Qwen3.8-Flash-Next · Apple M4 Max 128 GB · mlx-serve 26.10.1 · October 2026

Swift 1.5 vs iQ-MLX: same accuracy, less waiting

Two 4.7-bit MLX packs of the same model on the same runtime: the iQ-MLX pack by ddalcu and the Swift 1.5 fine-tune by Dankpaws. Six suites, two sampling settings, one dot per question.

On an Apple M4 Max, Swift 1.5 gets to the final answer 2.9× faster on GPQA-Diamond and 2.0× faster on LiveCodeBench (median per question), with the same accuracy. Both generate at the same speed (74 vs 74 tokens/s on GPQA). The gain comes from shorter thinking, not from faster generation.

GPQA-Diamond

2.9×

faster to the final answer · median 63.9 s → 22.3 s

LiveCodeBench v6

2.0×

faster to the final answer · median 39.1 s → 19.1 s

Thinking per answer

−67%

GPQA median 5,124 → 1,689 tokens

Accuracy

≤ 3

questions apart on every suite, in both directions

Tiles use the recommended sampling (temperature 1.0). With greedy decoding the gain is smaller: 1.2× faster on GPQA-Diamond and 1.5× faster on LiveCodeBench.

Sampling for the charts below

Time per task

One dot per question: wall time from the request to the final answer, log scale. Hover a dot for the question, the time and the token count. The bar under each chart counts the questions each model finished first.

iQ-MLXSwift 1.5 correct wrong× hit the max_tokens limit median

GPQA-Diamond 50 questions, seed 42

2.9× faster (median)
2s5s10s20s50s100s200s500s1000siQ-MLXiQ-MLX · question 163 · 10.9 s · 926 tokens · correctiQ-MLX · question 28 · 877.8 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 6 · 180.4 s · 13,689 tokens · correctiQ-MLX · question 189 · 23.1 s · 1,939 tokens · correctiQ-MLX · question 70 · 5.3 s · 337 tokens · wrongiQ-MLX · question 62 · 61.9 s · 4,870 tokens · correctiQ-MLX · question 57 · 2.2 s · 96 tokens · correctiQ-MLX · question 35 · 3.9 s · 233 tokens · correctiQ-MLX · question 188 · 9.4 s · 696 tokens · correctiQ-MLX · question 26 · 123.2 s · 9,846 tokens · correctiQ-MLX · question 173 · 16.2 s · 1,305 tokens · correctiQ-MLX · question 139 · 163.1 s · 12,348 tokens · correctiQ-MLX · question 22 · 86.0 s · 6,663 tokens · correctiQ-MLX · question 151 · 5.5 s · 378 tokens · correctiQ-MLX · question 108 · 917.4 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 8 · 12.9 s · 925 tokens · correctiQ-MLX · question 7 · 156.7 s · 13,499 tokens · correctiQ-MLX · question 23 · 9.3 s · 666 tokens · correctiQ-MLX · question 55 · 125.2 s · 9,333 tokens · correctiQ-MLX · question 59 · 211.3 s · 16,542 tokens · correctiQ-MLX · question 129 · 869.4 s · 58,375 tokens · correctiQ-MLX · question 154 · 65.9 s · 5,378 tokens · correctiQ-MLX · question 195 · 6.5 s · 406 tokens · correctiQ-MLX · question 143 · 1009.0 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 50 · 15.1 s · 1,116 tokens · correctiQ-MLX · question 166 · 4.9 s · 279 tokens · correctiQ-MLX · question 186 · 5.1 s · 297 tokens · correctiQ-MLX · question 107 · 223.1 s · 17,101 tokens · correctiQ-MLX · question 56 · 3.9 s · 170 tokens · correctiQ-MLX · question 114 · 195.4 s · 15,273 tokens · correctiQ-MLX · question 150 · 56.2 s · 4,389 tokens · correctiQ-MLX · question 71 · 915.7 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 1 · 99.2 s · 7,550 tokens · correctiQ-MLX · question 40 · 107.8 s · 8,130 tokens · correctiQ-MLX · question 183 · 4.2 s · 192 tokens · correctiQ-MLX · question 87 · 245.1 s · 18,063 tokens · correctiQ-MLX · question 172 · 280.8 s · 20,101 tokens · correctiQ-MLX · question 39 · 13.0 s · 829 tokens · correctiQ-MLX · question 179 · 7.8 s · 521 tokens · correctiQ-MLX · question 86 · 34.8 s · 2,482 tokens · correctiQ-MLX · question 194 · 10.0 s · 694 tokens · correctiQ-MLX · question 180 · 4.7 s · 238 tokens · correctiQ-MLX · question 97 · 797.0 s · 53,243 tokens · correctiQ-MLX · question 24 · 118.8 s · 9,446 tokens · correctiQ-MLX · question 91 · 137.9 s · 10,991 tokens · correctiQ-MLX · question 88 · 994.0 s · 62,718 tokens · correctiQ-MLX · question 67 · 92.2 s · 7,188 tokens · correctiQ-MLX · question 11 · 26.5 s · 1,981 tokens · correctiQ-MLX · question 117 · 47.0 s · 3,737 tokens · correctiQ-MLX · question 137 · 94.6 s · 7,583 tokens · correct63.9sSwift 1.5Swift 1.5 · question 163 · 10.6 s · 781 tokens · correctSwift 1.5 · question 28 · 435.8 s · 33,641 tokens · wrongSwift 1.5 · question 6 · 30.4 s · 2,264 tokens · correctSwift 1.5 · question 189 · 15.3 s · 1,232 tokens · correctSwift 1.5 · question 70 · 5.4 s · 399 tokens · wrongSwift 1.5 · question 62 · 12.2 s · 842 tokens · correctSwift 1.5 · question 57 · 4.8 s · 263 tokens · correctSwift 1.5 · question 35 · 13.3 s · 1,009 tokens · correctSwift 1.5 · question 188 · 12.5 s · 925 tokens · correctSwift 1.5 · question 26 · 33.1 s · 2,722 tokens · correctSwift 1.5 · question 173 · 46.1 s · 3,882 tokens · correctSwift 1.5 · question 139 · 54.8 s · 4,449 tokens · correctSwift 1.5 · question 22 · 34.8 s · 2,604 tokens · correctSwift 1.5 · question 151 · 5.1 s · 301 tokens · correctSwift 1.5 · question 108 · 898.0 s · 65,536 tokens · wrong · hit the max_tokens limitSwift 1.5 · question 8 · 11.3 s · 808 tokens · correctSwift 1.5 · question 7 · 20.0 s · 1,723 tokens · correctSwift 1.5 · question 23 · 9.0 s · 602 tokens · correctSwift 1.5 · question 55 · 36.4 s · 2,554 tokens · correctSwift 1.5 · question 59 · 343.4 s · 26,406 tokens · correctSwift 1.5 · question 129 · 185.4 s · 14,050 tokens · correctSwift 1.5 · question 154 · 21.4 s · 1,655 tokens · correctSwift 1.5 · question 195 · 7.5 s · 486 tokens · correctSwift 1.5 · question 143 · 768.7 s · 56,606 tokens · wrongSwift 1.5 · question 50 · 35.0 s · 2,730 tokens · correctSwift 1.5 · question 166 · 4.1 s · 203 tokens · correctSwift 1.5 · question 186 · 6.9 s · 464 tokens · correctSwift 1.5 · question 107 · 107.4 s · 8,274 tokens · correctSwift 1.5 · question 56 · 3.4 s · 99 tokens · correctSwift 1.5 · question 114 · 145.2 s · 10,997 tokens · correctSwift 1.5 · question 150 · 27.8 s · 2,157 tokens · correctSwift 1.5 · question 71 · 731.0 s · 65,536 tokens · wrong · hit the max_tokens limitSwift 1.5 · question 1 · 31.1 s · 2,337 tokens · correctSwift 1.5 · question 40 · 55.9 s · 4,156 tokens · correctSwift 1.5 · question 183 · 4.0 s · 179 tokens · correctSwift 1.5 · question 87 · 200.7 s · 15,053 tokens · wrongSwift 1.5 · question 172 · 23.2 s · 1,642 tokens · correctSwift 1.5 · question 39 · 10.5 s · 643 tokens · correctSwift 1.5 · question 179 · 10.6 s · 795 tokens · correctSwift 1.5 · question 86 · 5.5 s · 343 tokens · correctSwift 1.5 · question 194 · 9.3 s · 677 tokens · correctSwift 1.5 · question 180 · 6.7 s · 393 tokens · correctSwift 1.5 · question 97 · 824.7 s · 59,091 tokens · correctSwift 1.5 · question 24 · 56.9 s · 4,493 tokens · correctSwift 1.5 · question 91 · 55.8 s · 4,424 tokens · correctSwift 1.5 · question 88 · 216.7 s · 16,989 tokens · wrongSwift 1.5 · question 67 · 11.7 s · 777 tokens · correctSwift 1.5 · question 11 · 4.6 s · 256 tokens · correctSwift 1.5 · question 117 · 15.5 s · 1,165 tokens · correctSwift 1.5 · question 137 · 54.5 s · 4,394 tokens · correct22.3s

