SiLLM

在 Mac 上轻松训练和运行大模型,无需 NVIDIA GPU。

SiLLM 是一个基于 Apple MLX 框架的开源工具,旨在简化在 Apple Silicon 芯片上训练和运行大语言模型(LLM)的流程。它解决了 Mac 用户因缺乏 NVIDIA GPU 而难以进行本地模型训练和推理的痛点,提供了一套简洁的接口,让开发者能够利用 Mac 的统一内存架构和 MLX 的高效计算能力,轻松加载、微调(如 LoRA)和运行主流开源模型(如 Llama、Mistral 等)。项目核心能力包括:模型下载与转换、训练脚本封装、推理示例,以及针对 Apple Silicon 的优化配置。其目标是让 Mac 成为 LLM 开发与实验的可行平台,降低硬件门槛,适合个人开发者、研究人员和 AI 爱好者快速上手。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 283
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队armbues
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型apple-silicon,dpo,large-language-models,llm,llm-inference,llm-training,lora,mlx
GitHub 星标★ 283
30天Star增速
HF 下载量
上线时间2024-01-11 00:00:00
最近更新2026-07-10 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 原生适配 Apple Silicon,利用 MLX 框架发挥 M 系列芯片性能
  • 提供简单易用的命令行接口,快速启动训练或推理
  • 支持主流模型(如 Llama、Mistral)的加载与 LoRA 微调

不足之处

  • 依赖 MLX 框架,生态尚在早期,部分模型兼容性有限
  • 文档/社区待观察

适用场景

  • 个人开发者使用 Mac 进行 LLM 原型验证和实验
  • 在无 GPU 环境下进行轻量级模型微调(LoRA)
  • 本地离线运行小规模 LLM 用于隐私敏感场景

替代项目

mlx-lm、llama.cpp、Ollama

项目介绍

SiLLM 是模型训练领域的开源项目,由 armbues 开发,2024 年首次发布。

它收录于模型训练分类,该分类目前共有 522 个项目,GitHub 星标数为 283。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-07-10。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:个人开发者使用Mac进行LLM原型验证和实验。同类可对比的替代方案包括 mlx-lm、llama.cpp、Ollama。

上一篇:datablations

下一篇:Time-R1

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13