El equipo de Hugging Face que contribuye a PyTorch detalla novedades del backend MPS en la versión 2.15. Añade operaciones en formato FP8 y rutas de ejecución más rápidas para capas lineales, mezclas de expertos y otras tareas. El objetivo es aprovechar mejor las GPU de los Mac con Apple Silicon al ejecutar modelos de lenguaje, imagen y vídeo.
En sus mediciones con un M3 Ultra y torch.compile, el equipo afirma que Qwen3.6-35B-A3B pasa de 9,4 a 61,3 tokens por segundo frente a PyTorch 2.14. También informa de una reducción del máximo de memoria de 270 a unos 8 GiB al decodificar vídeo con el VAE de Wan2.2. Son pruebas de los autores para cargas concretas; no representan la velocidad de todos los modelos ni de todos los Mac.
La actualización exige, según la publicación, macOS 15 o posterior y Python 3.11 o posterior. Quien dependa de MPS debería revisar esas condiciones y medir su propia aplicación antes de actualizar. La fotografía de un portátil es ilustrativa: no corresponde al Mac utilizado en las pruebas.