Historial de revisiones.
SGLang 0.5.22 permite usar PyTorch en Mac, con límites distintos de MLX
Conservamos las versiones del texto y mostramos qué campos cambiaron. La fecha de registro indica cuándo se guardó cada versión; la fecha original de la noticia se mantiene por separado.
El «Punto de partida» recoge el estado que existía al iniciar este historial. No reconstruye cambios anteriores sin evidencia. Las comprobaciones sin cambios y las sustituciones de audio no crean una versión editorial.
2 versiones registradas · Fechas y horas de Canarias.
Revisión editorial
Qué cambió: Categoría · Nota de verificación.
Consultar el texto de esta versión
Categoría: Programación · Sección: Desarrollo
Fecha de la noticia:
Contexto del titular: SGLang sirve modelos a otras aplicaciones; en Mac puede utilizar motores diferentes para aprovechar la GPU de Apple.
SGLang 0.5.22 permite usar PyTorch en Mac, con límites distintos de MLX
La versión incorpora la ruta estándar de PyTorch sobre MPS en Apple silicon y exige Python 3.11 o posterior. Esa ruta todavía excluye pesos cuantizados, modelos multimodales y varias opciones avanzadas.
Resumen: Otra ruta de ejecución en Mac, con un alcance explícito.
Por qué importa: Facilita desarrollar y comprobar integraciones del servidor principal de SGLang desde Apple silicon.
SGLang 0.5.22 añade la ejecución en Apple silicon mediante el motor estándar de PyTorch, además de la ruta MLX existente. La versión requiere Python 3.11 o posterior. Interesa a desarrolladores que quieren trabajar con el planificador y el ejecutor principal del servidor desde un Mac.
La integración MPS calcula la capacidad con el presupuesto recomendado por Metal, en lugar de asumir que toda la memoria física está disponible para la GPU. El cambio conserva la ruta MLX y rechaza de antemano configuraciones no admitidas: entre ellas, pesos cuantizados, multimodalidad y decodificación especulativa en la ruta estándar MPS.
La compatibilidad debe evaluarse por motor y modelo. Esta incorporación no significa que cualquier checkpoint utilizado con MLX funcione también en PyTorch, ni acredita mayor velocidad. Antes de trasladar un servicio, comprueba la versión efectiva, las restricciones y una muestra de respuestas de tu tarea.
A tener en cuenta: No se ha instalado ni medido aquí. Los límites descritos corresponden a la ruta estándar MPS, no a una retirada de funciones de MLX.
Imagen asociada: Mac mini con chip M4 fotografiado sobre una mesa de madera · Mac mini M4 fotografiado el 9 de noviembre de 2024 por Seasider53. Ilustra la plataforma Apple silicon; no es el equipo utilizado en las pruebas del cambio de SGLang. · Seasider53 / Wikimedia Commons · CC BY 4.0
Estado en esta versión: Contrastada con fuentes. Corrección (2026-10-21): Clasificación en Programación para que la noticia aparezca en Desarrollo. Se conservan texto, fecha y narración.
Herramientas relacionadas: sglang, pytorch
Fuentes conservadas
Claves de contexto conservadas
- La memoria física no es todo el presupuesto de la GPU
- El sistema y otros procesos comparten memoria con el cálculo del modelo. La integración consulta el presupuesto recomendado por Metal antes de dimensionar sus reservas, por lo que no conviene interpretar la RAM instalada como capacidad íntegra para pesos y contexto.
- Identificar la ruta que realmente falla
- Una opción admitida en MLX puede no estarlo en el ejecutor estándar MPS. En una incidencia, registrar motor, versión, modelo y opciones ayuda a distinguir una restricción documentada de un fallo nuevo.
Glosario conservado
- SGLang
- Servidor y entorno de inferencia para integrar modelos de lenguaje y multimodales en aplicaciones.
- MPS
- Backend de PyTorch que utiliza Metal para ejecutar operaciones en la GPU de equipos Apple compatibles.
