31. marzo 2026 · Ars Technica
Avere un'intelligenza artificiale potente che gira direttamente sul proprio computer, garantendo massima privacy e zero dipendenza dal cloud, non è più una prerogativa per soli addetti ai lavori. Un passo decisivo in questa direzione arriva da Ollama, uno dei software più popolari per eseguire modelli linguistici di grandi dimensioni (LLM) in locale. Gli sviluppatori hanno infatti annunciato il supporto ufficiale a MLX, il framework open source ideato da Apple per ottimizzare le operazioni di machine learning sui propri dispositivi.
Per i possessori di Mac dotati di processori Apple Silicon (dalla serie M1 in poi), questa novità si traduce in un drastico aumento delle prestazioni. L'integrazione con MLX, unita a un sistema di caching profondamente rinnovato, permette all'hardware di gestire i calcoli dell'IA in modo molto più fluido. Inoltre, l'aggiornamento introduce il supporto al formato NVFP4 di Nvidia per la compressione dei modelli: in parole povere, l'intelligenza artificiale richiederà molta meno memoria RAM per funzionare, risultando non solo più veloce, ma anche decisamente più "leggera" per il sistema operativo.
Questo potenziamento tecnologico arriva con un tempismo perfetto. L'intelligenza artificiale eseguita in locale sta infatti vivendo un momento d'oro, uscendo dai laboratori dei ricercatori per conquistare il grande pubblico. L'emblema di questa rivoluzione è il recente fenomeno OpenClaw, un modello open source che ha letteralmente spopolato su GitHub superando le 300.000 stelle di gradimento. Tra esperimenti virali come Moltbook e un'adozione di massa (particolarmente fervente in Cina), la corsa all'IA "fatta in casa" è ufficialmente iniziata. E da oggi, per gli utenti Mac, correre è diventato molto più facile.
Ollama, a runtime system for operating large language models on a local computer, has introduced support for Apple’s open source MLX framework for machine learning. Additionally, Ollama says it has improved caching performance and now supports Nvidia’s NVFP4 format for model compression, making for much more efficient memory usage in certain models.
Combined, these developments promise significantly improved performance on Macs with Apple Silicon chips (M1 or later)—and the timing couldn’t be better, as local models are starting to gain steam in ways they haven’t before outside researcher and hobbyist communities. The recent runaway success of OpenClaw—which raced its way to over 300,000 stars on GitHub , made headlines with experiments like Moltbook and became an obsession in China in particular —has many people experimenting with running models on their machines. As developers get frustrated with rate limits and the high cost of top-tier subscriptions to tools like Claude Code or ChatGPT Codex, experimentation with local coding models has heated up.
(Ollama also expanded Visual Studio Code integration recently.) The new support is available in preview (in Ollama 0.19) and currently supports only one model—the 35 billion-parameter variant of Alibaba’s Qwen3.5 . Hardware requirements are intense by normal users’ standards. Users need an Apple Silicon-equipped Mac, sure, but they also need at least 32GB of RAM, according to Ollama’s announcement .
Further, Ollama now takes advantage of the new Neural Accelerators in Apple’s M5-series GPUs, so those brand-new Macs should see extra advantages in both tokens-per-second and time-to-token. Local models still lag behind frontier models in benchmarks, but we’re getting to the point that they’re good enough for some tasks users might normally pay a subscription for—and of course, there are privacy advantages to running models locally compared to cloud-based services, though we definitely do not recommend OpenClaw-like setups that give models deep access to your system. The main barriers remain setup (Ollama is first and foremost a command-line tool, though other interfaces have been made available) and hardware capabilities, especially video memory.
Apple’s MLX offers optimized access to the memory on Apple’s chips, which is shared between the GPU and CPU—a different approach from the desktop machines with dedicated GPUs that Ollama has targeted before. This by no means closes the gap between cloud models and local ones for most users, but it’s potentially a step in the right direction for modern Mac users. Ollama hasn’t shared a timeline for when MLX support will exit preview and branch out to more models.
