苹果党可以码住了：一台 Mac 也能把刚发布的 DeepSeek-V4.1-Flash-1017 跑到每秒 100+ token，全程本地，聊天数据不出电脑。
实测数据（256GB M5 Ultra，80 核 GPU）：生成速度稳定 102～112 tok/s，峰值冲到 136.7 tok/s；Prefill 读 prompt 飙到 1770 tok/s；短问题首字约 0.5 秒，16k 长上下文约 9 秒出字。用的是 3-bit 量化（iQ-MLX-3.0bpw），token 匹配率 89.8%，困惑度只涨 3.6%。
它还自带 DSpark 草稿层 + prompt lookup 加速，跑 coding agent 尤其猛。
快速上手：先升级到 macOS 26.10.3 预发布版；下载 MLX-Serve App（或 brew 安装）；打开 App 在 Model Browser 里搜 DeepSeek-V4.1-Flash，下载对应量化版；然后直接聊天，或用 Claude Code、Codex 等工具连本地端口（兼容 OpenAI/Anthropic/Ollama）。
项目地址：https://github.com/ddalcu/mlx-serve
MIT 开源，无需 Python，写代码、跑 agent 的神器。
正文完