openharmony-mlx/usage.md

模型权重准备

Metal后端需要特定格式的权重文件。你有两个选择：

转换现有权重：

python gpt_oss/metal/scripts/create-local-model.py -s <model_dir> -d <output_file>

下载预转换权重：

huggingface-cli download openai/gpt-oss-120b --include "metal/*" --local-dir gpt-oss-120b/metal/  
huggingface-cli download openai/gpt-oss-20b --include "metal/*" --local-dir gpt-oss-20b/metal/

这里的"Metal版本"指的是GPT-OSS模型的Metal后端实现。

环境准备

macOS系统（Apple Silicon）

1. 准备环境

# 安装Xcode并完成初始化验证
xcode-select --install
xcrun -find metal || echo "metal not found"
sudo xcode-select -s /Applications/Xcode.app/Contents/Developer
# 打开 xcode 安装 macos sdk，命令行安装不成功在图形化界面安装即可
sudo xcodebuild -license accept
xcodebuild -runFirstLaunch
# 安装着色器的工具链
sudo xcode-select -s /Applications/Xcode.app/Contents/Developer
xcodebuild -downloadComponent MetalToolchain
# 验证是否安装成功
xcrun --sdk macosx --find metal
xcrun --sdk macosx --show-sdk-path
# 创建虚拟环境
micromamba create -n gptoss python=3.12 -y
micromamba activate gptoss
micromamba install pybind11 -c conda-forge -y

2. 手动运行CMake构建

git clone https://github.com/hotwa/openharmony-mlx.git
cd openharmony-mlx

# 自动安装cmake安装
GPTOSS_BUILD_METAL=1 pip install -e ".[metal]"
# 手动编译cmake安装
cd gpt_oss/metal  
mkdir build  
cd build  
cmake .. -DCMAKE_BUILD_TYPE=Release -DGPTOSS_BUILD_PYTHON=ON  
export pybind11_DIR=$(python -c "import pybind11; print(pybind11.get_cmake_dir())")
cmake -S .. -B . \
  -DCMAKE_BUILD_TYPE=Release \
  -DGPTOSS_BUILD_PYTHON=ON \
  -DPYBIND11_FINDPYTHON=ON \
  -Dpybind11_DIR="$(python -c 'import pybind11;print(pybind11.get_cmake_dir())')"
cmake --build . --config Release --parallel
make -j$(nproc)
ctest --output-on-failure

3. Metal着色器编译 CMake会自动编译Metal源文件： CMakeLists.txt:16-28

这些.metal文件会被编译成.air中间文件，然后链接成default.metallib：

4. Python扩展模块构建 CMake会创建名为_metal的Python扩展模块：

python 安装包

# 手动安装
# 安装扩展模块  
cp _metal.so /path/to/your/python/site-packages/gpt_oss/metal/  
# 安装Metal库文件    
cp default.metallib /path/to/your/python/site-packages/gpt_oss/metal/

# 在 gpt_oss 仓库根目录（不是 metal/build）
cd /path/to/gpt_oss

# 确保环境中 pybind11、Xcode 都就绪
export GPTOSS_BUILD_METAL=1
python -m pip install -e ".[metal]"   # 开发模式安装（可改代码即时生效）
# 或者正式安装
# python -m pip install ".[metal]"

5. 验证metal模块是否正确安装

python -c "import gpt_oss.metal._metal; print('Metal module loaded successfully')"

启动服务

缓存下载并启动服务

mkdir -p ~/.cache/openai_harmony/
cd ~/.cache/openai_harmony/
wget https://openaipublic.blob.core.windows.net/encodings/o200k_base.tiktoken
export OPENAI_HARMONY_CACHE_DIR=~/.cache/openai_harmony/
chmod 755 ~/.cache/openai_harmony/
python /Volumes/long990max/project/openharmony-mlx/gpt_oss/metal/scripts/create-local-modelnew.py -s /Volumes/long990max/gpustack_data/huihui-ai/Huihui-gpt-oss-20b-mxfp4-abliterated -d /Volumes/long990max/project/openharmony-mlx/model.bin

