mlx-vlm v0.6.3 来了，这次最大的看点是两个 Day-0 支持的新模型：Google 的 DiffusionGemma 和 Cohere 的 North Mini Code 1.0。先说 DiffusionGemma——这玩意打破了"文本生成只能 autoregressive"的铁律，改用扩散模型思路：以 256 token 为一个块并行生成，配合双向注意力和迭代自纠错机制，块与块之间互相校验，输出质量反而比传统逐 token 预测更稳。参数规模 26B，但它是 MoE 结构，每次推理只激活 3.8B，量化后 18GB 就能塞进 Mac 跑，本地党的福音。
North Mini Code 1.0 则走另一条路：30B MoE 仅激活 3B，BF16 精度下生成速度约 66 tok/s，定位偏编码辅助，体量轻但响应快。两款模型之所以能"发布即支持"，是因为 mlx-vlm 团队和 Google、Cohere 做了深度合作，在模型公开当天就完成了适配——这种节奏在开源生态里并不常见，说明 Apple Silicon 本地推理这条路线已经被头部厂商正式纳入发布流程。
安装方式一如既往的轻量：uv pip install -U mlx-vlm 即可升级。对 M 系列芯片用户来说，这意味着不用等云端 API 降价、不用担心数据外泄，就能在本地体验到最新一代的大模型能力——尤其是 DiffusionGemma 那种非自回归的生成范式，给了从业者一个观察"文本生成还能怎么玩"的新窗口。
