235B 模型塞不进一台 Macexo 分布式推理的多机切分方案【免费下载链接】exoRun frontier AI locally.项目地址: https://gitcode.com/GitHub_Trending/exo8/exoexo 是一个本地 AI 集群项目在每台 Mac 上装好它设备会在局域网内自动发现彼此把单机装不下的模型切到所有节点上跑推理并对外提供 OpenAI、Claude、Ollama 兼容的 API。这篇文章讲清它的发现与切分机制以及怎么真正跑起来。为什么一台机器不够本地推理的瓶颈通常不是算力而是内存。Qwen3-235B 8-bit 权重大于 200GBDeepSeek v3.1 671B 更是超过 600GB一台 512GB 的 Mac Studio 也装不下MacBook Pro 就更别提了。常规替代方案是租云端 GPU 或者换小模型前者贵后者妥协。exo 的定位是把同一个模型切到多台 Apple Silicon 设备上每台机器负责一部分权重机器越多能跑的模型越大——官方集群用 4 台 Mac Studio 同时跑起了 DeepSeek v3.1 671B 和 Kimi K2 Thinking下面这张就是其中的基准测试画面。自动发现与模型切分是怎么运作的 ⚡同网段的节点启动后自动互相发现并选举出一个 master 节点由它维护一张拓扑图设备是节点连接是边边可以是局域网 socket 或 Thunderbolt 5 上的 RDMA远程直接内存访问绕过网络栈直接读写对端内存。加载模型时它先筛出总内存足够的节点环再按每台机器的可用内存占比分配层数——相当于把一条长流水线按每个人的工作量切段大内存机器分更多层。TB5 组网下还能切换张量并行一层被多台机器并行计算2 台设备约 1.8 倍加速不只是内存叠加。切分逻辑的核心在 src/exo/master/placement.py。3 条命令起一个集群前置依赖是 uv 和 node后者用来构建 dashboardgit clone https://gitcode.com/GitHub_Trending/exo8/exo cd exo/dashboard npm install npm run build cd .. uv run exodashboard 和 API 会在http://localhost:52415/起来。在第二台 Mac 上跑同样的命令同局域网下自动加入集群不需要任何配置。macOS 26.2 也可以直接brew install --cask exo装菜单栏应用从源码跑则还要装 Rust nightly 和 macmon 的指定 forkREADME 里写了完整步骤。模型首次使用会下载到~/.exo/modelsmacOS或~/.local/share/exo/modelsLinux想放到外置盘或 NFS 上用环境变量EXO_MODELS_DIRS指定有空间的目录。dashboard 本身分聊天、下载、traces 几个页面节点变化时 master 会重新选举期间 API 会短暂无响应看到偶发超时先确认是不是有节点刚掉线。用着会踩的坑 ⚠️如果你发现节点没被识别先检查两台机器是否同一局域网、52413发现和 52414通信端口有没有被防火墙挡掉同一网络里跑多个 exo 集群时改启动参数--namespace隔离不同 namespace 的节点互不连接。RDMA over Thunderbolt 5 是可选特性需要 macOS 26.2进恢复模式执行rdma_ctl enable集群内所有节点要用 TB5 线缆两两直连全互联各设备系统版本必须完全一致beta 号都得相同Mac Studio 上不能用以太网口旁边那个 TB5 口。条件凑不齐就先用普通局域网跑得起来只是没有 99% 延迟降低。实例创建是异步的POST /instance之后服务端只回“命令已接收”要等/instance/await返回 ready 再发推理请求否则会拿到超时。排障时日志在~/.cache/exo/exo_log/先看那里再看网络。它适合谁 / 不适合谁有两台以上 Apple Silicon 设备、想把大参数开源模型跑在本地的人这个方案的价值很直接兼容 4 种 API 格式现有 OpenAI、Claude、Ollama 客户端把 base URL 指到localhost:52415就能用已有脚本不用改。只有一台机器的人分布式推理没有意义单机场景下它等价于一个本地推理框架想搭高并发线上服务也不合适它是少数并发流下的本地工具不是生产 serving 平台。Linux 端目前只跑 CPUGPU 支持还在开发集群全是 Linux 机器的话先降低预期。下一步可以翻 docs/api.md 的端点清单用/instance/previews在加载前预览一个模型会被切到哪几台机器再去仓库 issues 里看看社区正在调的切分参数真实硬件组合的答案大多在那里。【免费下载链接】exoRun frontier AI locally.项目地址: https://gitcode.com/GitHub_Trending/exo8/exo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 235B 模型塞不进一台 Mac：exo 分布式推理的多机切分方案
