Nativ: запуск AI-моделей локально на Mac через MLX, альтернатива LM Studio

Le développeur Prince Canuma a publié Nativ le 21 juillet 2026 — une application de bureau pour macOS qui exécute des modèles d'IA localement au-dessus du framework MLX d'Apple et offre à l'utilisateur, d'emblée, à la fois une interface de chat et un serveur API en localhost.

Qu'est-ce que Nativ

Nativ est une surcouche autour de MLX, packagée en une application de bureau complète pour macOS. Son auteur, Prince Canuma, est connu comme le développeur de la bibliothèque Python MLX-VLM pour exécuter des modèles vision-langage (traitant simultanément texte et images) sur Mac via MLX. Nativ transpose cette logique de la ligne de commande vers une interface de bureau : le modèle fonctionne entièrement sur l'appareil, sans passer par le cloud.

MLX est le framework open source d'Apple pour le machine learning, optimisé pour les puces Apple Silicon (série M). Il utilise la mémoire unifiée du Mac et permet d'exécuter des modèles de langage et multimodaux directement sur l'ordinateur portable, sans carte graphique dédiée.

• Date de sortie — 21 juillet 2026
• Auteur — Prince Canuma, développeur de la bibliothèque MLX-VLM
• Base — le framework MLX d'Apple (pour Apple Silicon)
• Format — application de bureau pour macOS
• Fonctions — interface de chat plus serveur API en localhost

En quoi cela ressemble à LM Studio

Par sa forme, Nativ se rapproche de LM Studio — l'application populaire pour exécuter des LLM localement. Comme LM Studio, Nativ propose deux façons de travailler avec le modèle : un chat graphique pour un dialogue classique et un serveur API local en localhost, auquel on peut connecter ses propres scripts et applications.

Le serveur API local est un détail clé pour les développeurs : il permet d'intégrer le modèle sur Mac dans son propre code de la même manière qu'on ferait normalement appel à une API cloud, mais sans passer par internet et sans payer pour chaque requête. Simon Willison a par ailleurs relevé un petit détail agréable : l'application a automatiquement récupéré les modèles MLX déjà présents dans son cache Hugging Face — il n'a pas eu besoin de les retélécharger.

« Je suis vraiment enthousiaste à propos de son nouveau projet.

L'application a récupéré les modèles MLX que j'avais déjà essayés et qui se trouvaient dans mon cache Hugging Face — un détail agréable », — Simon Willison, développeur et auteur du blog simonwillison.net.

Pourquoi l'exécution locale compte

Exécuter des modèles localement signifie que les données ne quittent jamais l'appareil : les prompts et les réponses ne partent pas vers des serveurs tiers. Pour les Mac équipés de puces Apple Silicon et d'une grande quantité de mémoire unifiée, cela est devenu réaliste — des modèles de taille moyenne fonctionnent directement sur l'ordinateur portable, sans GPU loués.

Cette approche supprime deux dépendances : le paiement des tokens d'API cloud et la nécessité d'une connexion internet permanente. Pour les données privées, les scénarios hors ligne et les expérimentations, c'est une différence notable. Nativ y ajoute une faible barrière à l'entrée — au lieu de travailler en ligne de commande, l'utilisateur obtient une application familière, avec des boutons et une fenêtre de chat.

Ce que cela signifie

Les outils d'exécution locale de l'IA sortent du cadre de la ligne de commande : Nativ fait pour l'écosystème Apple MLX à peu près ce que LM Studio a fait pour le marché en général — il transforme l'exécution d'un modèle sur son propre Mac en une tâche de quelques clics.