Hugging Face gründet dediziertes PyTorch/MPS-Team für Apple Silicon
Hugging Face hat ein dediziertes Engineering-Team gebildet, das sich auf die Unterstützung von PyTorch Metal Performance Shaders (MPS) für Apple Silicon (M1–M4) konzentriert. Erste Ergebnisse sind bereits ausgeliefert: torch.sort und torch.multinomial wurden als native MPS-Shader implementiert, das Laden von safetensors auf MPS ist 5× schneller. Nächster Meilenstein: flex attention auf MPS. Das erklärte Leistungsziel des Teams ist eine 100-fache Verbesserung gegenüber der Baseline-PyTorch-Performance auf Apple Silicon. Dies ist das erste institutionell organisierte Bekenntnis zu ernsthafter Apple-Silicon-Performance-Arbeit innerhalb der HuggingFace-Engineering-Organisation.
Warum das relevant ist
Apple Silicon (MacBook Pro, Mac Studio, Mac Pro) ist die dominierende Entwicklungshardware der KI-Builder-Community. Ernsthaftes MPS-Performance-Engineering beschleunigt direkt die lokalen Modellentwicklungs- und Evaluierungszyklen. In Kombination mit llama.cpps 100.000-Sterne-Meilenstein und Qwen3.6 27B, das auf dem MacBook Pro nahezu Opus-Qualität erreicht, signalisiert die Teamgründung bei HuggingFace eine koordinierte Ökosystem-Wette: Lokale KI auf Apple Silicon wird innerhalb von 12 Monaten zu einem maßgeblichen Deploymentziel.