Swift 1.5 faster on 38 of 50 · iQ-MLX faster or tied on 12

LiveCodeBench v6 50 problems, seed 42

2.0× faster (median)
5s10s20s50s100s200s500s1000siQ-MLXiQ-MLX · question abc308_b · 9.5 s · 659 tokens · correctiQ-MLX · question 2857 · 85.9 s · 6,638 tokens · correctiQ-MLX · question abc365_c · 83.1 s · 6,403 tokens · correctiQ-MLX · question 3429 · 4.9 s · 275 tokens · correctiQ-MLX · question 3334 · 7.5 s · 501 tokens · correctiQ-MLX · question abc321_b · 11.5 s · 804 tokens · correctiQ-MLX · question abc304_c · 12.5 s · 951 tokens · correctiQ-MLX · question 3298 · 382.7 s · 28,207 tokens · correctiQ-MLX · question 3620 · 111.4 s · 8,213 tokens · correctiQ-MLX · question 2883 · 35.0 s · 2,756 tokens · correctiQ-MLX · question 2878 · 19.7 s · 1,485 tokens · correctiQ-MLX · question abc301_b · 38.2 s · 2,962 tokens · correctiQ-MLX · question abc354_b · 4.7 s · 195 tokens · correctiQ-MLX · question 3373 · 12.6 s · 970 tokens · correctiQ-MLX · question 3717 · 746.2 s · 48,460 tokens · correctiQ-MLX · question 2868 · 33.9 s · 2,532 tokens · correctiQ-MLX · question abc346_d · 218.8 s · 17,071 tokens · correctiQ-MLX · question 3632 · 20.3 s · 1,506 tokens · correctiQ-MLX · question abc354_d · 378.4 s · 27,148 tokens · correctiQ-MLX · question abc393_d · 80.0 s · 6,212 tokens · correctiQ-MLX · question 3442 · 51.5 s · 3,819 tokens · wrongiQ-MLX · question 2755 · 17.7 s · 1,314 tokens · correctiQ-MLX · question abc329_a · 2.9 s · 114 tokens · correctiQ-MLX · question 3690 · 735.6 s · 48,925 tokens · correctiQ-MLX · question 3540 · 5.3 s · 320 tokens · correctiQ-MLX · question abc327_c · 8.2 s · 515 tokens · correctiQ-MLX · question abc352_b · 89.1 s · 6,673 tokens · correctiQ-MLX · question 3528 · 147.8 s · 11,192 tokens · correctiQ-MLX · question 3347 · 6.6 s · 407 tokens · correctiQ-MLX · question abc384_b · 7.7 s · 474 tokens · correctiQ-MLX · question abc302_c · 20.4 s · 1,634 tokens · correctiQ-MLX · question abc377_b · 5.6 s · 294 tokens · correctiQ-MLX · question 3573 · 93.3 s · 7,288 tokens · correctiQ-MLX · question abc361_e · 60.6 s · 4,687 tokens · correctiQ-MLX · question 3000 · 201.8 s · 15,670 tokens · correctiQ-MLX · question abc397_d · 305.7 s · 24,041 tokens · wrongiQ-MLX · question abc313_a · 5.2 s · 303 tokens · correctiQ-MLX · question abc383_e · 374.5 s · 27,406 tokens · correctiQ-MLX · question 3243 · 579.1 s · 42,325 tokens · correctiQ-MLX · question 3476 · 6.9 s · 418 tokens · correctiQ-MLX · question abc377_d · 101.0 s · 8,350 tokens · correctiQ-MLX · question abc342_d · 77.0 s · 6,360 tokens · correctiQ-MLX · question 3219 · 89.2 s · 6,850 tokens · correctiQ-MLX · question 3025 · 1076.2 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 3328 · 40.0 s · 3,007 tokens · correctiQ-MLX · question 3478 · 1106.4 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 3245 · 23.8 s · 1,728 tokens · correctiQ-MLX · question abc303_e · 1091.6 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question abc395_c · 15.8 s · 1,174 tokens · correctiQ-MLX · question abc378_c · 5.5 s · 334 tokens · correct39.1sSwift 1.5Swift 1.5 · question abc308_b · 7.7 s · 491 tokens · correctSwift 1.5 · question 2857 · 59.4 s · 4,692 tokens · correctSwift 1.5 · question abc365_c · 18.5 s · 1,415 tokens · correctSwift 1.5 · question 3429 · 4.2 s · 207 tokens · correctSwift 1.5 · question 3334 · 4.3 s · 215 tokens · correctSwift 1.5 · question abc321_b · 17.9 s · 1,333 tokens · correctSwift 1.5 · question abc304_c · 7.1 s · 450 tokens · correctSwift 1.5 · question 3298 · 254.2 s · 20,088 tokens · correctSwift 1.5 · question 3620 · 32.7 s · 2,371 tokens · correctSwift 1.5 · question 2883 · 22.4 s · 1,817 tokens · correctSwift 1.5 · question 2878 · 26.2 s · 1,956 tokens · correctSwift 1.5 · question abc301_b · 14.2 s · 1,003 tokens · correctSwift 1.5 · question abc354_b · 5.8 s · 308 tokens · correctSwift 1.5 · question 3373 · 8.8 s · 649 tokens · correctSwift 1.5 · question 3717 · 284.8 s · 21,575 tokens · correctSwift 1.5 · question 2868 · 9.6 s · 710 tokens · correctSwift 1.5 · question abc346_d · 85.1 s · 6,929 tokens · correctSwift 1.5 · question 3632 · 12.7 s · 911 tokens · correctSwift 1.5 · question abc354_d · 407.2 s · 31,194 tokens · correctSwift 1.5 · question abc393_d · 14.0 s · 1,013 tokens · correctSwift 1.5 · question 3442 · 47.2 s · 3,635 tokens · wrongSwift 1.5 · question 2755 · 10.8 s · 784 tokens · correctSwift 1.5 · question abc329_a · 3.5 s · 132 tokens · correctSwift 1.5 · question 3690 · 505.9 s · 39,694 tokens · correctSwift 1.5 · question 3540 · 4.4 s · 208 tokens · correctSwift 1.5 · question abc327_c · 8.1 s · 478 tokens · correctSwift 1.5 · question abc352_b · 35.6 s · 2,611 tokens · correctSwift 1.5 · question 3528 · 58.5 s · 4,453 tokens · correctSwift 1.5 · question 3347 · 6.3 s · 418 tokens · correctSwift 1.5 · question abc384_b · 8.4 s · 552 tokens · correctSwift 1.5 · question abc302_c · 16.1 s · 1,244 tokens · correctSwift 1.5 · question abc377_b · 9.6 s · 668 tokens · correctSwift 1.5 · question 3573 · 32.4 s · 2,420 tokens · correctSwift 1.5 · question abc361_e · 19.7 s · 1,482 tokens · correctSwift 1.5 · question 3000 · 55.0 s · 4,554 tokens · correctSwift 1.5 · question abc397_d · 154.3 s · 12,618 tokens · wrongSwift 1.5 · question abc313_a · 7.2 s · 483 tokens · correctSwift 1.5 · question abc383_e · 113.9 s · 8,831 tokens · correctSwift 1.5 · question 3243 · 184.4 s · 14,036 tokens · correctSwift 1.5 · question 3476 · 4.9 s · 285 tokens · correctSwift 1.5 · question abc377_d · 25.7 s · 2,047 tokens · correctSwift 1.5 · question abc342_d · 48.5 s · 3,768 tokens · correctSwift 1.5 · question 3219 · 63.3 s · 4,798 tokens · correctSwift 1.5 · question 3025 · 508.6 s · 38,108 tokens · correctSwift 1.5 · question 3328 · 27.9 s · 2,038 tokens · correctSwift 1.5 · question 3478 · 1063.9 s · 65,536 tokens · wrong · hit the max_tokens limitSwift 1.5 · question 3245 · 9.9 s · 703 tokens · correctSwift 1.5 · question abc303_e · 502.9 s · 34,821 tokens · correctSwift 1.5 · question abc395_c · 11.1 s · 809 tokens · correctSwift 1.5 · question abc378_c · 8.6 s · 557 tokens · correct19.1s

