Exo 分布式推理4 台 Mac 跑出 31.9 t/s 的 235B 集群【免费下载链接】exoRun frontier AI locally.项目地址: https://gitcode.com/GitHub_Trending/exo8/exo200B 参数的模型塞不进单台机器GPU 集群的采购成本又太高。Exo 做的事很简单把局域网里的 Mac 通过雷电接口连成一个分布式推理集群RDMA over Thunderbolt 让加机器真的能变快而不是只解决装不下的问题。它到底能做什么 自动发现局域网里的机器每台跑着 exo 的机器会自动互相发现、自动组网不需要填 IP 或改配置。实测启动后 dashboard 直接列出同网段节点连--no-worker参数都能让一台只有网线的机器充当纯协调节点只做网络与编排、不跑推理。 用雷电 5 把 4 台 Mac 连成一个推理节点这是 exo 分布式推理最有辨识度的部分RDMA over Thunderbolt 5官方口径是设备间延迟降低 99%。代价是门槛不低macOS 26.2 及以上、TB5 线缆、节点间要全连接4 台就是 6 根线且所有机器系统版本必须逐字符一致。 跨设备切分模型不用手动配Exo 基于实时拓扑视图自己决定模型怎么切链路的延迟和带宽都会进决策。底层是流水线并行或张量并行MLX distributed 实现你只需要在 dashboard 里点一下或者调/instance/previews看它给出的所有合法放置方案再 POST 创建。 现有 OpenAI / Ollama 客户端改 base URL 就能接/v1/chat/completions、/v1/messages、/v1/responses和 Ollama 接口全部兼容流式输出、取消断连或调/v1/cancel/{command_id}都有。团队里已有的工具链不用重写换个地址就能打到 Mac 集群上。从零到跑通四步按顺序来git clone https://gitcode.com/GitHub_Trending/exo8/exo cd exo/dashboard npm install npm run build uv run exo curl http://localhost:52415/state克隆前需要装好uv、node和 Rust nightly构建 Rust 绑定用。第三步启动后浏览器打开http://localhost:52415应能看到设备列表第四步拉/state返回的 JSON 里有节点拓扑和实例状态说明分布式推理集群已就位。不想从源码跑的macOS 上直接brew install --cask exo装官方应用它会引导你装系统网络配置。性能实测以下是 Jeff Geerling 在 4 × M3 Ultra Mac Studio512GB上的实测仓库 README 收录的官方数据模型硬件配置ExoRDMA对比基线llama.cpp TCP提升Qwen3-235B A22B1 / 2 / 4 节点20.4 / 26.2 / 31.9 t/s20.4 / 17.2 / 15.2 t/s4 节点 56%DeepSeek V3.1 671B1 / 2 / 4 节点21.1 / 27.8 / 32.5 t/s14.8 / 16.0 / 14.6 t/s4 节点 123%Kimi K2 Thinking 1T2 / 4 节点21.6 / 28.3 t/s18.5 / 16.4 t/s4 节点 73%跑完这三组数据最值得看的是趋势方向llama.cpp 走 TCP 时节点越多反而越慢17.2 → 15.2 t/sExo 走 RDMA 则是单调上涨。README 给的张量并行加速比是 2 机 1.8 倍、4 机 3.2 倍和 235B 这组20.4 → 31.9基本对得上。前提是 TB5 全网直连、OS 版本一致、RDMA 已启用——缺一条就退回普通 TCP 路径多机扩展会明显变差别指望线性加速。进阶配置与调优RDMA 开关不开则上面所有加速比不成立。关机进恢复模式终端执行rdma_ctl enable重启即生效。调完 exo 会自动接管注意 Mac Studio 以太网口旁那个 TB5 口不可用。模型目录EXO_MODELS_DIRS/EXO_MODELS_READ_ONLY_DIRS默认下模型只落在本机~/.local/share/exo/models大模型集群里磁盘总是不够。