micromamba activate gptoss && python -m gpt_oss.responses_api.serve --inference-backend metal --host 0.0.0.0 --port 8080 --checkpoint /Volumes/long990max/gpustack_data/openai/gpt-oss-20b/metal/model.bin 
# 启动拒绝少的权重
micromamba activate gptoss && python -m gpt_oss.responses_api.serve \
--inference-backend metal \
--checkpoint /Volumes/long990max/project/openharmony-mlx/pth/gpt-oss-20b-uncensored-mxfp4/metal/model.bin \
--host 0.0.0.0 --port 8080

gpt-oss-120b 模型选择

huizimao/gpt-oss-120b-uncensored-bf16（LoRA，BF16） 在 Amazon FalseReject 测试集（300条）上的 误拒率≈6%（原版≈70%）。适合你追求最低误拒、且硬件吃得下 BF16 的场景。

huizimao/gpt-oss-120b-uncensored-mxfp4（LoRA + PTQ，MXFP4） 同一评测设置下，误拒率≈24%；相比 BF16 版本误拒稍高，但体积/部署友好，便于与你现在的 Metal/MXFP4 流水线对接。

以后要转其它 finetune 的 safetensors（同 20B）时，提前确认这几件事（最小清单）

config.json 至少含（或能推导）：

num_hidden_layers, hidden_size, intermediate_size

num_attention_heads, num_key_value_heads, head_dim（若 head_dim != 64 就不能 bake Q/K 缩放）

sliding_window, rope_theta, initial_context_length

rope_scaling_factor 或 rope_scaling.factor；rope_ntk_alpha/beta（给了默认 1.0/32.0）

MoE：num_experts 或 num_local_experts；num_active_experts/experts_per_token（默认 4）

权重命名是否落在这两类之一（脚本已兼容）：

原生：block.N.attn.qkv.* 或 q_proj/k_proj/v_proj.*；mlp.mlp{1,2}_weight.{blocks,scales} + mlp{1,2}_bias

Jinx：model.layers.N.self_attn.{q,k,v}proj*；mlp.experts.{gate_up,down}proj{blocks,scales,bias}

特殊 Token：必须与 Harmony GPT-OSS 的映射一致（我脚本里写死了）。常见问题是有人把 "<|endofuntrusted|>" 拼成 end_untrusted —— 这会导致 UUID 表错位；我这份脚本固定了官方拼写。

MXFP4 scales：随手跑一眼（我给你的 peek_scales_v2.py 就行）。如果 max + 14 >= 256，脚本的 clamp 就会生效，避免坏值写入。

快速自测：除了上面的 curl SSE，建议每次都跑一下：

tests/token_uuid_slot.py 对 <|channel|> / <|message|> / <|return|> / <|call|> 看 slot 与 UUID 是否匹配；

tests/smoke_metal.py 推几个 token，确认不会崩溃或卡死。

以上都满足，基本可以保证在 Codex 的 responses 线上协议里稳定工作。

cherrystudio 配置

添加提供商选择OpenAI-Response

添加参数如下

模型ID：gpt-oss-120b 模型名称：gpt-oss-120b 分组名称：gpt-oss

API 地址：http://localhost:8080 密钥：无

请求虽然是gpt-oss-120b，但是实际使用的是gpt-oss-20b。由于后台写死的是120b，所以请求使用gpt-oss-120b

codex 使用

vim .codex/config.toml

disable_response_storage = true
show_reasoning_content = true
model = "gpt-5-codex"

[model_providers.local]
name = "local"
base_url = "http://100.64.0.4:8080/v1"
wire_api = "responses"
include_apply_patch_tool = false

[profiles.oss]
model = "gpt-oss-120b"
model_provider = "local"
include_apply_patch_tool = false

[mcp_servers.web-mcp]
url = "https://web-mcp.koyeb.app/sse/04824d01-60c3-4f20-9340-65b60d3e8344"
# 如果需要认证,可以添加 bearer_token
# bearer_token = "your-token-here"
startup_timeout_sec = 60
tool_timeout_sec = 120