- MLX
- Entorno de cálculo de Apple para aprendizaje automático; SGLang mantiene una ruta propia basada en él.
- Checkpoint
- Conjunto de pesos y configuración de un modelo; su arquitectura y formato condicionan el motor que puede cargarlo.
Primera publicación registrada
Primer estado conservado en este historial.
Consultar el texto de esta versión
Categoría: Desarrollo · Sección: Desarrollo
Fecha de la noticia:
Contexto del titular: SGLang sirve modelos a otras aplicaciones; en Mac puede utilizar motores diferentes para aprovechar la GPU de Apple.
SGLang 0.5.22 permite usar PyTorch en Mac, con límites distintos de MLX
La versión incorpora la ruta estándar de PyTorch sobre MPS en Apple silicon y exige Python 3.11 o posterior. Esa ruta todavía excluye pesos cuantizados, modelos multimodales y varias opciones avanzadas.
Resumen: Otra ruta de ejecución en Mac, con un alcance explícito.
Por qué importa: Facilita desarrollar y comprobar integraciones del servidor principal de SGLang desde Apple silicon.
SGLang 0.5.22 añade la ejecución en Apple silicon mediante el motor estándar de PyTorch, además de la ruta MLX existente. La versión requiere Python 3.11 o posterior. Interesa a desarrolladores que quieren trabajar con el planificador y el ejecutor principal del servidor desde un Mac.
La integración MPS calcula la capacidad con el presupuesto recomendado por Metal, en lugar de asumir que toda la memoria física está disponible para la GPU. El cambio conserva la ruta MLX y rechaza de antemano configuraciones no admitidas: entre ellas, pesos cuantizados, multimodalidad y decodificación especulativa en la ruta estándar MPS.
La compatibilidad debe evaluarse por motor y modelo. Esta incorporación no significa que cualquier checkpoint utilizado con MLX funcione también en PyTorch, ni acredita mayor velocidad. Antes de trasladar un servicio, comprueba la versión efectiva, las restricciones y una muestra de respuestas de tu tarea.
A tener en cuenta: No se ha instalado ni medido aquí. Los límites descritos corresponden a la ruta estándar MPS, no a una retirada de funciones de MLX.
Imagen asociada: Mac mini con chip M4 fotografiado sobre una mesa de madera · Mac mini M4 fotografiado el 9 de noviembre de 2024 por Seasider53. Ilustra la plataforma Apple silicon; no es el equipo utilizado en las pruebas del cambio de SGLang. · Seasider53 / Wikimedia Commons · CC BY 4.0
Estado en esta versión: Contrastada con fuentes.
Herramientas relacionadas: sglang, pytorch
Fuentes conservadas
Claves de contexto conservadas
- La memoria física no es todo el presupuesto de la GPU
- El sistema y otros procesos comparten memoria con el cálculo del modelo. La integración consulta el presupuesto recomendado por Metal antes de dimensionar sus reservas, por lo que no conviene interpretar la RAM instalada como capacidad íntegra para pesos y contexto.
- Identificar la ruta que realmente falla
- Una opción admitida en MLX puede no estarlo en el ejecutor estándar MPS. En una incidencia, registrar motor, versión, modelo y opciones ayuda a distinguir una restricción documentada de un fallo nuevo.
Glosario conservado
- SGLang
- Servidor y entorno de inferencia para integrar modelos de lenguaje y multimodales en aplicaciones.
- MPS
- Backend de PyTorch que utiliza Metal para ejecutar operaciones en la GPU de equipos Apple compatibles.
- MLX
- Entorno de cálculo de Apple para aprendizaje automático; SGLang mantiene una ruta propia basada en él.
- Checkpoint
- Conjunto de pesos y configuración de un modelo; su arquitectura y formato condicionan el motor que puede cargarlo.
Consultar la noticia vigente. Las versiones anteriores documentan la evolución editorial y pueden contener información corregida posteriormente.