9 月 17 日，一个叫 Splash 的新引擎加入战团。它面前已经站了三位先发选手：MTPLX、uzu，还有 Perplexity 家的 Lily。四家干的是同一件事：让 Qwen 在 Mac 上跑得飞快。

麻烦在于，这四家的跑分全是开发者自己测的：自己的 Mac、自己的提示词，数字根本对不到一张表上。官方给 Splash 的成绩是 M5 Max 上每秒写 144 个 token；有用户在同样型号的机器上跑早期版本，只拿到一半左右。都说自己最快，乱花渐欲迷人眼，这篇文章帮你把账算清楚。

猜词为什么能白赚速度

Splash 和 MTPLX 的提速路子是同一招：抢在前面多猜几个词。这招在代码上好使，放到平常写作上就差了口气，眼下流传的大部分跑分，也都是在代码任务上量出来的。

想吃到这波红利，得先明白 Mac 写一个词时时间花在哪。大头其实是把整个模型从内存里读出来这一步。一次读出模型，顺手核验五个猜出来的词，成本跟规规矩矩写一个词差不多。所以每猜对一个，就等于白捡一个词。

猜词还有个脾气：代码的可预测性远高于散文。变量名一定、括号一开，后面几个词闭着眼都能蒙个八九不离十。同一台 Mac 上，Splash 对代码的猜中率接近散文的三倍，写代码的速度也差不多翻了一倍。

可一旦连着猜错，核验本身也在烧时间，整台机器反而会比不猜还慢。Perplexity 就发现猜测把 Lily 拖慢了，干脆让 Lily 一猜不猜。

四家各自押了什么宝

Splash 围绕两款 Qwen 模型打造：3.8-27B 和 3.6-35B，各自配了专用的代码模型和猜词模型。用 LM Studio 的注意了，Splash 引擎也能塞进 LM Studio 里跑。

MTPLX 走官方路线，直接用 Qwen 自带的猜测机制，还会核验结果与不猜时一字不差。它能跑的模型也比 Splash 多。按它自己在一台 Mac 上的测试，速度跟 oMLX 打平。

oMLX 是为 Agent 而生的。历史对话它都替你存着，内存不够就落到 SSD，Agent 回头翻一场长会话，不用从头再读一遍。

uzu 同样能跑 Qwen 3.8；Lily 则完全不碰 Qwen。

Ollama 和 LM Studio 不押注任何单一模型，不过 Ollama 有个专门为 Mac 调过的 Qwen 3.8 构建。

上手 Splash：两条命令的事

Splash 挑机器：M3 芯片起步，系统 macOS 26.4 往上。装它用 Homebrew：

brew install incoai/tap/splash
splash serve --model unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_M

24GB 内存的 Mac 换小档，用
unsloth/Qwen3.8-27B-GGUF:UD-IQ3_XXS，同时只开日常应用。第一次启动要下载模型再做准备工作，得等上一阵；之后浏览器打开 127.0.0.1:8000 就有一个现成的聊天页，另开一个终端跑 splash claude，还能直接接进 Claude Code。

走 LM Studio 的话，先把 Bionic 应用升到 1.1.5 以上，Splash 引擎藏在设置、运行时的实验区里，模型选 incoai/Qwen3.8-27B-Splash。只是在 LM Studio 里推理档只能开或关（开就是 medium 档），想自己挑档位，就让 Splash 单独跑。

提醒一句：Splash 头 9 天连发 4 个版本，动手前先 brew upgrade 一遍再试。

同一台 Mac 上的三方对决

有人把 Splash、oMLX、Ollama 的 Qwen 3.8 构建请进同一台 64GB M4 Max，用同一组提示词从短到长跑了一遍。

大多数回合 Ollama 领先：短提示上它比另外两家略快；超长提示上它写到每秒 41 个 token，Splash 是 27。

Splash 的强项在起跑：面对没见过的提示，它最快开口。长提示再次回来时，三家都在两秒内出了声。

谁快谁慢，放到同一台机器上一跑便知，水落石出。

五分钟给自家 Mac 摸个底

这套对决你在家就能复刻一个缩小版，几分钟的事。注意一次只跑一个程序，Splash、oMLX、MTPLX 默认都占 8000 端口。

给每家喂同样两个提示：一段你手头真实的代码活，再加一段日常文字，比如一封邮件或一份摘要。下面的命令要求回复不超过 500 个 token，并打印实际写了多少：

time curl -s http://127.0.0.1:8000/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{"model": "MODEL", "max_tokens": 500,
       "messages": [{"role": "user", "content": "YOUR PROMPT"}]}' \
  | jq .usage.completion_tokens

拿打印出来的 token 数，除以 time 报的总秒数，就是每秒 token 数。Ollama 把端口换成 11434，LM Studio 换成 1234，模型名照各家界面上显示的填。

要是代码提示明显快过文字提示，说明猜词机制在替你干活。哪种提示你用得最多，就留下在它身上最快的那个。官方跑分写得再漂亮，纸上得来终觉浅，绝知此事要躬行，自己的活自己跑一遍才算数。

按内存对号入座

16GB 档：这几家都别惦记 27B 了。模型吃掉的内存跟机器总量差不多，这个档位换更小的模型更实际。

24GB 档：Splash 是唯一给了实测小档的，官方数字每秒 43 个 token（代码任务）；其他几家塞 27B 都挤。

36GB 往上：Splash、MTPLX、oMLX、Ollama 全都能跑。先用 Ollama 打底，同机测试里它最强；主力写代码，就在旁边再装个 Splash 比比；Agent 的会话长到内存装不下，换 oMLX。

至于 Qwen 那个大得多的 Flash-Next，96GB 内存起步，MTPLX、oMLX、Ollama 喂得动，Splash 喂不动。

不管你的 Mac 是哪个档，把装得下的引擎都过一遍两提示测试，留下在你最常干的活上跑得最快的那个。名头响不响不重要，合你手头的活计才是真本事。

原文链接：https://medium.com/@
anubhavgoyal101/three-mac-llm-engines-claim-to-be-the-fastest-splash-just-made-it-four-54e120d026ae