Swift 1.5 faster on 41 of 50 · iQ-MLX faster or tied on 9

HumanEval 164 problems

1.2× faster (median)
2s5s10s20s50s100s200s500siQ-MLXiQ-MLX · question 163 · 42.8 s · 3,504 tokens · correctiQ-MLX · question 28 · 2.5 s · 127 tokens · correctiQ-MLX · question 6 · 6.6 s · 457 tokens · correctiQ-MLX · question 70 · 6.2 s · 478 tokens · correctiQ-MLX · question 62 · 3.6 s · 247 tokens · correctiQ-MLX · question 57 · 3.7 s · 258 tokens · correctiQ-MLX · question 35 · 3.0 s · 166 tokens · correctiQ-MLX · question 26 · 5.7 s · 386 tokens · wrongiQ-MLX · question 139 · 3.8 s · 272 tokens · correctiQ-MLX · question 22 · 20.9 s · 1,602 tokens · wrongiQ-MLX · question 151 · 7.6 s · 499 tokens · correctiQ-MLX · question 108 · 16.3 s · 1,271 tokens · correctiQ-MLX · question 8 · 7.0 s · 505 tokens · wrongiQ-MLX · question 7 · 5.3 s · 345 tokens · wrongiQ-MLX · question 23 · 3.3 s · 207 tokens · correctiQ-MLX · question 55 · 3.1 s · 182 tokens · correctiQ-MLX · question 59 · 5.2 s · 386 tokens · correctiQ-MLX · question 129 · 131.0 s · 10,170 tokens · correctiQ-MLX · question 161 · 4.6 s · 282 tokens · correctiQ-MLX · question 143 · 6.2 s · 403 tokens · correctiQ-MLX · question 50 · 3.2 s · 170 tokens · wrongiQ-MLX · question 155 · 3.8 s · 246 tokens · correctiQ-MLX · question 107 · 6.5 s · 475 tokens · correctiQ-MLX · question 56 · 4.7 s · 323 tokens · correctiQ-MLX · question 114 · 6.8 s · 461 tokens · correctiQ-MLX · question 71 · 7.5 s · 556 tokens · correctiQ-MLX · question 1 · 19.4 s · 1,482 tokens · wrongiQ-MLX · question 40 · 7.2 s · 546 tokens · correctiQ-MLX · question 152 · 4.2 s · 198 tokens · correctiQ-MLX · question 87 · 7.5 s · 532 tokens · correctiQ-MLX · question 138 · 3.7 s · 234 tokens · correctiQ-MLX · question 39 · 221.5 s · 17,764 tokens · correctiQ-MLX · question 148 · 8.4 s · 585 tokens · correctiQ-MLX · question 86 · 8.2 s · 550 tokens · correctiQ-MLX · question 156 · 5.6 s · 396 tokens · correctiQ-MLX · question 149 · 8.5 s · 576 tokens · correctiQ-MLX · question 97 · 4.2 s · 276 tokens · correctiQ-MLX · question 12 · 7.4 s · 470 tokens · wrongiQ-MLX · question 45 · 2.6 s · 135 tokens · correctiQ-MLX · question 135 · 5.3 s · 382 tokens · correctiQ-MLX · question 44 · 4.4 s · 295 tokens · correctiQ-MLX · question 77 · 11.9 s · 884 tokens · correctiQ-MLX · question 33 · 4.6 s · 281 tokens · correctiQ-MLX · question 103 · 116.9 s · 9,094 tokens · correctiQ-MLX · question 5 · 6.9 s · 466 tokens · wrongiQ-MLX · question 93 · 19.6 s · 1,442 tokens · correctiQ-MLX · question 58 · 8.2 s · 574 tokens · correctiQ-MLX · question 68 · 5.0 s · 264 tokens · correctiQ-MLX · question 15 · 4.3 s · 303 tokens · correctiQ-MLX · question 48 · 4.6 s · 306 tokens · correctiQ-MLX · question 10 · 57.6 s · 4,659 tokens · correctiQ-MLX · question 160 · 11.3 s · 898 tokens · correctiQ-MLX · question 37 · 6.2 s · 399 tokens · correctiQ-MLX · question 106 · 6.3 s · 500 tokens · correctiQ-MLX · question 80 · 4.9 s · 353 tokens · correctiQ-MLX · question 79 · 5.3 s · 285 tokens · correctiQ-MLX · question 46 · 12.9 s · 1,092 tokens · correctiQ-MLX · question 73 · 5.5 s · 406 tokens · correctiQ-MLX · question 24 · 19.3 s · 1,586 tokens · correctiQ-MLX · question 90 · 9.4 s · 704 tokens · correctiQ-MLX · question 153 · 5.4 s · 301 tokens · correctiQ-MLX · question 119 · 7.7 s · 496 tokens · correctiQ-MLX · question 84 · 5.1 s · 301 tokens · correctiQ-MLX · question 29 · 9.6 s · 720 tokens · wrongiQ-MLX · question 98 · 4.1 s · 256 tokens · correctiQ-MLX · question 111 · 5.5 s · 348 tokens · correctiQ-MLX · question 113 · 19.9 s · 1,509 tokens · correctiQ-MLX · question 100 · 6.7 s · 406 tokens · correctiQ-MLX · question 126 · 8.4 s · 562 tokens · correctiQ-MLX · question 142 · 7.0 s · 519 tokens · correctiQ-MLX · question 157 · 11.9 s · 835 tokens · correctiQ-MLX · question 117 · 6.5 s · 381 tokens · correctiQ-MLX · question 81 · 18.4 s · 1,583 tokens · correctiQ-MLX · question 141 · 14.7 s · 1,073 tokens · correctiQ-MLX · question 20 · 8.1 s · 568 tokens · wrongiQ-MLX · question 47 · 132.1 s · 10,324 tokens · correctiQ-MLX · question 125 · 12.1 s · 829 tokens · correctiQ-MLX · question 146 · 16.2 s · 1,252 tokens · correctiQ-MLX · question 85 · 6.0 s · 407 tokens · correctiQ-MLX · question 34 · 3.4 s · 167 tokens · correctiQ-MLX · question 82 · 5.3 s · 385 tokens · correctiQ-MLX · question 9 · 5.8 s · 346 tokens · wrongiQ-MLX · question 122 · 5.8 s · 411 tokens · correctiQ-MLX · question 21 · 6.8 s · 500 tokens · wrongiQ-MLX · question 116 · 70.4 s · 5,446 tokens · wrongiQ-MLX · question 31 · 5.9 s · 404 tokens · correctiQ-MLX · question 89 · 10.0 s · 785 tokens · correctiQ-MLX · question 147 · 34.0 s · 2,623 tokens · correctiQ-MLX · question 94 · 6.7 s · 420 tokens · correctiQ-MLX · question 101 · 5.8 s · 359 tokens · correctiQ-MLX · question 133 · 7.1 s · 410 tokens · correctiQ-MLX · question 162 · 4.6 s · 274 tokens · correctiQ-MLX · question 41 · 9.0 s · 650 tokens · correctiQ-MLX · question 150 · 5.3 s · 389 tokens · correctiQ-MLX · question 96 · 7.5 s · 581 tokens · correctiQ-MLX · question 4 · 4.1 s · 220 tokens · wrongiQ-MLX · question 136 · 9.6 s · 816 tokens · correctiQ-MLX · question 51 · 4.5 s · 292 tokens · correctiQ-MLX · question 74 · 5.4 s · 311 tokens · correctiQ-MLX · question 120 · 8.5 s · 630 tokens · correctiQ-MLX · question 27 · 3.4 s · 178 tokens · correctiQ-MLX · question 92 · 7.6 s · 492 tokens · correctiQ-MLX · question 60 · 5.0 s · 306 tokens · correctiQ-MLX · question 36 · 7.9 s · 599 tokens · correctiQ-MLX · question 140 · 8.5 s · 606 tokens · correctiQ-MLX · question 134 · 14.3 s · 1,031 tokens · correctiQ-MLX · question 91 · 20.9 s · 1,557 tokens · correctiQ-MLX · question 13 · 4.7 s · 268 tokens · correctiQ-MLX · question 110 · 8.2 s · 573 tokens · correctiQ-MLX · question 78 · 5.5 s · 435 tokens · correctiQ-MLX · question 25 · 32.0 s · 2,373 tokens · wrongiQ-MLX · question 131 · 3.7 s · 204 tokens · correctiQ-MLX · question 69 · 5.2 s · 296 tokens · correctiQ-MLX · question 83 · 10.1 s · 782 tokens · correctiQ-MLX · question 16 · 3.2 s · 169 tokens · correctiQ-MLX · question 64 · 5.6 s · 303 tokens · correctiQ-MLX · question 115 · 13.7 s · 936 tokens · correctiQ-MLX · question 118 · 7.6 s · 484 tokens · correctiQ-MLX · question 65 · 145.7 s · 11,287 tokens · correctiQ-MLX · question 49 · 6.9 s · 493 tokens · correctiQ-MLX · question 99 · 124.4 s · 9,822 tokens · correctiQ-MLX · question 63 · 7.6 s · 580 tokens · correctiQ-MLX · question 43 · 10.6 s · 794 tokens · correctiQ-MLX · question 53 · 2.4 s · 89 tokens · correctiQ-MLX · question 128 · 8.9 s · 667 tokens · correctiQ-MLX · question 14 · 4.4 s · 265 tokens · correctiQ-MLX · question 75 · 186.7 s · 15,518 tokens · wrongiQ-MLX · question 32 · 290.9 s · 22,367 tokens · wrongiQ-MLX · question 54 · 5.7 s · 385 tokens · correctiQ-MLX · question 102 · 5.0 s · 349 tokens · correctiQ-MLX · question 3 · 4.5 s · 258 tokens · wrongiQ-MLX · question 112 · 3.5 s · 138 tokens · correctiQ-MLX · question 144 · 6.2 s · 373 tokens · correctiQ-MLX · question 158 · 28.3 s · 2,218 tokens · correctiQ-MLX · question 159 · 4.7 s · 251 tokens · correctiQ-MLX · question 67 · 5.2 s · 398 tokens · correctiQ-MLX · question 109 · 18.9 s · 1,400 tokens · correctiQ-MLX · question 76 · 34.9 s · 2,759 tokens · correctiQ-MLX · question 19 · 6.7 s · 454 tokens · correctiQ-MLX · question 2 · 4.0 s · 223 tokens · correctiQ-MLX · question 95 · 9.2 s · 663 tokens · correctiQ-MLX · question 132 · 272.1 s · 20,221 tokens · correctiQ-MLX · question 72 · 3.2 s · 118 tokens · correctiQ-MLX · question 38 · 5.4 s · 330 tokens · wrongiQ-MLX · question 123 · 11.2 s · 836 tokens · correctiQ-MLX · question 52 · 3.0 s · 138 tokens · correctiQ-MLX · question 17 · 15.0 s · 1,020 tokens · correctiQ-MLX · question 0 · 6.4 s · 348 tokens · correctiQ-MLX · question 121 · 5.2 s · 358 tokens · correctiQ-MLX · question 127 · 17.1 s · 1,310 tokens · correctiQ-MLX · question 18 · 10.5 s · 767 tokens · correctiQ-MLX · question 154 · 8.8 s · 545 tokens · correctiQ-MLX · question 124 · 21.9 s · 1,714 tokens · correctiQ-MLX · question 30 · 3.4 s · 185 tokens · correctiQ-MLX · question 66 · 7.0 s · 467 tokens · correctiQ-MLX · question 137 · 7.7 s · 543 tokens · correctiQ-MLX · question 11 · 8.2 s · 520 tokens · correctiQ-MLX · question 88 · 5.8 s · 332 tokens · correctiQ-MLX · question 130 · 30.1 s · 2,399 tokens · correctiQ-MLX · question 145 · 166.1 s · 13,160 tokens · wrongiQ-MLX · question 42 · 3.3 s · 172 tokens · correctiQ-MLX · question 105 · 8.3 s · 528 tokens · correctiQ-MLX · question 104 · 29.1 s · 2,354 tokens · correctiQ-MLX · question 61 · 5.7 s · 346 tokens · correct6.8sSwift 1.5Swift 1.5 · question 163 · 6.7 s · 515 tokens · correctSwift 1.5 · question 28 · 4.1 s · 284 tokens · correctSwift 1.5 · question 6 · 6.9 s · 464 tokens · wrongSwift 1.5 · question 70 · 6.3 s · 504 tokens · correctSwift 1.5 · question 62 · 3.9 s · 261 tokens · correctSwift 1.5 · question 57 · 4.2 s · 299 tokens · correctSwift 1.5 · question 35 · 3.2 s · 194 tokens · correctSwift 1.5 · question 26 · 6.6 s · 474 tokens · wrongSwift 1.5 · question 139 · 4.8 s · 360 tokens · correctSwift 1.5 · question 22 · 5.4 s · 428 tokens · wrongSwift 1.5 · question 151 · 8.7 s · 574 tokens · correctSwift 1.5 · question 108 · 8.2 s · 638 tokens · correctSwift 1.5 · question 8 · 5.1 s · 386 tokens · wrongSwift 1.5 · question 7 · 4.6 s · 278 tokens · wrongSwift 1.5 · question 23 · 2.8 s · 151 tokens · correctSwift 1.5 · question 55 · 5.2 s · 357 tokens · correctSwift 1.5 · question 59 · 8.4 s · 665 tokens · correctSwift 1.5 · question 129 · 79.1 s · 6,064 tokens · correctSwift 1.5 · question 161 · 5.5 s · 406 tokens · correctSwift 1.5 · question 143 · 6.1 s · 509 tokens · correctSwift 1.5 · question 50 · 5.1 s · 351 tokens · wrongSwift 1.5 · question 155 · 7.6 s · 637 tokens · correctSwift 1.5 · question 107 · 6.2 s · 520 tokens · correctSwift 1.5 · question 56 · 3.2 s · 172 tokens · correctSwift 1.5 · question 114 · 5.0 s · 378 tokens · correctSwift 1.5 · question 71 · 5.2 s · 372 tokens · correctSwift 1.5 · question 1 · 9.0 s · 693 tokens · correctSwift 1.5 · question 40 · 6.6 s · 505 tokens · correctSwift 1.5 · question 152 · 3.8 s · 174 tokens · correctSwift 1.5 · question 87 · 8.0 s · 671 tokens · correctSwift 1.5 · question 138 · 3.5 s · 211 tokens · correctSwift 1.5 · question 39 · 65.3 s · 5,622 tokens · correctSwift 1.5 · question 148 · 6.7 s · 542 tokens · correctSwift 1.5 · question 86 · 7.0 s · 480 tokens · correctSwift 1.5 · question 156 · 7.8 s · 609 tokens · correctSwift 1.5 · question 149 · 4.3 s · 209 tokens · correctSwift 1.5 · question 97 · 4.5 s · 310 tokens · correctSwift 1.5 · question 12 · 9.2 s · 726 tokens · correctSwift 1.5 · question 45 · 2.5 s · 118 tokens · correctSwift 1.5 · question 135 · 7.1 s · 494 tokens · correctSwift 1.5 · question 44 · 3.7 s · 230 tokens · correctSwift 1.5 · question 77 · 8.1 s · 606 tokens · correctSwift 1.5 · question 33 · 6.7 s · 497 tokens · correctSwift 1.5 · question 103 · 10.0 s · 712 tokens · correctSwift 1.5 · question 5 · 5.6 s · 387 tokens · wrongSwift 1.5 · question 93 · 13.3 s · 907 tokens · correctSwift 1.5 · question 58 · 3.5 s · 216 tokens · correctSwift 1.5 · question 68 · 4.0 s · 236 tokens · correctSwift 1.5 · question 15 · 3.1 s · 185 tokens · correctSwift 1.5 · question 48 · 3.9 s · 242 tokens · correctSwift 1.5 · question 10 · 11.7 s · 861 tokens · wrongSwift 1.5 · question 160 · 8.5 s · 648 tokens · correctSwift 1.5 · question 37 · 8.1 s · 618 tokens · correctSwift 1.5 · question 106 · 7.3 s · 572 tokens · correctSwift 1.5 · question 80 · 4.5 s · 302 tokens · correctSwift 1.5 · question 79 · 4.4 s · 283 tokens · correctSwift 1.5 · question 46 · 9.1 s · 694 tokens · correctSwift 