近日，Mininglamp 開源了兩個重量級本地 AI 項目——Cider 和 Mano-P，分別針對 Mac 端側推理加速和 GUI 智能體操作兩大痛點，爲用戶打造一套完整的本地 AI 基礎設施。這意味着 Mac 不再只是“能跑 AI”，而是真正成爲高效、私有、可深度操控的 AI 工作站。

QQ20260507-152536.png

Cider:釋放 M 系列芯片潛能，LLM/VLM 本地跑得更快更省

許多用戶在 Mac 上部署本地大模型時都會遇到相同問題:硬件芯片性能強勁，但實際推理速度和內存佔用並未達到預期。Cider正是爲此而來。

該項目專注於更充分挖掘 M 系列芯片（特別是 M5）的 INT8TensorOps 能力，通過優化底層計算路徑，顯著提升大型語言模型(LLM)和視覺語言模型(VLM)的本地推理速度，同時大幅降低內存消耗。爲 Mac 用戶在端側高效運行 AI 模型提供了實用解決方案。

Mano-P:純視覺 GUI Agent，實現 AI“看屏 + 操作”全流程

如果說 Cider 解決的是“跑得快”，那麼Mano-P解決的就是“怎麼用”——讓 AI 像人類一樣真正理解和操作電腦。

Mano-P 是一款面向端側設備的 GUI-VLA Agent，支持在 Mac mini 和 MacBook 上進行本地推理。它突破了傳統 Agent 僅限於瀏覽器操作的限制，能夠直接操控桌面軟件、網頁界面、專業工具以及複雜圖形化工作流。

其核心能力包括:

  • 複雜 GUI 自動化操作
  • 跨系統數據整合
  • 長任務規劃與執行
  • 智能報告生成
  • 自主應用構建

技術路徑採用純視覺 GUI 操作方式，整個過程中截圖和任務數據均不出設備，充分保障隱私安全。

實戰演示:Mano-P 玩轉麻將，實現自主決策

項目展示中，Mano-P 已在麻將遊戲場景中展現出強大能力。它通過純視覺理解遊戲界面，自主完成識牌、局面分析和決策動作，展示了從“感知”到“行動”的完整閉環能力。

兩大開源項目合力，構建本地私有 AI 基礎設施

Cider 作爲端側推理加速框架，Mano-P 作爲端側 GUI Agent 模型，二者結合形成了一套完整的本地 AI 解決方案。無論是追求極致推理效率，還是需要 AI 自主完成複雜桌面任務的用戶，都能在 Mac 上獲得更強大、更私密的 AI 體驗。

AIbase 點評:隨着本地大模型部署需求持續增長，Mininglamp 此次開源的 Cider 和 Mano-P 精準擊中 Mac 用戶痛點，爲端側 AI 的實用化和生態化發展提供了重要參考。感興趣的開發者可關注項目最新動態，親手搭建屬於自己的本地 AI 工作站。