MPS dans PyTorch 2.15
PyTorch 2.15 ajoute la prise en charge des tenseurs FP8 sur les Mac Apple silicon et accélère le décodage des modèles de langage, surtout pour les mélanges d'experts, avec davantage d'algèbre linéaire sur GPU et d'opérations sur des noyaux Metal dédiés. Elle exige macOS 15 et Python 3.11 ou plus récents ; la 2.16 exécutera l'attention entièrement sur Metal.
Ce que dit l'article
Dans un billet du 20 octobre 2026, l'équipe PyTorch de Hugging Face présente les progrès du backend MPS, qui exécute PyTorch sur les GPU des Mac Apple Silicon, avec la version 2.15 (encore en release candidate). Elle teste de vrais modèles du Hub, corrige les problèmes en amont et remplace de plus en plus MPSGraph par des noyaux Metal dédiés.
Parmi les nouveautés : la prise en charge du FP8 avec F.scaled_mm, un décodage des LLM plus rapide (couches MoE jusqu'à 5 à 6,5 fois plus rapides qu'en 2.14, softmax environ 8 fois plus rapide), des opérations d'algèbre linéaire et de convolution ajoutées, et des streams MPS contrôlables depuis Python. Sur un M3 Ultra, Qwen3.6-35B-A3B passe de 9,4 à 61,3 tokens/s. Le décodage VAE de Wan2.2 tient dans environ 8 Gio au lieu de plus de 270 Gio, et un bug corrompant des images dans ComfyUI est corrigé. Il faut macOS 15 et Python 3.11 au minimum ; ces mesures sont celles de l'équipe.
Lire l'article officiel Fiche AnnuIA
Résumé rédigé par AnnuIA avec ses propres mots, d'après la page officielle de Hugging Face. Le contenu et les droits appartiennent à l'éditeur : consultez l'article d'origine.