Skip to main content
mlx-lm est le package le plus pratique pour travailler avec des LLMs dans l’écosystème MLX. Si vous débutez avec MLX, c’est souvent par là qu’il faut commencer. Il couvre trois usages principaux :
  • tester un modèle en CLI
  • intégrer un modèle dans un script Python
  • exposer un serveur local compatible API

Installer mlx-lm

Si vous ne l’avez pas encore fait, lisez d’abord Installation & Setup.

Mode 1 : ligne de commande

Génération simple

Paramètres à connaître

Quand la CLI suffit

La CLI est idéale pour :
  • vérifier qu’un modèle charge bien
  • comparer plusieurs prompts
  • tester un adaptateur LoRA
  • valider rapidement un dataset ou un modèle converti

Mode 2 : API Python

Quand vous voulez intégrer le modèle dans votre propre logique, passez à Python :

Utiliser un template de chat

Les modèles instruction et chat attendent souvent une mise en forme précise. Le tokenizer la connaît déjà :

Streaming en Python

Si vous voulez afficher la réponse au fil de l’eau :

Mode 3 : serveur local

mlx-lm peut aussi servir un modèle en HTTP. C’est utile si votre app Swift, votre frontend ou un autre outil doit consommer le modèle sans embarquer directement Python.

Lancer le serveur

Exemple avec le SDK OpenAI

Quand choisir ce mode

Choisissez le serveur si :
  • plusieurs clients doivent partager le même modèle
  • votre frontend ne doit pas connaître Python
  • vous voulez brancher rapidement une app existante sur un modèle local

Comparer les trois modes


Problèmes fréquents

Vérifiez d’abord que vous utilisez un modèle Instruct ou Chat, puis appliquez le template de chat du tokenizer quand le modèle en a besoin.
C’est normal. Le premier appel télécharge le modèle puis le met en cache localement.
Essayez une version plus petite ou quantifiée en 4bit. C’est souvent le moyen le plus simple de débloquer la situation.

Modèles MLX Community

Choisir un modèle adapté à votre machine.

Fine-tuning LoRA

Adapter un modèle à votre domaine.