Qwen 3.5-122B tourne en daily driver sur Mac Studio - 3 bugs corrigés, une bascule silencieuse

In plain terms. Un ingénieur documente (mrzk.io, juillet 2026) trois bugs qu'il a corrigés dans la stack MLX pour faire tourner un gros modèle Qwen 3.5 open weights comme daily driver sur un Mac Studio. Signal faible mais tangible : le local rattrape, un patch à la fois.

Contexte

MLX est le framework Apple d'inférence sur puces M-series ; il tire parti de la mémoire unifiée. Faire tenir un modèle Qwen 3.5 (de ~100 à 235 Md de paramètres selon les variantes) sur un Mac Studio bien configuré (jusqu'à 512 Go de RAM unifiée sur M3 Ultra) est théoriquement possible en quantifiant. Le blog documente ce qui coince en pratique - le nom exact de la variante testée est à vérifier dans le billet.

Under the hood - la nature des patches

Selon le billet, trois bugs bloquaient l'usage quotidien :

1. Un bug de contexte long - la génération dégradait au-delà d'un certain nombre de tokens.
2. Un bug de quantization - la conversion 4-bit produisait des sorties invalides sur certaines couches du modèle.
3. Un bug de sampling - un cas limite dans la sélection du token affectait la qualité.

Les détails exacts (couche patchée, mécanisme du fix, PR upstream) sont dans le billet - à lire pour qui veut reproduire.

Analyse

Ce que le billet dit, au-delà des patches, c'est que la stack Apple + Qwen atteint un niveau où ça vaut le coup de debugger. C'est le passage du « ça marche en démo » au « je m'y appuie tous les jours ». Le coût matériel reste significatif - un Mac Studio configuré pour cet usage coûte plusieurs milliers de dollars - mais devient atteignable pour un pro dont les données ne peuvent pas sortir de sa machine.

Scénarios

Base (55 %) : la stack Apple + Qwen/DeepSeek/Llama devient un choix crédible pour 3-5 % des devs à haute sensibilité data d'ici mi-2027. Optimiste (25 %) : un modèle Qwen ou équivalent atteint un niveau frontier-class sur une machine grand public ; l'équation change. Pessimiste (20 %) : la fragmentation de la stack (MLX, llama.cpp, vLLM, exllama) fragilise le tout, chaque modèle demande son propre patch.

Implications côté build

• Le local retrouve un cas d'usage clair : sensibilité data + latence + coûts marginaux tendant vers zéro.
• L'attention se déplace des benchmarks vers le time-to-fix - combien de bugs entre la release d'un modèle et sa fiabilité en usage réel.
• L'écosystème open weights fait grossir la surface de contribution : chaque patch upstream compte.

Risques

Dépendance à MLX (Apple peut casser l'API), qualité des quantizations 4-bit sur les gros modèles, stabilité des poids sous charge prolongée.

So what

Le débat « cloud vs local » n'est pas idéologique. Il est technique et se joue bug par bug. Ce type de billet - non spectaculaire, très concret - est le meilleur indicateur d'une bascule qui vient.