写在前面
最近笔者的GPU服务器出了点故障，因此实验只能依靠一台小小的MacBook轻薄本。结果发现意外的能打，跑一些深度学习模型或者大模型居然也能正常运行。看来买Macbook不完全是法器同样也是生产力 :-)。
本篇教程将带大家了解下如何Macbook来进行Qwen3微调，并且利用苹果自家发的MLX深度学习框架，让Macbook的性能发挥到极致。
1
MLX框架简介
MLX框架GitHub地址：
https://github.com/ml-explore/mlx
不过苹果的开源项目首页正如其产品一样，相当的“简介”。文档写的还是不错的。
MLX框架是苹果公司专为机器学习任务设计的一个高效、灵活的深度学习框架，主要面向Apple Silicon进行优化。MLX允许开发者在macOS和iOS设备上构建、训练和部署机器学习模型，充分利用苹果硬件的统一内存架构，实现CPU与GPU之间的零拷贝数据共享，从而提升训练和推理效率。
笔者个人感觉MLX相比于使用torch的MPS后端，更能发挥Apple芯片的性能。上次笔者使用mps后端训练rnn网络时还出现了牙膏倒吸、GPU打不过CPU的情况。不过RNN模型本身比较小，且结构也适合于并行计算，具体效率等未来笔者专门测试下。MLX框架的API整体也非常像numpy和torch，迁移学习起来的门槛不高。
当然，由于现在开源LLM模型一般使用🤗Huggingface Transformers框架开源，基本都是基于pytorch框架，因此想直接体验到MLX带来的性能提升还是很难的。好在苹果同时发布了一个MLX-LM框架，功能定位上类似Transformers + vllm，能训练也能推理。因此本篇教程就基于MLX-LM教程给大家介绍下如何使用Macbook微调Qwen3模型！
MLX-LM已经支持使用SwanLab进行训练跟踪了！
2
使用MLX-LM训练Qwen3模型
环境安装
安装MLX框架非常方便，只需要一行命令即可，由于要用SwanLab做微调跟踪，也额外安装SwanLab包。
pip install mlx-lm swanlab
数据集&模型准备
数据集准备
本任务通过对Qwen3微调，让Qwen3学习一个新的名字！这里我们使用笔者非常喜欢的一个数据集——MS-Swift团队发布的“self-cognition”数据集。
数据集链接：
https://modelscope.cn/datasets/swift/self-cognition
self-cognition数据集主要用于做模型自我认知微调，数据集由108条身份问答数据组成，包括中文和英文。数据集预留了“模型名称”和“模型作者名称”两个预留字段。我们可以将其替换成希望给模型起的名称和自己的名称。
使用如下命令下载数据集到本地：
pip install modelscopemodelscope download --dataset swift/self-cognition --local_dir ./self-cognition
由于MLX-LM框架的数据格式还有点小区别，再来也要替换数据集中的名称，可以使用笔者实现的数据转换脚本进行格式转换，数据脚本命名为trans_data.py：
import osimport jsonimport argparsedef main(name="小鹅", author="SwanLab团队"):mlx_data = []with open("self-cognition/self_cognition.jsonl", "r") as fread:data_list = fread.readlines()for data in data_list:data = json.loads(data)user_text = data["query"]if data["tag"] == "zh":assistant_text = (data["response"].replace("{{NAME}}", "千仔").replace("{{AUTHOR}}", "千问粉丝"))else:assistant_text = (data["response"].replace("{{NAME}}", "Little-Q").replace("{{AUTHOR}}", "QFans"))mlx_data.append({"messages": [{"role": "user", "content": user_text},{"role": "assistant", "content": assistant_text},]})# splite dataval_data_num = len(mlx_data) // 5mlx_train_data = mlx_data[val_data_num:]mlx_val_data = mlx_data[:val_data_num]# write dataos.makedirs("./mlx_data/", exist_ok=True)with open("./mlx_data/train.jsonl", "w", encoding="utf-8") as fwrite:for data in mlx_train_data:fwrite.write(json.dumps(data, ensure_ascii=False) + "\n")with open("./mlx_data/valid.jsonl", "w", encoding="utf-8") as fwrite:for data in mlx_val_data:fwrite.write(json.dumps(data, ensure_ascii=False) + "\n")if __name__ == "__main__":parser = argparse.ArgumentParser(description="一个简单的脚本，接受 name 和 author 参数。")parser.add_argument("--name", type=str, required=True, help="指定数据集中模型名称")parser.add_argument("--author", type=str, required=True, help="指定数据集中模型作者名称")args = parser.parse_args()main(args.name, args.author)
使用如下命令进行转换：
# 可以替换成自己期望的模型名和作者名python trans_data.py --name 小鹅 --author SwanLab团队 --en_name little-swan --en_author SwanLab-Team
也可以使用笔者转换好的数据集：在
https://github.com/ShaohonChen/Finetune_Qwen3_on_MacBook
转换后会在本地路径生成如下两个文件：
Finetune_Qwen3_on_MacBook├── mlx_data│ ├── train.jsonl│ └── val.jsonl...