EXO_MODELS_READ_ONLY_DIRS/mnt/nfs/models uv run exo EXO_MODELS_DIRS/Volumes/ExternalSSD uv run exo只读目录指向 NFS 共享盘各节点免重复下载写目录可配多个按顺序选第一个空间够的。集群命名空间EXO_LIBP2P_NAMESPACE同一网络里跑多套 exo 时会互相发现、误组网。EXO_LIBP2P_NAMESPACEprod-cluster uv run exo给每个集群一个命名空间启动日志会打印当前值方便排查为什么我的节点连进了别人的集群。生产环境落地监控与可观测性每节点都暴露 API。GET /state拉取拓扑、节点与实例全貌是写监控脚本的起点/events给内部事件流用于排障/bench/chat/completions额外返回prompt_tps、generation_tps、峰值内存和分相功耗完整端点清单见 docs/api.md 与 src/exo/master/api.py。故障与容错推理跑在独立 Runner 进程里由 supervisor 看门——Runner 挂掉只影响对应实例不会拖垮节点上的其他服务。Master 无中心节点掉线后选举src/exo/shared/election.py默认 3 秒超时会选出新主节点继续服务。扩展与限制基准默认节点数上限是 4更大集群未验证RDMA 要求 TB5 全连接且 OS 版本逐字符一致Linux 目前是 CPU 推理GPU 支持还在开发中这条路没通之前生产部署基本锁死在 Apple Silicon。适合谁、不适合谁值得试手上已有 34 台带 TB5 的 MacM3 Ultra / M4 Max 系列想本地跑 200B 参数模型现有 OpenAI / Ollama 客户端不想大改想把后端切到本地 Mac 集群需要把模型权重放共享存储、多节点复用同一份下载先别上依赖 CUDA GPU 集群Linux 侧目前还是 CPU 推理这条路没通之前别选它模型小于 30B单台机器就装得下多机的部署和运维成本不划算如果你正好有几台 Mac Studio 吃灰按上面四步走一个下午就能把 235B 跑起来。【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 Exo 分布式推理：4 台 Mac 跑出 31.9 t/s 的 235B 集群
Exo 分布式推理4 台 Mac 跑出 31.9 t/s 的 235B 集群【免费下载链接】exoRun frontier AI locally.项目地址: https://gitcode.com/GitHub_Trending/exo8/exo200B 参数的模型塞不进单台机器GPU 集群的采购成本又太高。Exo 做的事很简单把局域网里的 Mac 通过雷电接口连成一个分布式推理集群RDMA over Thunderbolt 让加机器真的能变快而不是只解决装不下的问题。它到底能做什么 自动发现局域网里的机器每台跑着 exo 的机器会自动互相发现、自动组网不需要填 IP 或改配置。实测启动后 dashboard 直接列出同网段节点连--no-worker参数都能让一台只有网线的机器充当纯协调节点只做网络与编排、不跑推理。 用雷电 5 把 4 台 Mac 连成一个推理节点这是 exo 分布式推理最有辨识度的部分RDMA over Thunderbolt 5官方口径是设备间延迟降低 99%。代价是门槛不低macOS 26.2 及以上、TB5 线缆、节点间要全连接4 台就是 6 根线且所有机器系统版本必须逐字符一致。 跨设备切分模型不用手动配Exo 基于实时拓扑视图自己决定模型怎么切链路的延迟和带宽都会进决策。底层是流水线并行或张量并行MLX distributed 实现你只需要在 dashboard 里点一下或者调/instance/previews看它给出的所有合法放置方案再 POST 创建。 现有 OpenAI / Ollama 客户端改 base URL 就能接/v1/chat/completions、/v1/messages、/v1/responses和 Ollama 接口全部兼容流式输出、取消断连或调/v1/cancel/{command_id}都有。团队里已有的工具链不用重写换个地址就能打到 Mac 集群上。从零到跑通四步按顺序来git clone https://gitcode.com/GitHub_Trending/exo8/exo cd exo/dashboard npm install npm run build uv run exo curl http://localhost:52415/state克隆前需要装好uv、node和 Rust nightly构建 Rust 绑定用。