1.5 · question 73 · 3.6 s · 152 tokens · correctSwift 1.5 · question 24 · 6.1 s · 405 tokens · correctSwift 1.5 · question 90 · 5.0 s · 340 tokens · correctSwift 1.5 · question 153 · 4.4 s · 236 tokens · correctSwift 1.5 · question 119 · 5.4 s · 330 tokens · correctSwift 1.5 · question 84 · 4.6 s · 261 tokens · correctSwift 1.5 · question 29 · 4.8 s · 271 tokens · wrongSwift 1.5 · question 98 · 3.9 s · 261 tokens · correctSwift 1.5 · question 111 · 4.7 s · 264 tokens · correctSwift 1.5 · question 113 · 10.2 s · 805 tokens · correctSwift 1.5 · question 100 · 4.3 s · 296 tokens · correctSwift 1.5 · question 126 · 7.7 s · 549 tokens · correctSwift 1.5 · question 142 · 9.4 s · 717 tokens · correctSwift 1.5 · question 157 · 5.4 s · 308 tokens · correctSwift 1.5 · question 117 · 7.7 s · 570 tokens · correctSwift 1.5 · question 81 · 13.8 s · 1,123 tokens · correctSwift 1.5 · question 141 · 10.7 s · 855 tokens · correctSwift 1.5 · question 20 · 13.0 s · 1,041 tokens · correctSwift 1.5 · question 47 · 80.5 s · 6,525 tokens · correctSwift 1.5 · question 125 · 7.2 s · 581 tokens · correctSwift 1.5 · question 146 · 8.0 s · 593 tokens · correctSwift 1.5 · question 85 · 3.0 s · 145 tokens · correctSwift 1.5 · question 34 · 3.2 s · 152 tokens · correctSwift 1.5 · question 82 · 5.1 s · 356 tokens · correctSwift 1.5 · question 9 · 3.7 s · 179 tokens · wrongSwift 1.5 · question 122 · 6.6 s · 428 tokens · correctSwift 1.5 · question 21 · 4.1 s · 273 tokens · correctSwift 1.5 · question 116 · 183.8 s · 14,333 tokens · correctSwift 1.5 · question 31 · 3.8 s · 236 tokens · correctSwift 1.5 · question 89 · 11.2 s · 931 tokens · correctSwift 1.5 · question 147 · 14.0 s · 1,090 tokens · correctSwift 1.5 · question 94 · 7.9 s · 573 tokens · correctSwift 1.5 · question 101 · 5.7 s · 361 tokens · correctSwift 1.5 · question 133 · 5.4 s · 380 tokens · correctSwift 1.5 · question 162 · 3.6 s · 209 tokens · correctSwift 1.5 · question 41 · 4.2 s · 204 tokens · correctSwift 1.5 · question 150 · 6.5 s · 477 tokens · correctSwift 1.5 · question 96 · 7.7 s · 540 tokens · correctSwift 1.5 · question 4 · 3.9 s · 188 tokens · wrongSwift 1.5 · question 136 · 3.4 s · 147 tokens · correctSwift 1.5 · question 51 · 4.2 s · 271 tokens · correctSwift 1.5 · question 74 · 5.6 s · 402 tokens · correctSwift 1.5 · question 120 · 6.4 s · 472 tokens · correctSwift 1.5 · question 27 · 3.2 s · 159 tokens · correctSwift 1.5 · question 92 · 5.9 s · 341 tokens · correctSwift 1.5 · question 60 · 3.7 s · 209 tokens · correctSwift 1.5 · question 36 · 5.6 s · 404 tokens · correctSwift 1.5 · question 140 · 10.2 s · 662 tokens · correctSwift 1.5 · question 134 · 11.9 s · 872 tokens · correctSwift 1.5 · question 91 · 11.7 s · 908 tokens · correctSwift 1.5 · question 13 · 3.1 s · 162 tokens · correctSwift 1.5 · question 110 · 5.8 s · 428 tokens · correctSwift 1.5 · question 78 · 2.7 s · 89 tokens · correctSwift 1.5 · question 25 · 9.9 s · 718 tokens · wrongSwift 1.5 · question 131 · 4.1 s · 277 tokens · correctSwift 1.5 · question 69 · 5.9 s · 348 tokens · correctSwift 1.5 · question 83 · 7.1 s · 533 tokens · correctSwift 1.5 · question 16 · 3.2 s · 175 tokens · correctSwift 1.5 · question 64 · 7.5 s · 552 tokens · correctSwift 1.5 · question 115 · 9.9 s · 788 tokens · correctSwift 1.5 · question 118 · 8.7 s · 633 tokens · correctSwift 1.5 · question 65 · 12.4 s · 909 tokens · correctSwift 1.5 · question 49 · 9.2 s · 660 tokens · correctSwift 1.5 · question 99 · 9.3 s · 590 tokens · correctSwift 1.5 · question 63 · 7.1 s · 558 tokens · correctSwift 1.5 · question 43 · 6.4 s · 457 tokens · correctSwift 1.5 · question 53 · 2.4 s · 100 tokens · correctSwift 1.5 · question 128 · 4.3 s · 229 tokens · correctSwift 1.5 · question 14 · 3.2 s · 147 tokens · correctSwift 1.5 · question 75 · 36.6 s · 3,034 tokens · correctSwift 1.5 · question 32 · 261.8 s · 20,598 tokens · wrongSwift 1.5 · question 54 · 7.7 s · 521 tokens · correctSwift 1.5 · question 102 · 3.8 s · 231 tokens · correctSwift 1.5 · question 3 · 3.0 s · 102 tokens · correctSwift 1.5 · question 112 · 3.0 s · 121 tokens · correctSwift 1.5 · question 144 · 5.5 s · 399 tokens · correctSwift 1.5 · question 158 · 6.2 s · 406 tokens · correctSwift 1.5 · question 159 · 5.1 s · 274 tokens · correctSwift 1.5 · question 67 · 5.3 s · 270 tokens · correctSwift 1.5 · question 109 · 6.8 s · 552 tokens · correctSwift 1.5 · question 76 · 28.5 s · 2,160 tokens · correctSwift 1.5 · question 19 · 5.3 s · 317 tokens · correctSwift 1.5 · question 2 · 4.7 s · 277 tokens · correctSwift 1.5 · question 95 · 9.5 s · 681 tokens · correctSwift 1.5 · question 132 · 174.1 s · 13,473 tokens · wrongSwift 1.5 · question 72 · 4.6 s · 214 tokens · correctSwift 1.5 · question 38 · 5.2 s · 358 tokens · wrongSwift 1.5 · question 123 · 6.2 s · 522 tokens · correctSwift 1.5 · question 52 · 4.3 s · 258 tokens · correctSwift 1.5 · question 17 · 5.3 s · 375 tokens · correctSwift 1.5 · question 0 · 5.1 s · 314 tokens · wrongSwift 1.5 · question 121 · 4.0 s · 307 tokens · correctSwift 1.5 · question 127 · 10.3 s · 900 tokens · correctSwift 1.5 · question 18 · 8.4 s · 537 tokens · correctSwift 1.5 · question 154 · 4.3 s · 227 tokens · correctSwift 1.5 · question 124 · 24.8 s · 2,143 tokens · correctSwift 1.5 · question 30 · 3.4 s · 188 tokens · correctSwift 1.5 · question 66 · 5.1 s · 353 tokens · correctSwift 1.5 · question 137 · 9.1 s · 651 tokens · correctSwift 1.5 · question 11 · 6.3 s · 424 tokens · correctSwift 1.5 · question 88 · 5.3 s · 293 tokens · correctSwift 1.5 · question 130 · 11.8 s · 982 tokens · correctSwift 1.5 · question 145 · 415.4 s · 32,768 tokens · wrong · hit the max_tokens limitSwift 1.5 · question 42 · 3.6 s · 214 tokens · correctSwift 1.5 · question 105 · 10.0 s · 698 tokens · correctSwift 1.5 · question 104 · 5.8 s · 362 tokens · correctSwift 1.5 · question 61 · 3.5 s · 158 tokens · correct5.7s

