Exo 分布式推理：4 台 Mac 跑出 31.9 t/s 的 235B 集群-编程实验室

Exo 分布式推理：4 台 Mac 跑出 31.9 t/s 的 235B 集群

【免费下载链接】exoRun frontier AI locally.项目地址: https://gitcode.com/GitHub_Trending/exo8/exo

200B+ 参数的模型塞不进单台机器，GPU 集群的采购成本又太高。Exo 做的事很简单：把局域网里的 Mac 通过雷电接口连成一个分布式推理集群，RDMA over Thunderbolt 让加机器真的能变快，而不是只解决装不下的问题。

它到底能做什么

🔍 自动发现局域网里的机器

每台跑着 exo 的机器会自动互相发现、自动组网，不需要填 IP 或改配置。实测启动后 dashboard 直接列出同网段节点，连--no-worker参数都能让一台只有网线的机器充当纯协调节点（只做网络与编排、不跑推理）。

🔌 用雷电 5 把 4 台 Mac 连成一个推理节点

这是 exo 分布式推理最有辨识度的部分：RDMA over Thunderbolt 5，官方口径是设备间延迟降低 99%。代价是门槛不低：macOS 26.2 及以上、TB5 线缆、节点间要全连接（4 台就是 6 根线），且所有机器系统版本必须逐字符一致。

🧩 跨设备切分模型不用手动配

Exo 基于实时拓扑视图自己决定模型怎么切，链路的延迟和带宽都会进决策。底层是流水线并行或张量并行（MLX distributed 实现），你只需要在 dashboard 里点一下，或者调/instance/previews看它给出的所有合法放置方案再 POST 创建。

🔁 现有 OpenAI / Ollama 客户端改 base URL 就能接

/v1/chat/completions、/v1/messages、/v1/responses和 Ollama 接口全部兼容，流式输出、取消（断连或调/v1/cancel/{command_id}）都有。团队里已有的工具链不用重写，换个地址就能打到 Mac 集群上。

从零到跑通

四步，按顺序来：

git clone https://gitcode.com/GitHub_Trending/exo8/exo cd exo/dashboard && npm install && npm run build uv run exo curl http://localhost:52415/state

克隆前需要装好uv、node和 Rust nightly（构建 Rust 绑定用）。第三步启动后，浏览器打开http://localhost:52415，应能看到设备列表；第四步拉/state，返回的 JSON 里有节点拓扑和实例状态，说明分布式推理集群已就位。不想从源码跑的，macOS 上直接brew install --cask exo装官方应用，它会引导你装系统网络配置。

性能实测

以下是 Jeff Geerling 在 4 × M3 Ultra Mac Studio（512GB）上的实测，仓库 README 收录的官方数据：

模型	硬件配置	Exo（RDMA）	对比基线（llama.cpp TCP）	提升
Qwen3-235B A22B	1 / 2 / 4 节点	20.4 / 26.2 / 31.9 t/s	20.4 / 17.2 / 15.2 t/s	4 节点 +56%
DeepSeek V3.1 671B	1 / 2 / 4 节点	21.1 / 27.8 / 32.5 t/s	14.8 / 16.0 / 14.6 t/s	4 节点 +123%
Kimi K2 Thinking 1T	2 / 4 节点	21.6 / 28.3 t/s	18.5 / 16.4 t/s	4 节点 +73%

跑完这三组数据，最值得看的是趋势方向：llama.cpp 走 TCP 时节点越多反而越慢（17.2 → 15.2 t/s），Exo 走 RDMA 则是单调上涨。README 给的张量并行加速比是 2 机 1.8 倍、4 机 3.2 倍，和 235B 这组（20.4 → 31.9）基本对得上。前提是 TB5 全网直连、OS 版本一致、RDMA 已启用——缺一条就退回普通 TCP 路径，多机扩展会明显变差，别指望线性加速。

进阶配置与调优

RDMA 开关：不开则上面所有加速比不成立。关机进恢复模式，终端执行rdma_ctl enable，重启即生效。调完 exo 会自动接管；注意 Mac Studio 以太网口旁那个 TB5 口不可用。
模型目录EXO_MODELS_DIRS/EXO_MODELS_READ_ONLY_DIRS：默认下模型只落在本机~/.local/share/exo/models，大模型集群里磁盘总是不够。
```
EXO_MODELS_READ_ONLY_DIRS=/mnt/nfs/models uv run exo EXO_MODELS_DIRS=/Volumes/ExternalSSD uv run exo
```
只读目录指向 NFS 共享盘，各节点免重复下载；写目录可配多个，按顺序选第一个空间够的。
集群命名空间EXO_LIBP2P_NAMESPACE：同一网络里跑多套 exo 时会互相发现、误组网。
```
EXO_LIBP2P_NAMESPACE=prod-cluster uv run exo
```
给每个集群一个命名空间，启动日志会打印当前值，方便排查"为什么我的节点连进了别人的集群"。

生产环境落地

监控与可观测性

每节点都暴露 API。GET /state拉取拓扑、节点与实例全貌，是写监控脚本的起点；/events给内部事件流用于排障，/bench/chat/completions额外返回prompt_tps、generation_tps、峰值内存和分相功耗，完整端点清单见 docs/api.md 与 src/exo/master/api.py。