إلى إعادة تشغيله يدويًا
- كنت تستخدم وكيل برمجة (Claude Code أو OpenClaw أو OpenCode أو ما شابه) بسياقات طويلة يُعاد زيارتها مرارًا، وتريد تقليل تأخيرات إعادة التحميل لسير العمل هذا تحديدًا
- كنت تريد نقاط نهاية متوافقة مع OpenAI وAnthropic معًا من خادم محلي واحد، بدلاً من تشغيل أداتين منفصلتين
- كنت تريد تقديم خدمة عدة نماذج — LLM وVLM ونماذج تضمين وأدوات إعادة ترتيب — من عملية واحدة مع إدارة ذاكرة تلقائية
انتظر، أو ابحث في مكان آخر، إذا
- كنت تستخدم جهاز Windows أو Linux، أو جهاز Mac بمعالج Intel — لا يوجد لدى oMLX إصدار لأي من هذه الأنظمة، لأنه يعتمد على إطار عمل MLX من Apple، وهو حصري لـ Apple Silicon؛ راجع دليل برمجيات LLM المحلية للاطلاع على بدائل متعددة المنصات
- كنت تريد منتجًا مدعومًا رسميًا وممولاً، مع شركة واتفاقية مستوى خدمة (SLA) خلفه — لم تجد هذه المراجعة أي دليل على وجود شركة أو تمويل خلف oMLX؛ وفقًا لمستودعه الخاص على GitHub، يقوم بصيانته مطوّر واحد مذكور بالاسم
- كنت تريد أبسط وأخف طريقة ممكنة لتشغيل نموذج MLX واحد — قد يكون mlx-lm وحده، دون طبقة خادم oMLX، أكثر ملاءمة
- كنت بحاجة إلى مشروع مُختبَر جيدًا وله سجل حافل طويل من أجل نشره في بيئة الإنتاج — أُعلن عن oMLX لأول مرة في مارس 2026، لذا فإن سجله العلني لا يزال قصيرًا مقارنة بخوادم استدلال أكثر رسوخًا
oMLX مقابل أدوات الاستدلال المحلية الأخرى
يقع oMLX في زاوية Apple Silicon/MLX من مشهد الاستدلال المحلي. إليك كيف يقارن بأدوات أخرى في هذا القطاع نفسه — راجع دليل برمجيات LLM المحلية للاطلاع على الكتالوج الكامل، والمقارنة المخصصة oMLX مقابل mlx-lm أعلاه للمقارنة الأقرب مباشرة.
- mlx-lm — مكتبة Python وواجهة سطر الأوامر الأساسية التي بُني oMLX نفسه فوقها؛ الخيار الصحيح إذا كنت تريد أبسط طريقة ممكنة لتشغيل نموذج MLX دون طبقة خادم كاملة. راجع قسم المقارنة المخصص أعلاه.
- mlx-serve — خادم استدلال منفصل مجاني ومفتوح المصدر مكتوب بلغة Zig لـ Apple Silicon، بواجهات متوافقة مع OpenAI وAnthropic وOllama ودعم GGUF عبر llama.cpp؛ راجع مقارنة oMLX مقابل mlx-serve أعلاه.
- exo — أداة مفتوحة المصدر لتجميع عدة أجهزة Mac بمعالجات Apple Silicon (وأجهزة أخرى) في عنقود لتشغيل نماذج أكبر مما يمكن لجهاز واحد استيعابه؛ مفيدة إذا لم يكن وضع التوزيع التجريبي أحادي العنقود في oMLX كافيًا لإعدادك. راجع مراجعة exo.
- LM Studio — تطبيق سطح مكتب متعدد المنصات (macOS وWindows وLinux) يستخدم أيضًا MLX كأحد محركات الاستدلال الخاصة به على Apple Silicon، إلى جانب llama.cpp؛ خيار أفضل إذا كنت تحتاج إلى أن تعمل الأداة نفسها على أجهزة غير Mac أيضًا. راجع مراجعة LM Studio.
- llamafile — نهج استدلال محلي بملف تنفيذي واحد، مبني على llama.cpp بدلاً من MLX، يشغّل الملف نفسه على macOS وWindows وLinux دون خطوة تثبيت؛ تباين مفيد إذا كانت قابلية النقل بين المنصات أهم بالنسبة لك من الأداء الخاص بـ Apple Silicon. راجع مقال شرح llamafile.
أخطاء شائعة عند تقييم oMLX
ينشأ معظم الالتباس حول oMLX من افتراض أنه يعمل كأداة متعددة المنصات، أو الخلط بينه وبين نسخة متفرعة بنفس الاسم، أو توقع دعم أجهزة Mac بمعالج Intel.