Swift 1.5 faster on 114 of 164 · iQ-MLX faster or tied on 50

Total time to run the suite

Sum of the wall time of every question, one question at a time.

GPQA-Diamond

iQ-MLX158 min
Swift 1.595 min

LiveCodeBench v6

iQ-MLX144 min
Swift 1.581 min

HumanEval

iQ-MLX54 min
Swift 1.538 min
iQ-MLXSwift 1.5 correct wrong× hit the max_tokens limit median

GPQA-Diamond 50 questions, seed 42

1.2× faster (median)
5s10s20s50s100s200s500s1000siQ-MLXiQ-MLX · question 163 · 11.2 s · 864 tokens · correctiQ-MLX · question 28 · 544.8 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 6 · 74.6 s · 5,846 tokens · correctiQ-MLX · question 189 · 19.2 s · 1,632 tokens · correctiQ-MLX · question 70 · 10.7 s · 827 tokens · wrongiQ-MLX · question 62 · 22.4 s · 1,725 tokens · correctiQ-MLX · question 57 · 4.0 s · 222 tokens · correctiQ-MLX · question 35 · 11.2 s · 824 tokens · correctiQ-MLX · question 188 · 8.4 s · 597 tokens · correctiQ-MLX · question 26 · 264.3 s · 20,985 tokens · wrongiQ-MLX · question 173 · 17.4 s · 1,429 tokens · correctiQ-MLX · question 139 · 90.8 s · 7,102 tokens · correctiQ-MLX · question 22 · 52.1 s · 4,339 tokens · correctiQ-MLX · question 151 · 5.6 s · 376 tokens · correctiQ-MLX · question 108 · 835.5 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 8 · 15.6 s · 1,137 tokens · correctiQ-MLX · question 7 · 25.1 s · 2,225 tokens · correctiQ-MLX · question 23 · 6.0 s · 376 tokens · correctiQ-MLX · question 55 · 14.7 s · 981 tokens · correctiQ-MLX · question 59 · 583.1 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 129 · 839.5 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 154 · 16.9 s · 1,329 tokens · correctiQ-MLX · question 195 · 7.5 s · 501 tokens · correctiQ-MLX · question 143 · 841.5 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 50 · 29.5 s · 2,365 tokens · correctiQ-MLX · question 166 · 5.3 s · 334 tokens · correctiQ-MLX · question 186 · 4.8 s · 301 tokens · correctiQ-MLX · question 107 · 171.7 s · 13,532 tokens · correctiQ-MLX · question 56 · 3.4 s · 115 tokens · correctiQ-MLX · question 114 · 195.4 s · 15,725 tokens · correctiQ-MLX · question 150 · 10.5 s · 802 tokens · correctiQ-MLX · question 71 · 668.2 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 1 · 15.3 s · 1,145 tokens · correctiQ-MLX · question 40 · 147.9 s · 11,594 tokens · correctiQ-MLX · question 183 · 4.9 s · 264 tokens · correctiQ-MLX · question 87 · 846.4 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 172 · 222.1 s · 17,435 tokens · correctiQ-MLX · question 39 · 13.7 s · 890 tokens · correctiQ-MLX · question 179 · 9.8 s · 741 tokens · correctiQ-MLX · question 86 · 10.8 s · 748 tokens · correctiQ-MLX · question 194 · 10.9 s · 801 tokens · correctiQ-MLX · question 180 · 5.4 s · 348 tokens · correctiQ-MLX · question 97 · 742.5 s · 50,433 tokens · wrongiQ-MLX · question 24 · 32.0 s · 2,701 tokens · correctiQ-MLX · question 91 · 98.6 s · 8,254 tokens · correctiQ-MLX · question 88 · 670.7 s · 53,318 tokens · wrongiQ-MLX · question 67 · 35.8 s · 2,817 tokens · correctiQ-MLX · question 11 · 7.5 s · 519 tokens · correctiQ-MLX · question 117 · 15.6 s · 1,199 tokens · correctiQ-MLX · question 137 · 74.8 s · 6,417 tokens · correct18.3sSwift 1.5Swift 1.5 · question 163 · 10.3 s · 853 tokens · correctSwift 1.5 · question 28 · 54.1 s · 5,660 tokens · wrongSwift 1.5 · question 6 · 33.3 s · 2,503 tokens · correctSwift 1.5 · question 189 · 23.1 s · 1,996 tokens · correctSwift 1.5 · question 70 · 5.5 s · 333 tokens · wrongSwift 1.5 · question 62 · 14.8 s · 1,149 tokens · correctSwift 1.5 · question 57 · 3.1 s · 151 tokens · correctSwift 1.5 · question 35 · 8.4 s · 644 tokens · correctSwift 1.5 · question 188 · 9.4 s · 714 tokens · correctSwift 1.5 · question 26 · 17.4 s · 1,422 tokens · correctSwift 1.5 · question 173 · 18.5 s · 1,624 tokens · correctSwift 1.5 · question 139 · 55.0 s · 4,345 tokens · correctSwift 1.5 · question 22 · 22.2 s · 1,810 tokens · correctSwift 1.5 · question 151 · 4.8 s · 310 tokens · correctSwift 1.5 · question 108 · 85.4 s · 7,455 tokens · wrongSwift 1.5 · question 8 · 7.3 s · 507 tokens · correctSwift 1.5 · question 7 · 19.5 s · 1,733 tokens · correctSwift 1.5 · question 23 · 5.7 s · 346 tokens · correctSwift 1.5 · question 55 · 13.6 s · 961 tokens · correctSwift 1.5 · question 59 · 48.3 s · 4,815 tokens · wrongSwift 1.5 · question 129 · 142.5 s · 11,696 tokens · correctSwift 1.5 · question 154 · 17.9 s · 1,504 tokens · correctSwift 1.5 · question 195 · 5.8 s · 392 tokens · correctSwift 1.5 · question 143 · 783.9 s · 62,426 tokens · correctSwift 1.5 · question 50 · 14.9 s · 1,146 tokens · correctSwift 1.5 · question 166 · 4.7 s · 302 tokens · correctSwift 1.5 · question 186 · 5.9 s · 391 tokens · correctSwift 1.5 · question 107 · 75.2 s · 6,200 tokens · correctSwift 1.5 · question 56 · 3.2 s · 126 tokens · correctSwift 1.5 · question 114 · 51.7 s · 4,334 tokens · correctSwift 1.5 · question 150 · 10.1 s · 752 tokens · correctSwift 1.5 · question 71 · 205.6 s · 22,860 tokens · wrongSwift 1.5 · question 1 · 12.3 s · 917 tokens · correctSwift 1.5 · question 40 · 77.5 s · 6,089 tokens · correctSwift 1.5 · question 183 · 4.8 s · 246 tokens · correctSwift 1.5 · question 87 · 113.3 s · 8,754 tokens · wrongSwift 1.5 · question 172 · 16.1 s · 1,222 tokens · correctSwift 1.5 · question 39 · 8.6 s · 543 tokens · correctSwift 1.5 · question 179 · 7.3 s · 524 tokens · correctSwift 1.5 · question 86 · 12.5 s · 911 tokens · correctSwift 1.5 · question 194 · 8.6 s · 635 tokens · correctSwift 1.5 · question 180 · 5.3 s · 344 tokens · correctSwift 1.5 · question 97 · 646.2 s · 51,921 tokens · wrongSwift 1.5 · question 24 · 228.2 s · 19,641 tokens · wrongSwift 1.5 · question 91 · 103.5 s · 8,683 tokens · correctSwift 1.5 · question 88 · 300.4 s · 24,512 tokens · correctSwift 1.5 · question 67 · 10.4 s · 718 tokens · correctSwift 1.5 · question 11 · 9.7 s · 717 tokens · correctSwift 1.5 · question 117 · 12.1 s · 956 tokens · correctSwift 1.5 · question 137 · 26.6 s · 2,262 tokens · correct14.9s

