关于这次测试的环境和测试项目
具体硬件配置：
14-inch MacBook Pro (2026)
Apple M5 Max
CPU 18-core (6 super cores + 12 performance cores)
GPU 40-core
Neural Engine 16-core
Unified memory 128 GB (LPDDR5X, 9600 MT/s, 153.6 GB/s bandwidth)
Storage 2 TB SSD

测试模型：
unsloth/Qwen3.6-35B-A3B-UD-MLX-4bit
mlx-community/Qwen3.6-27B-OptiQ-4bit
mlx-community/DeepSeek-V4-Flash-2bit-DQ

平台使用omlx，应该是mac上最好上手且速度不错的平台了。

oMLX模型配置：
128k 上下文
Turbo Quant KV cache：8bit
Thinking On
其他默认或关闭

测试目标：
测试三个不同模型在相同m5 max上的具体速度，智力，和可用性。
这里因为经验有限，没有用专业的测试软件，完全由我个人体验评估，希望体谅。

测试方式：
Hermes上配置好模型，跑一段computer use的任务，记录任务完成过程和结果，记录omlx上的平均值。

直接上结果：
unsloth/Qwen3.6-35B-A3B-UD-MLX-4bit

PP：963.7tk/s
TG：50.8tk/s

个人评价：
速度：极快（速度超过cloud模型）
智力：中上
agent 能力：可用
综合评价：适合所有场景，无明显短板，更适合跟agent一起干活的场景。

mlx-community/Qwen3.6-27B-OptiQ-4bit

PP：254.4tk/s
TG：17.1tk/s

个人评价：
速度：略慢
智力：中上（强于35B A3B，不明显）
agent 能力：可用
综合评价：适合大多场景，更适合无人的自动化agent workflow场景。

mlx-community/DeepSeek-V4-Flash-2bit-DQ

PP：270tk/s
TG：35tk/s

个人评价：
速度：中
智力：差（应该是2bit量化降智严重）
agent 能力：别想了
综合评价：虽然测试上 deepseek v4 flash 2bit没有成功，但是值得关注的点是，假设 v4 flash 4bit 量化下其实速度上是跟千问27B差不多的，只是内存吃不下所有的expert同时加载。如果可以把大部分的expert留在SSD上只加载激活的expert的话，应该是可以跑出超越QWEN 3.6 27B的效果，希望后续可以继续测试。