模型准备
这里笔者为了计算效率选用Qwen3-0.6B模型，实际测试下来笔者M2 24G的笔记本电脑可以运行Qwen3-4B的模型推理。大家可以根据自己的电脑内存选择合适大小的模型。
⚠️注意：要选择Instruct模型而不是Base模型！
下载模型的命令如下：
pip install modelscopemodelscope download --model Qwen/Qwen3-0.6B --local_dir ./Qwen3-0.6B
训练模型
参考MLX-LM官方文档：
https://github.com/ml-explore/mlx-lm/blob/main/mlx_lm/LORA.md
首先要确保MLX-LM已经成功安装！我们使用Lora微调来减少内存消耗，在本地创建ft_qwen3_lora.yaml，按照如下设置微调配置参数：
model: "Qwen3-0.6B" # 本地模型目录或 Hugging Face 仓库的路径。train: true # 是否进行训练（布尔值）fine_tune_type: lora # 微调方法: "lora", "dora" 或 "full"。optimizer: adamw # 优化器及其可能的输入data: "mlx_data" # 包含 {train, valid, test}.jsonl 文件的目录seed: 0 # PRNG 随机种子num_layers: 28 # 需要微调的层数batch_size: 1 # 小批量大小。iters: 500 # 训练迭代次数。val_batches: 25 # 验证批次数，-1 表示使用整个验证集。learning_rate: 1e-4 # Adam 学习率。report_to: swanlab # 使用swanlab记录实验project_name: MLX-FT-Qwen3 # 记录项目名steps_per_report: 10 # 每隔多少训练步数报告一次损失。steps_per_eval: 200 # 每隔多少训练步数进行一次验证。resume_adapter_file: null # 加载路径，用于用给定的 adapter 权重恢复训练。adapter_path: "cog_adapters" # 训练后 adapter 权重的保存/加载路径。save_every: 100 # 每 N 次迭代保存一次模型。test: false # 训练后是否在测试集上评估test_batches: 100 # 测试集批次数，-1 表示使用整个测试集。max_seq_length: 512 # 最大序列长度。grad_checkpoint: false # 是否使用梯度检查点以减少内存使用。lora_parameters: # LoRA 参数只能在配置文件中指定 keys: ["self_attn.q_proj", "self_attn.v_proj"] rank: 8 scale: 20.0 dropout: 0.0接下来在命令行启动MLX-LM微调：
mlx_lm.lora --config ft_qwen3_lora.yaml
启动成功后效果如下
如果开启了SwanLab跟踪，则会自动记录训练损失图像。可以看到大概500步模型训练损失就收敛了：
实验记录已公开：
https://swanlab.cn/@ShaohonChen/MLX-FT-Qwen3/charts
训练速度非常快，在笔者的轻薄本上不到2分钟就完成了训练，使用了不到2G内存，吞吐快400Token/S。
评估模型效果
mlx-lm支持直接用chat模式评估模型训练效果，命令如下：
mlx_lm.chat --model Qwen3-0.6B --adapter-path cog_adapters
可以直接在命令行里与模型聊天，可以看到模型已经学会了他的新名字“小鹅”。
英文聊天也不在话下！
3
部署Qwen聊天服务
mlx-lm框架也支持一行命令部署成API服务！对于洗数据或者作为自用的AI助手来说非常友好，现在我们使用命令把刚刚微调好的模型部署成API服务：
mlx_lm.server --model Qwen3-0.6B --adapter-path cog_adapters --chat-template-args '{"enable_thinking":false}'
--chat-template-args '{"enable_thinking":false}'用于关闭Qwen3的推理模式，如果你更喜欢推理也可以删掉这一行来开启深度思考。
运行成功后会显示：
2025-09-18 15:51:42,639 - INFO - Starting httpd at 127.0.0.1 on port 8080...
可以使用如下命令测试是否成功：
2025-09-18 15:51:42,639 - INFO - Starting httpd at 127.0.0.1 on port 8080...
看到模型正常返回后，说明API部署成功：
{"id": "chatcmpl-bdfd6f0c-72db-418e-a35a-ecf13cd98ee0", "system_fingerprint": "0.28.0-0.29.1-macOS-15.6.1-arm64-arm-64bit-applegpu_g14g", "object": "chat.completion", "model": "default_model", "created": 1758181778, "choices": [{"index": 0, "finish_reason": "stop", "logprobs": {"token_logprobs": [-1.125, -0.875, -1.5, 0.0, -0.125, 0.0, -0.375, -2.75, -0.25, -0.375, 0.0, 0.0, -0.125, 0.0, -0.5, 0.0, -0.625, 0.0, 0.0, 0.0, -1.25, 0.0], "top_logprobs": [], "tokens": [9707, 11, 419, 374, 264, 1273, 0, 1416, 498, 614, 894, 4755, 476, 1184, 1492, 11, 2666, 1910, 311, 2548, 0, 151645]}, "message": {"role": "assistant", "content": "Hello, this is a test! If you have any questions or need help, feel free to ask!", "tool_calls": []}}], "usage": {"prompt_tokens": 18, "completion_tokens": 22, "total_tokens": 40}}%部署性能测试
笔者使用evalscope进行速度测试，命令如下：
⚠️注意需要开启API服务，否则会运行失败
evalscope perf \ --parallel 1 10 50 \ --number 10 20 100 \ --model Qwen3-0.6B \ --url http://127.0.0.1:8080/v1/chat/completions \ --api openai \ --dataset random \ --max-tokens 128 \ --min-tokens 128 \ --prefix-length 0 \ --min-prompt-length 128 \ --max-prompt-length 128 \ --tokenizer-path Qwen3-0.6B \ --extra-args '{"ignore_eos": true}' \ --swanlab-api-key ttsGKza0SNOiPFCfQWspm \ --name 'qwen3-inference-stress-test'可以看到单请求能达到平均10toks/s的速度。还是很快的，不过并发速度就下来了。
使用SwanLab进行性能跟踪可以看到，随着并发数从10->20->50，部署性能快速下降。不过这也是由于笔者本身在测试时也在使用这台笔记本电脑，系统内存已经使用到了80%的原因。以自用或者小实验室使用来说这个速度非常可观