Swift 1.5 faster on 41 of 50 · iQ-MLX faster or tied on 9

LiveCodeBench v6 50 problems, seed 42

1.5× faster (median)
5s10s20s50s100s200s500s1000siQ-MLXiQ-MLX · question abc308_b · 7.3 s · 493 tokens · correctiQ-MLX · question 2857 · 33.7 s · 2,583 tokens · correctiQ-MLX · question abc365_c · 23.4 s · 1,847 tokens · correctiQ-MLX · question 3429 · 6.6 s · 422 tokens · correctiQ-MLX · question 3334 · 6.6 s · 401 tokens · correctiQ-MLX · question abc321_b · 10.8 s · 731 tokens · correctiQ-MLX · question abc304_c · 10.3 s · 748 tokens · correctiQ-MLX · question 3298 · 154.0 s · 12,419 tokens · correctiQ-MLX · question 3620 · 96.6 s · 7,453 tokens · correctiQ-MLX · question 2883 · 20.7 s · 1,669 tokens · correctiQ-MLX · question 2878 · 22.8 s · 1,694 tokens · correctiQ-MLX · question abc301_b · 23.0 s · 1,699 tokens · correctiQ-MLX · question abc354_b · 6.1 s · 352 tokens · correctiQ-MLX · question 3373 · 8.3 s · 616 tokens · correctiQ-MLX · question 3717 · 285.7 s · 22,913 tokens · correctiQ-MLX · question 2868 · 24.3 s · 1,872 tokens · correctiQ-MLX · question abc346_d · 86.3 s · 7,269 tokens · correctiQ-MLX · question 3632 · 9.8 s · 666 tokens · correctiQ-MLX · question abc354_d · 319.1 s · 24,686 tokens · correctiQ-MLX · question abc393_d · 54.0 s · 4,243 tokens · correctiQ-MLX · question 3442 · 32.2 s · 2,451 tokens · wrongiQ-MLX · question 2755 · 9.2 s · 646 tokens · correctiQ-MLX · question abc329_a · 3.0 s · 98 tokens · correctiQ-MLX · question 3690 · 999.0 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 3540 · 4.6 s · 220 tokens · correctiQ-MLX · question abc327_c · 8.1 s · 544 tokens · correctiQ-MLX · question abc352_b · 38.9 s · 2,862 tokens · correctiQ-MLX · question 3528 · 69.8 s · 5,441 tokens · correctiQ-MLX · question 3347 · 8.6 s · 581 tokens · correctiQ-MLX · question abc384_b · 8.7 s · 611 tokens · correctiQ-MLX · question abc302_c · 15.5 s · 1,208 tokens · correctiQ-MLX · question abc377_b · 8.2 s · 502 tokens · correctiQ-MLX · question 3573 · 91.6 s · 7,173 tokens · correctiQ-MLX · question abc361_e · 35.2 s · 2,816 tokens · correctiQ-MLX · question 3000 · 102.6 s · 8,581 tokens · correctiQ-MLX · question abc397_d · 139.2 s · 11,545 tokens · wrongiQ-MLX · question abc313_a · 7.7 s · 537 tokens · correctiQ-MLX · question abc383_e · 271.4 s · 20,581 tokens · correctiQ-MLX · question 3243 · 231.6 s · 18,782 tokens · correctiQ-MLX · question 3476 · 4.7 s · 256 tokens · correctiQ-MLX · question abc377_d · 37.8 s · 3,150 tokens · correctiQ-MLX · question abc342_d · 46.1 s · 3,818 tokens · correctiQ-MLX · question 3219 · 74.4 s · 5,733 tokens · correctiQ-MLX · question 3025 · 496.0 s · 37,802 tokens · correctiQ-MLX · question 3328 · 41.5 s · 3,384 tokens · correctiQ-MLX · question 3478 · 1015.2 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question 3245 · 11.6 s · 850 tokens · correctiQ-MLX · question abc303_e · 944.2 s · 65,536 tokens · wrong · hit the max_tokens limitiQ-MLX · question abc395_c · 16.0 s · 1,212 tokens · correctiQ-MLX · question abc378_c · 4.6 s · 218 tokens · correct23.9sSwift 1.5Swift 1.5 · question abc308_b · 6.0 s · 364 tokens · correctSwift 1.5 · question 2857 · 20.6 s · 1,546 tokens · correctSwift 1.5 · question abc365_c · 18.3 s · 1,404 tokens · correctSwift 1.5 · question 3429 · 4.5 s · 229 tokens · correctSwift 1.5 · question 3334 · 5.9 s · 343 tokens · correctSwift 1.5 · question abc321_b · 19.4 s · 1,516 tokens · correctSwift 1.5 · question abc304_c · 9.8 s · 761 tokens · correctSwift 1.5 · question 3298 · 88.4 s · 7,293 tokens · correctSwift 1.5 · question 3620 · 70.9 s · 5,416 tokens · correctSwift 1.5 · question 2883 · 18.0 s · 1,397 tokens · correctSwift 1.5 · question 2878 · 13.0 s · 883 tokens · correctSwift 1.5 · question abc301_b · 13.1 