这两周Mac本地圈最热闹的事，不是哪张显卡降价，而是一个不花一分钱的软件升级。9月18日，LM Studio团队上线了Inco AI开发的Splash推理引擎，专门给Apple Silicon跑Qwen3.8-27B和Qwen3.6-35B-A3B这两个模型。 随后一条"M5 Max跑到144 tok/s"的推文全网飞，小红书上一片"买Mac吧"的声音，评论区里也有人泼冷水，说同一家公司、同一个模型，两个数字差了95%。知乎小红书
同一个27B，官方表里74，推文里144，博主实测26到118都有一一这篇就把这三层数字全部摊开，顺便告诉你：你的那台Mac到底该不该换引擎。
先说Splash是什么：不是通用引擎，是"围着两个模型打"的定制方案
大部分本地玩家现在跑27B，走的是Ollama或者LM Studio里的llama.cpp/MLX后端。Splash的思路完全不同：它只优化Qwen3.8-27B和Qwen3.6-35B-A3B这两个模型，给每个模型单独写了Metal定制内核和内存方案，还配了一个专用的DFlash 2草稿模型做投机解码。知乎
注意，它用的是专用模型包，不是你硬盘里那些MLX或GGUF文件，得重新下载。接口层面倒是给得很全：流式输出、工具调用、JSON Schema输出、图片和内联PDF都支持，服务起来就是一个OpenAI兼容的本地端口，接到opencode、Cherry Studio这类工具里都是常规操作。 4-bit量化下这两个模型都能塞进48GB统一内存，还剩约25GB给上下文缓存，这对常驻后台跑agent的人来说是实打实的好处。知乎
官方给的安装门槛很明确：M3及更新的芯片、macOS 26.4以上、36GB统一内存起步，建议48GB以上。 安装方式两条路：命令行走`brew install incoai/tap/splash`，然后`splash serve --model incoai/Qwen3.8-27B-Splash`；图形界面则是升级LM Studio Bionic到1.1.5以上，在设置-运行时-实验性后端里下载Splash (Metal)，再去探索页粘贴Hugging Face链接下载模型包。知乎小红书
官方数字：74和"快2倍"是这么来的，一半功劳是并发
先看Inco官方发布页的数据，全部跑在一台48GB的M5 Pro上。27B模型在短提示单请求下解码74 tok/s，对比oMLX的38，约1.9倍；32K上下文下是54对28，还是约1.9倍。 4路并发短请求时总吞吐达到170 tok/s对43，约3.9倍；32K预填充则是363对110，约3.3倍。知乎小红书
数字本身能核到，但有个细节值得玩味：“快几倍"里有一半是并发带来的。单请求是1.9倍，把1路改成4路并发，倍数就变成了3.9倍——你要是单人单对话使用，能拿到的就是那1.9倍，不是推文标题里的"接近4倍”。小红书
144的出处我顺着查了一遍：所有链条最后都指向同一条推文
那条最出圈的推文说Splash在M5 Max MacBook Pro上把27B跑到144 tok/s。有较真的博主把官方发布页和开源仓库说明页翻了个底朝天：两处都没有144这个数，能查到的最高就是74，而且标注的机型是M5 Pro，不是M5 Max。小红书
144从哪来的？快讯平台KuCoin发过一条数字一字不差的稿子，但标注来源就是那条推文；另一个开源项目的问题区里，发帖人自己写明"这些是厂商声称的数字，这里没有测过"。顺着所有出处往回找，最后都指回同一条推文。小红书
所以144不能说是假的，它只是至今没有任何独立测试背书，而它恰好又是传播最广的那个数字。
民间实测三组：从118到26，差距比你想的大
官方数字之外，我汇总了三组独立实测——要知道一个月前，社区跑这个27B普遍还是70tps的水平，这个引擎出现才一周多。小红书