第三步启动后浏览器打开http://localhost:52415应能看到设备列表第四步拉/state返回的 JSON 里有节点拓扑和实例状态说明分布式推理集群已就位。不想从源码跑的macOS 上直接brew install --cask exo装官方应用它会引导你装系统网络配置。性能实测以下是 Jeff Geerling 在 4 × M3 Ultra Mac Studio512GB上的实测仓库 README 收录的官方数据模型硬件配置ExoRDMA对比基线llama.cpp TCP提升Qwen3-235B A22B1 / 2 / 4 节点20.4 / 26.2 / 31.9 t/s20.4 / 17.2 / 15.2 t/s4 节点 56%DeepSeek V3.1 671B1 / 2 / 4 节点21.1 / 27.8 / 32.5 t/s14.8 / 16.0 / 14.6 t/s4 节点 123%Kimi K2 Thinking 1T2 / 4 节点21.6 / 28.3 t/s18.5 / 16.4 t/s4 节点 73%跑完这三组数据最值得看的是趋势方向llama.cpp 走 TCP 时节点越多反而越慢17.2 → 15.2 t/sExo 走 RDMA 则是单调上涨。README 给的张量并行加速比是 2 机 1.8 倍、4 机 3.2 倍和 235B 这组20.4 → 31.9基本对得上。前提是 TB5 全网直连、OS 版本一致、RDMA 已启用——缺一条就退回普通 TCP 路径多机扩展会明显变差别指望线性加速。进阶配置与调优RDMA 开关不开则上面所有加速比不成立。关机进恢复模式终端执行rdma_ctl enable重启即生效。调完 exo 会自动接管注意 Mac Studio 以太网口旁那个 TB5 口不可用。模型目录EXO_MODELS_DIRS/EXO_MODELS_READ_ONLY_DIRS默认下模型只落在本机~/.local/share/exo/models大模型集群里磁盘总是不够。EXO_MODELS_READ_ONLY_DIRS/mnt/nfs/models uv run exo EXO_MODELS_DIRS/Volumes/ExternalSSD uv run exo只读目录指向 NFS 共享盘各节点免重复下载写目录可配多个按顺序选第一个空间够的。集群命名空间EXO_LIBP2P_NAMESPACE同一网络里跑多套 exo 时会互相发现、误组网。EXO_LIBP2P_NAMESPACEprod-cluster uv run exo给每个集群一个命名空间启动日志会打印当前值方便排查为什么我的节点连进了别人的集群。生产环境落地监控与可观测性每节点都暴露 API。GET /state拉取拓扑、节点与实例全貌是写监控脚本的起点/events给内部事件流用于排障/bench/chat/completions额外返回prompt_tps、generation_tps、峰值内存和分相功耗完整端点清单见 docs/api.md 与 src/exo/master/api.py。故障与容错推理跑在独立 Runner 进程里由 supervisor 看门——Runner 挂掉只影响对应实例不会拖垮节点上的其他服务。Master 无中心节点掉线后选举src/exo/shared/election.py默认 3 秒超时会选出新主节点继续服务。扩展与限制基准默认节点数上限是 4更大集群未验证RDMA 要求 TB5 全连接且 OS 版本逐字符一致Linux 目前是 CPU 推理GPU 支持还在开发中这条路没通之前生产部署基本锁死在 Apple Silicon。适合谁、不适合谁值得试手上已有 34 台带 TB5 的 MacM3 Ultra / M4 Max 系列想本地跑 200B 参数模型现有 OpenAI / Ollama 客户端不想大改想把后端切到本地 Mac 集群需要把模型权重放共享存储、多节点复用同一份下载先别上依赖 CUDA GPU 集群Linux 侧目前还是 CPU 推理这条路没通之前别选它模型小于 30B单台机器就装得下多机的部署和运维成本不划算如果你正好有几台 Mac Studio 吃灰按上面四步走一个下午就能把 235B 跑起来。【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