الخطأ 1: افتراض أن oMLX يعمل على Windows أو Linux
oMLX حصري لنظام macOS، وتحديدًا حصري لـ Apple Silicon، لأنه مبني على إطار عمل MLX من Apple، الذي لا يستهدف Windows أو Linux إطلاقًا. لا يوجد أي بند في خارطة الطريق أو إصدار تجريبي لأي من المنصتين موثّق في مستودع المشروع وقت إعداد هذه المراجعة — إذا كنت بحاجة إلى أداة متعددة المنصات، راجع LM Studio أو llamafile بدلاً من ذلك.
الخطأ 2: الخلط بين github.com/jundot/omlx ونسخة متفرعة بنفس الاسم
توجد عدة مستودعات GitHub بالاسم نفسه "omlx" تحت أسماء مستخدمين أخرى (على سبيل المثال mkmsyk/omlx وdannysl/omlx). المشروع الأصلي والمُطوَّر بنشاط — والمؤكَّد من خلال إعلان المطوّر نفسه على لوحة نقاشات GitHub الخاصة بـ Apple MLX — هو github.com/jundot/omlx. تحقق دائمًا من أنك تنظر إلى هذا المستودع بالتحديد قبل تثبيته أو الاستشهاد بعدد نجومه.
الخطأ 3: افتراض أن أجهزة Mac القائمة على Intel مدعومة
تسرد متطلبات النظام الخاصة بـ oMLX صراحةً Apple Silicon (من M1 إلى M5)؛ ولم تجد هذه المراجعة أي ذكر لدعم أجهزة Mac بمعالج Intel في أي مكان من الوثائق الرسمية. إطار عمل MLX نفسه، الذي بُني oMLX عليه، لا يستهدف أجهزة Mac بمعالج Intel، لذا فمن غير المرجح أن يضيف أي تحديث مستقبلي لـ oMLX هذا الدعم.
الخطأ 4: توقع أن يكون oMLX عميل دردشة بدلاً من خادم
تتضمن لوحة إدارة oMLX بالفعل واجهة دردشة مدمجة للاختبار، لكن غرضها الأساسي هو تقديم النماذج عبر API لتستخدمها تطبيقات أخرى (مثل Claude Code أو OpenCode أو نصوصك البرمجية الخاصة) — فهو من حيث الفئة أقرب إلى خادم استدلال محلي منه إلى تطبيق دردشة مستقل كامل الميزات مثل Jan أو GPT4All.
الأسئلة الشائعة
ما هو oMLX؟
oMLX (github.com/jundot/omlx) هو خادم استدلال محلي مجاني ومفتوح المصدر لأجهزة Mac ذات معالجات Apple Silicon. يشغّل النماذج عبر إطار عمل MLX من Apple، ويأتي كتطبيق أصلي في شريط قوائم macOS بالإضافة إلى أداة سطر أوامر omlx وخادم يعمل في الخلفية، مع نقاط نهاية API متوافقة مع OpenAI وAnthropic.
هل oMLX مجاني؟
نعم. لا يوجد لدى مستودع GitHub ولا لدى omlx.ai صفحة أسعار، وملف LICENSE هو رخصة Apache 2.0 القياسية غير المعدّلة دون أي خطة مدفوعة على الإطلاق.
هل يعمل oMLX على Windows أو Linux؟
لا. oMLX حصري لنظام macOS، ويتطلب تحديدًا Apple Silicon (من M1 إلى M5) وmacOS 15.0 (Sequoia) أو أحدث، لأنه يعتمد على إطار عمل MLX من Apple، الذي لا يستهدف Windows أو Linux أو أجهزة Mac بمعالج Intel.
هل يعمل oMLX على جهاز Mac بمعالج Intel؟
لا. تحدد متطلبات النظام الموثقة لـ oMLX معالجات Apple Silicon فقط. لا يدعم MLX، إطار العمل الذي بُني عليه، أجهزة Mac القائمة على Intel.
كيف يختلف oMLX عن mlx-lm؟
mlx-lm هي مكتبة Python الأساسية وواجهة سطر الأوامر الخفيفة التي يوفرها نظام MLX البيئي من Apple لتشغيل النماذج؛ ويُبنى oMLX فوق BatchGenerator الخاص بـ mlx-lm ويضيف خادمًا دائمًا، وتطبيق شريط قوائم، وذاكرة تخزين مؤقت متعددة الطبقات مدعومة بـ SSD، وإدارة متعددة النماذج، ونقاط نهاية متوافقة مع OpenAI/Anthropic. راجع المقارنة الكاملة أعلاه.
