MPS en PyTorch 2.15
PyTorch 2.15 añade tensores FP8 en Mac con Apple silicon y acelera la decodificación de modelos de lenguaje, sobre todo de mezcla de expertos, con más álgebra lineal en GPU y operaciones en kernels Metal dedicados. Requiere macOS 15 o posterior y Python 3.11 o posterior; la 2.16 ejecutará la atención por completo en Metal.
Qué dice el artículo
En una entrada del 20 de octubre de 2026, el equipo de PyTorch de Hugging Face presenta los avances del backend MPS, que ejecuta PyTorch en las GPU de los Mac con Apple Silicon, con la versión 2.15 (aún en release candidate). El equipo prueba modelos reales del Hub, corrige los problemas en origen y sustituye cada vez más MPSGraph por núcleos Metal dedicados.
Entre las novedades: compatibilidad con FP8 mediante F.scaled_mm, decodificación de LLM más rápida (capas MoE hasta 5 a 6,5 veces más rápidas que en 2.14, softmax unas 8 veces más rápido), nuevas operaciones de álgebra lineal y convolución, y streams MPS controlables desde Python. En un M3 Ultra, Qwen3.6-35B-A3B pasa de 9,4 a 61,3 tokens/s. La decodificación VAE de Wan2.2 cabe en unos 8 GiB en lugar de más de 270 GiB y se corrige un error que dañaba imágenes en ComfyUI. Se requiere macOS 15 y Python 3.11 como mínimo; las mediciones son del propio equipo.
Leer el artículo oficial Ficha AnnuIA
Resumen redactado por AnnuIA con sus propias palabras a partir de la página oficial de Hugging Face. El contenido y los derechos pertenecen al editor: consulte el artículo original.