第一组，小红书博主潮汐以北，M3 Max 40核GPU 64GB，跑了150多次请求。同样这台机器，Ollama跑27B是50 tok/s，换Splash基准测试能到118，但一进真实开发工作，只剩26-38 tok/s。 他做了排除实验，温度、工具调用、代码注释都不是变量，真凶只有一个——投机解码吃的是"内容的可预测性"。于是出现了同一颗模型的速度光谱：紧凑代码125、JSON 109、英文47、中文散文只有25，差出5倍。最冷的知识是：本地跑7分钟的活，41%的时间花在prefill"读题"上，这事从没人提过。他还拿云端GLM-5.3-Flash对照做了三份开发任务，质量3:3打平，速度差4倍——但本地0积分、不限流、高峰期永远在线。小红书
第二组，官方仓库问题区，一位M3 Max 128GB的用户。同一个27B，Splash解码30 tok/s，而Ollama走MLX后端是42.5，反而比Splash快29%；Ollama换另一个后端只有12，Splash又快2.5倍。同一台机器，只换对比那一侧的引擎，"快多少"的结论摆动了3.5倍，他自己也写明：几家的4-bit量化不是同一种4-bit。小红书
第三组，B站UP主黑粉科技HyphenTech，9月27日刚发，M5 Pro 64GB。27B解码中位约27 tok/s，35B-A3B约54，现场跑瞬时130-150、稳定100左右；而之前同样的27B走llama.cpp只有约9 tok/s。 这位UP的边界说明值得表扬：模型放在外置硬盘上速度未达最优，而且Splash是4-bit、llama.cpp是8-bit，“差距里混着量化位宽，不全是引擎的功劳”。他用这套东西让本地模型一次提示词写出一个GTA风格小游戏，40分钟交付。哔哩哔哩
这笔账怎么算：不同的人结论完全不同
把三层数字叠起来，我的判断是这样的。
M3及以上、36GB内存以上的Mac用户，值得马上试，但先跑对照测试。你的实际收益完全取决于你现在用什么后端、跑什么内容：从llama.cpp 8-bit换过来，收益最大，黑粉科技那组就是从9 tok/s提到稳定100左右；已经在Ollama里用MLX后端的，可能不升反降，仓库那位M3 Max 128GB用户就是例子；主力场景是写代码、出JSON的，吃到红利最多；主力写中文长文的，先看看速度光谱里那个25再说。方法很简单：拿你自己最常用的十段提示词，两边各跑一遍，别信任何博主的数字，包括我这篇。
32GB及以下的Mac用户，这波与你无关。两个专用模型包都装不下，8GB、16GB的机器就更别想了，等Splash什么时候出小模型包再说。哔哩哔哩
M1/M2用户，官方明确不支持，芯片门槛写死了M3起步。N卡、A卡、Windows用户，看个热闹就好。Splash是纯Apple Silicon方案，你的提速路径在别处：源码编译1Cat-vLLM跑FP8、Qwen3.6的MTP加速（社区实测约1.5倍）、或者面向agent场景的TokenSpeed引擎，这些都是另一篇文章的事了。
期望值管理：换引擎解决的是速度，不是体验的全部
最后泼一盆必要的冷水。速度光谱那个数字很说明问题：如果你的主力场景是写中文长文、中文散文式的输出，投机解码帮不了你多少，25 tok/s和阅读速度差不多；如果你写代码、出JSON，那才是Splash的主场。 还有个反常识的发现——prefill占了四成时间，意味着你喂的上下文越长，"解码快"这件事的体感收益越薄。小红书
但话说回来，本地推理的价值从来就不是"比云端快"。是深夜写代码的时候它不排队，是月底token额度见底的时候它不限量，是你把公司文档喂进去的时候心里踏实。这些价值，一个免费引擎把速度短板补上一截之后，反而更成立了。
接下来值得盯的信号有三个：一是被对比的oMLX等引擎会不会跟进定制优化，这场军备竞赛才刚开局；二是Splash的模型包会不会从两个扩到更多；三是中文长文本场景的独立实测现在还是空白，谁先补上谁就有流量。
你要是已经换了，评论区报一下你的机型和实测数字，这篇的空白正好大家一起填。