ما الغرض من ذاكرة التخزين المؤقت المقسّمة على SSD في oMLX؟
تنقل كتل ذاكرة التخزين المؤقت من نوع مفتاح-قيمة غير النشطة من RAM إلى SSD جهاز Mac الخاص بك، بصيغة safetensors، بدلاً من التخلص منها. عندما يعود وكيل برمجة طويل التشغيل إلى سياق كبير، يمكن لـ oMLX استعادة الكتل المُعالَجة مسبقًا من SSD بدلاً من إعادة حسابها من النموذج، وهو ما تنسبه وثائقه الخاصة إلى تقليل أوقات انتظار إعادة التحميل في السياقات الطويلة من عشرات الثواني إلى بضع ثوانٍ فقط.
هل يمكنني استخدام oMLX مع Claude Code أو وكلاء برمجة آخرين؟
نعم. واجهة API الخاصة بـ oMLX متوافقة مع صيغتي طلب OpenAI وAnthropic، ويوثّق README معالجة خاصة بـ Claude Code (الإبلاغ عن نافذة السياق الفعلية والإبقاء على اتصال SSE حيًا)، وتوفّر لوحة الإدارة إعدادًا بنقرة واحدة لـ OpenClaw وOpenCode وCodex وغيرها.
هل oMLX مفتوح المصدر؟ ما الترخيص الذي يستخدمه؟
نعم. ملف LICENSE الخاص بـ oMLX هو رخصة Apache 2.0 القياسية غير المعدّلة، مع إشعار حقوق نشر لعام 2025 باسم "oMLX contributors".
كيف أثبّت oMLX عبر Homebrew؟
شغّل brew tap jundot/omlx https://github.com/jundot/omlx ثم brew install jundot/omlx/omlx ثم omlx start. كما يذكر README الخاص بـ oMLX تطبيق macOS بصيغة .dmg والتثبيت من المصدر؛ تحقق من الأوامر هناك لأن خطوات التثبيت قد تتغير بين الإصدارات.
هل يدعم oMLX الاستدلال الموزّع عبر عدة أجهزة Mac؟
بشكل تجريبي. يصف README الخاص بـ oMLX بناءات من المصدر يمكنها تقسيم نموذج منزَّل على أجهزة Mac ذات ذاكرة غير متساوية باستخدام رتب خط أنابيب MLX عبر Ring أو Thunderbolt RDMA/JACCL. وهي غير متوفرة في التطبيق القياسي ولا في تثبيت Homebrew، ويوثّق المشروع قيودها في مستند منفصل.
ما أحدث إصدار من oMLX؟
v0.7.2، نُشر في 21 أكتوبر 2026. تسبق الإصدارات المستقرة نسخ تطوير ونسخ مرشحة للإصدار في صفحة Releases نفسها؛ راجع github.com/jundot/omlx/releases بحثًا عن أي نسخة أحدث قبل الاستشهاد بإصدار.
ما الفرق بين oMLX وMLX؟
MLX هو إطار التعلّم الآلي مفتوح المصدر من Apple لمعالجات Apple Silicon. أما oMLX فخادم استدلال محلي مبني على MLX ومكتبة mlx-lm، ويضيف تطبيقًا في شريط القوائم وإدارة لعدة نماذج وذاكرة تخزين مؤقت مقسّمة على SSD وواجهات برمجية متوافقة مع OpenAI/Anthropic.
oMLX أم mlx-serve: أيهما أستخدم؟
كلاهما خادم استدلال مجاني ومفتوح المصدر لـ Apple Silicon. يعتمد oMLX على Python ويوفّر ذاكرة KV متدرجة على SSD لسياقات وكلاء البرمجة الطويلة؛ أما mlx-serve فملف Zig تنفيذي واحد يشغّل أيضًا نماذج GGUF عبر llama.cpp. راجع جدول المقارنة أعلاه.
من يطوّر oMLX؟
يطوّر oMLX مشرف مستقل يُدعى jundot (جهة الاتصال المدرجة في المستودع هي junkim.dot@gmail.com). لم تجد هذه المراجعة أي دليل على وجود شركة أو جولة تمويل خلف المشروع.
هل github.com/jundot/omlx هو مستودع oMLX الحقيقي؟
نعم. توجد عدة مستودعات "omlx" بالاسم نفسه تحت أسماء مستخدمين أخرى على GitHub، لكن github.com/jundot/omlx هو المشروع الأصلي، وهو ما أكده إعلان المطوّر نفسه على لوحة نقاشات GitHub الخاصة بـ Apple MLX.