Perplexity 开源 Lily:Apple 芯片 Qwen 专用推理引擎,解码快 35%
inductionheads · x · 2026-09-03
Perplexity 开源了为其「Perplexity Computer」混合计算打造的本地推理引擎 Lily，专为 Apple Silicon 上的 Qwen3.6-35B-A3B（MLX affine 4-bit 权重）定制，避免端侧计算拖慢 Computer 任务。
技术要点：
- 基于 Rust 紧凑运行时（管理会话状态与生成循环）+ 运行时编译的自定义 Metal kernel
- 针对 Qwen MoE 架构精确优化：prefill/decode 的矩阵/向量 kernel、最小化 expert/attention/递归路径间数据搬运、按实际负载调优 tile 与内存布局
- 相比 MLX-LM，在 Qwen3.6-35B-A3B Q4 上 prefill 快 1.23 倍、decode 快 1.35 倍
暴露 OpenAI chat completions API 的最小子集，固定贪心解码；要求 Apple GPU family 10（M5 及更新）与 macOS 26+。代码与博客及复现步骤均已公开。
所属事件:Perplexity 开源 Apple 芯片专用本地推理引擎 Lily(8 条相关)→
「Infra」频道最新
- MIT 团队实测:agent 编码用量若按 API 计费每月高达 4 万美元 — ChrisRackauckas · 2026-10-18
- 越狱 PS5 跑 llama.cpp:开源 PS5LM 让主机变身家庭本地 LLM 服务器 — wateriscoding · 2026-10-18
- DFB 激光器耦合薄膜铌酸锂芯片：最高 170mW、阈值仅 40-45mA — jwt0625 · 2026-10-18
- 5070 Ti 外挂 3070 混搭跑 Qwen 35B 达 82 tok/s — hereforcheesee · 2026-10-18
- 中国在建/规划功率半导体晶圆厂达 69 座,遍布 58 家厂商 — zephyr_z9 · 2026-10-18
- 研究测算：AI 数据中心每年需 3.5 万亿美元收入才能撑住 — TheseFact · 2026-10-18