235B 模型塞不进一台 Macexo 分布式推理的多机切分方案【免费下载链接】exoRun frontier AI locally.项目地址: https://gitcode.com/GitHub_Trending/exo8/exoexo 是一个本地 AI 集群项目在每台 Mac 上装好它设备会在局域网内自动发现彼此把单机装不下的模型切到所有节点上跑推理并对外提供 OpenAI、Claude、Ollama 兼容的 API。这篇文章讲清它的发现与切分机制以及怎么真正跑起来。为什么一台机器不够本地推理的瓶颈通常不是算力而是内存。Qwen3-235B 8-bit 权重大于 200GBDeepSeek v3.1 671B 更是超过 600GB一台 512GB 的 Mac Studio 也装不下MacBook Pro 就更别提了。常规替代方案是租云端 GPU 或者换小模型前者贵后者妥协。exo 的定位是把同一个模型切到多台 Apple Silicon 设备上每台机器负责一部分权重机器越多能跑的模型越大——官方集群用 4 台 Mac Studio 同时跑起了 DeepSeek v3.1 671B 和 Kimi K2 Thinking下面这张就是其中的基准测试画面。自动发现与模型切分是怎么运作的 ⚡同网段的节点启动后自动互相发现并选举出一个 master 节点由它维护一张拓扑图设备是节点连接是边边可以是局域网 socket 或 Thunderbolt 5 上的 RDMA远程直接内存访问绕过网络栈直接读写对端内存。加载模型时它先筛出总内存足够的节点环再按每台机器的可用内存占比分配层数——相当于把一条长流水线按每个人的工作量切段大内存机器分更多层。TB5 组网下还能切换张量并行一层被多台机器并行计算2 台设备约 1.8 倍加速不只是内存叠加。切分逻辑的核心在 src/exo/master/placement.py。3 条命令起一个集群前置依赖是 uv 和 node后者用来构建 dashboardgit clone https://gitcode.com/GitHub_Trending/exo8/exo cd exo/dashboard npm install npm run build cd .. uv run exodashboard 和 API 会在http://localhost:52415/起来。在第二台 Mac 上跑同样的命令同局域网下自动加入集群不需要任何配置。macOS 26.2 也可以直接brew install --cask exo装菜单栏应用从源码跑则还要装 Rust nightly 和 macmon 的指定 forkREADME 里写了完整步骤。模型首次使用会下载到~/.exo/modelsmacOS或~/.local/share/exo/modelsLinux想放到外置盘或 NFS 上用环境变量EXO_MODELS_DIRS指定有空间的目录。dashboard 本身分聊天、下载、traces 几个页面节点变化时 master 会重新选举期间 API 会短暂无响应看到偶发超时先确认是不是有节点刚掉线。用着会踩的坑 ⚠️如果你发现节点没被识别先检查两台机器是否同一局域网、52413发现和 52414通信端口有没有被防火墙挡掉同一网络里跑多个 exo 集群时改启动参数--namespace隔离不同 namespace 的节点互不连接。RDMA over Thunderbolt 5 是可选特性需要 macOS 26.2进恢复模式执行rdma_ctl enable集群内所有节点要用 TB5 线缆两两直连全互联各设备系统版本必须完全一致beta 号都得相同Mac Studio 上不能用以太网口旁边那个 TB5 口。条件凑不齐就先用普通局域网跑得起来只是没有 99% 延迟降低。实例创建是异步的POST /instance之后服务端只回“命令已接收”要等/instance/await返回 ready 再发推理请求否则会拿到超时。排障时日志在~/.cache/exo/exo_log/先看那里再看网络。它适合谁 / 不适合谁有两台以上 Apple Silicon 设备、想把大参数开源模型跑在本地的人这个方案的价值很直接兼容 4 种 API 格式现有 OpenAI、Claude、Ollama 客户端把 base URL 指到localhost:52415就能用已有脚本不用改。只有一台机器的人分布式推理没有意义单机场景下它等价于一个本地推理框架想搭高并发线上服务也不合适它是少数并发流下的本地工具不是生产 serving 平台。Linux 端目前只跑 CPUGPU 支持还在开发集群全是 Linux 机器的话先降低预期。下一步可以翻 docs/api.md 的端点清单用/instance/previews在加载前预览一个模型会被切到哪几台机器再去仓库 issues 里看看社区正在调的切分参数真实硬件组合的答案大多在那里。【免费下载链接】exoRun frontier AI locally.项目地址: https://gitcode.com/GitHub_Trending/exo8/exo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考