Hugging Face lança ferramenta que converte modelos de IA para rodar em chips da Apple
Nova funcionalidade automatiza a adaptação de modelos do Transformers para o formato MLX, permitindo que rodem de forma otimizada em Macs e iPhones.
A Hugging Face (plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados) lançou uma ferramenta que simplifica radicalmente o processo de adaptar modelos de inteligência artificial para rodar em dispositivos da Apple. Segundo informou a empresa em seu blog oficial, agora basta um comando para converter automaticamente qualquer modelo da biblioteca Transformers (o conjunto de ferramentas mais usado para trabalhar com modelos de linguagem) para o formato MLX — a tecnologia proprietária da Apple para executar IA de forma eficiente em seus chips M1, M2, M3 e similares.
Antes dessa atualização, quem quisesse rodar um modelo de IA localmente em um Mac ou iPad precisava fazer a conversão manualmente, o que exigia conhecimento técnico e várias etapas. Agora, desenvolvedores podem usar o comando transformers-cli to-mlx e a biblioteca se encarrega de tudo: converte os pesos do modelo (os números que definem como a IA funciona), ajusta a estrutura para o formato esperado pelo MLX e até publica o resultado diretamente no Hugging Face Hub, pronto para ser baixado por outras pessoas.
A iniciativa tem um apelo claro para quem prefere rodar modelos de IA sem depender da nuvem — seja por privacidade, custo ou simplesmente para testar algo rapidamente no próprio computador. Dispositivos com chips Apple Silicon (como os MacBooks com processadores da série M) têm ganhado espaço entre desenvolvedores de IA justamente por conseguirem executar modelos menores de forma rápida, sem precisar de uma GPU externa cara.
A Hugging Face destacou que a ferramenta também facilita o compartilhamento: modelos convertidos podem ser publicados com um único comando adicional, permitindo que outros usuários os encontrem e usem sem repetir o processo de conversão. A empresa está expandindo o suporte a diferentes arquiteturas de modelos, incluindo Llama, Qwen e Gemma (famílias populares de modelos de linguagem de pesos abertos, ou seja, cujos detalhes técnicos são públicos). Segundo a postagem, a compatibilidade com o formato GGUF (um padrão de compressão que reduz o tamanho dos modelos para facilitar o uso local) também está nos planos.
