Rapid-MLX: IA local más rápida en Apple Silicon

En X un desarrollador presenta una herramienta nueva y la llama, con la reserva de rigor, posiblemente el motor de inferencia local más rápido en Mac. Rapid-MLX es de código abierto, corre solo en Apple Silicon y aspira a ser un sustituto directo de Ollama con dos a cuatro veces su velocidad. El código está público en GitHub bajo licencia Apache 2.0.

Ya escribimos a finales de julio que en el Mac Studio el software decide el rendimiento, no el hardware por sí solo. Rapid-MLX es un caso nuevo y con nombre de precisamente eso: un motor en la versión 0.11.1, cuya documentación lleva la fecha del 28 de julio de 2026, y que pone cifras concretas frente a Ollama en lugar de decir que es más rápido en abstracto.

Qué es Rapid-MLX

Rapid-MLX se apoya directamente en MLX, el framework de aprendizaje automático de Apple, sin rodeo por llama.cpp ni una capa intermedia de Metal. Ese es el núcleo técnico de la promesa: kernels puros de MLX, ajustados a la memoria unificada de Apple Silicon.

Para el trabajo diario pesa más la interfaz que la arquitectura. Rapid-MLX habla las API de OpenAI y de Anthropic, en direcciones como /v1/chat/completions. Un programa que hoy trabaja contra un modelo en la nube se reorienta a un modelo local cambiando solo la dirección. El desarrollador cita Claude Code, Cursor y Aider como herramientas que funcionan así sin adaptación. Según el propio proyecto, el motor cubre más de 200 variantes de modelo, entre ellas Qwen3.5 y 3.6 y Gemma 4.

La instalación se hace con un script, una sola línea en el terminal. Eso baja el listón para una prueba, pero también traslada responsabilidad. Ejecutar a ciegas un script de internet, en un equipo de trabajo con acceso a datos de la empresa, es una decisión, no un reflejo.

Las cifras, y quién las midió

Sobre un Mac Studio M3 Ultra con 192 GB, el desarrollador informa, entre otras, de estas cifras frente a Ollama:

• Qwen3.5-9B: 66 frente a 16 tokens por segundo, unas cuatro veces.
• Qwen3.5-4B: 95 frente a 38 tokens por segundo.
• Devstral-24B: 31 frente a 13 tokens por segundo.

Hay un segundo número que en el trabajo con herramientas suele pesar más que el rendimiento bruto: el tiempo hasta el primer token. En peticiones repetidas dentro de la misma conversación, un mecanismo llamado DeltaNet guardaría el estado y recortaría esa espera de alrededor de 1,5 segundos a menos de 200 milisegundos. En caché, el proyecto cita 0,08 segundos.

Ahora la parte honesta. Estas cifras vienen del desarrollador, medidas en su propia máquina. En la conversación donde propone el motor como base para una conocida herramienta de programación no hay, hasta hoy, ni una sola respuesta independiente, ni una contraprueba, ni confirmación de terceros. Eso no las hace falsas. Las convierte en un dato del fabricante, y un dato del fabricante se lee distinto que una medición verificada.

Para una empresa, en la práctica: un titular de cuatro veces no significa que su tarea vaya cuatro veces más rápida. El mayor salto aparece en el modelo más pequeño y en el mejor caso. Cuánto sobrevive con su modelo, su longitud de contexto y su hardware solo lo responde una prueba en su propia máquina. Ollama mide en el mismo equipo en unos minutos, y esa es la comparación que cuenta.

Qué importa de verdad para una empresa

La velocidad pura rara vez es el cuello de botella. Quien adopta IA local en una pyme tropieza mucho antes con la operación, el mantenimiento y la fiabilidad que con los tokens por segundo. En un proyecto tan joven, tres puntos pesan más que el rendimiento.

Primero, la madurez. La versión 0.11.1 es una cifra temprana. Ollama y llama.cpp llevan años de informes de errores, paquetes y guías a la espalda. Una herramienta más nueva puede ser mejor a nivel técnico y aun así tener una arista en el peor momento, una para la que todavía no existe solución conocida.

Segundo, el soporte. Detrás de Rapid-MLX hay, de forma visible, una sola persona. No es un reproche, muchas buenas herramientas empiezan así. Pero para una empresa que enchufa un sistema en su flujo de trabajo, es legítimo preguntar quién corrige fallos y actualiza modelos dentro de un año.

Tercero, la seguridad. La ventaja de un motor local es que ninguna consulta sale del edificio. Eso solo se cumple si la herramienta hace lo que promete. Un servidor que abre un punto de acceso compatible con OpenAI en su red pide protección, o el montaje supuestamente privado se convierte en una puerta abierta dentro de su propia red. La ganancia de soberanía que describimos en IA local descansa en una operación limpia, no en un benchmark.

Cuándo merece la pena cambiar, y cuándo no

Dos escenarios, una recomendación clara.

Para desarrollo y experimentación en un solo Mac, Rapid-MLX vale una tarde. La API compatible con OpenAI hace el cambio casi gratis: cambie la dirección, ponga su propia herramienta a funcionar contra ella y mida la misma tarea frente a Ollama. Si la diferencia es grande en su máquina, ha ganado velocidad sin coste. Si es pequeña, lo ha sabido en una hora y se queda con lo que funciona.

Para producción, con compañeros o procesos de cliente colgando de ello, el momento es demasiado temprano. Aquí un montaje que lleva meses estable, con alguien a quien llamar, vale más que la barra más alta de un gráfico. Conserve su motor actual como plan B hasta que el nuevo se demuestre durante semanas de uso real.

Y la pregunta de fondo sigue siendo la misma que en cualquier tema de modelos: ¿le compensa la IA local, medida por confidencialidad y volumen de consultas, o la nube sale más barata para su patrón? En España, además, una parte de esa inversión puede encajar en las categorías del Kit Digital, lo que cambia el cálculo. Si quiere recorrer ese análisis una vez, con calma y con sus propias cifras en lugar de dejarse llevar por un benchmark, empiece por un proyecto piloto. Montamos el sistema con usted y lo medimos contra su tarea, no contra las barras de otro.