s · 926 tokens · correctSwift 1.5 · question abc354_b · 5.6 s · 278 tokens · correctSwift 1.5 · question 3373 · 11.9 s · 900 tokens · correctSwift 1.5 · question 3717 · 148.0 s · 11,998 tokens · correctSwift 1.5 · question 2868 · 13.6 s · 1,055 tokens · correctSwift 1.5 · question abc346_d · 49.4 s · 4,078 tokens · correctSwift 1.5 · question 3632 · 14.8 s · 1,120 tokens · correctSwift 1.5 · question abc354_d · 194.6 s · 15,221 tokens · correctSwift 1.5 · question abc393_d · 16.6 s · 1,190 tokens · correctSwift 1.5 · question 3442 · 18.6 s · 1,374 tokens · wrongSwift 1.5 · question 2755 · 8.5 s · 550 tokens · correctSwift 1.5 · question abc329_a · 3.4 s · 147 tokens · correctSwift 1.5 · question 3690 · 284.8 s · 22,570 tokens · correctSwift 1.5 · question 3540 · 4.6 s · 240 tokens · correctSwift 1.5 · question abc327_c · 6.5 s · 373 tokens · correctSwift 1.5 · question abc352_b · 548.0 s · 65,536 tokens · wrong · hit the max_tokens limitSwift 1.5 · question 3528 · 80.0 s · 6,458 tokens · correctSwift 1.5 · question 3347 · 9.1 s · 628 tokens · correctSwift 1.5 · question abc384_b · 6.7 s · 389 tokens · correctSwift 1.5 · question abc302_c · 15.5 s · 1,242 tokens · correctSwift 1.5 · question abc377_b · 6.5 s · 398 tokens · correctSwift 1.5 · question 3573 · 32.2 s · 2,533 tokens · correctSwift 1.5 · question abc361_e · 16.4 s · 1,328 tokens · correctSwift 1.5 · question 3000 · 50.9 s · 4,182 tokens · correctSwift 1.5 · question abc397_d · 59.9 s · 4,957 tokens · wrongSwift 1.5 · question abc313_a · 5.0 s · 288 tokens · correctSwift 1.5 · question abc383_e · 96.5 s · 7,706 tokens · correctSwift 1.5 · question 3243 · 199.8 s · 17,124 tokens · correctSwift 1.5 · question 3476 · 4.3 s · 221 tokens · correctSwift 1.5 · question abc377_d · 32.2 s · 2,582 tokens · correctSwift 1.5 · question abc342_d · 30.4 s · 2,564 tokens · correctSwift 1.5 · question 3219 · 51.9 s · 3,993 tokens · correctSwift 1.5 · question 3025 · 302.7 s · 24,453 tokens · correctSwift 1.5 · question 3328 · 15.2 s · 1,078 tokens · correctSwift 1.5 · question 3478 · 14.6 s · 1,449 tokens · wrongSwift 1.5 · question 3245 · 10.2 s · 732 tokens · correctSwift 1.5 · question abc303_e · 1031.0 s · 65,536 tokens · wrong · hit the max_tokens limitSwift 1.5 · question abc395_c · 9.5 s · 696 tokens · correctSwift 1.5 · question abc378_c · 4.6 s · 224 tokens · correct16.0s

Swift 1.5 faster on 40 of 50 · iQ-MLX faster or tied on 10

HumanEval 164 problems

1.2× faster (median)
2s5s10s20s50s100s200siQ-MLXiQ-MLX · question 163 · 17.4 s · 1,532 tokens · correctiQ-MLX · question 28 · 5.1 s · 368 tokens · wrongiQ-MLX · question 6 · 6.2 s · 478 tokens · wrongiQ-MLX · question 70 · 5.6 s · 468 tokens · correctiQ-MLX · question 62 · 3.6 s · 239 tokens · correctiQ-MLX · question 57 · 3.8 s · 265 tokens · correctiQ-MLX · question 35 · 3.5 s · 281 tokens · correctiQ-MLX · question 26 · 5.0 s · 380 tokens · wrongiQ-MLX · question 139 · 4.7 s · 301 tokens · correctiQ-MLX · question 22 · 9.7 s · 725 tokens · wrongiQ-MLX · question 151 · 101.9 s · 8,356 tokens · correctiQ-MLX · question 108 · 12.1 s · 1,011 tokens · correctiQ-MLX · question 8 · 3.9 s · 231 tokens · wrongiQ-MLX · question 7 · 2.4 s · 139 tokens · correctiQ-MLX · question 23 · 2.0 s · 97 tokens · correctiQ-MLX · question 55 · 4.3 s · 336 tokens · correctiQ-MLX · question 59 · 7.5 s · 589 tokens · correctiQ-MLX · question 129 · 75.8 s · 6,317 tokens · correctiQ-MLX · question 161 · 2.7 s · 143 tokens · correctiQ-MLX · question 143 · 6.1 s · 442 tokens · correctiQ-MLX · question 50 · 3.9 s · 251 tokens · wrongiQ-MLX · question 155 · 3.5 s · 231 tokens · correctiQ-MLX · question 107 · 8.1 s · 633 tokens · correctiQ-MLX · question 56 · 4.2 s · 323 tokens · correctiQ-MLX · question 114 · 5.7 s · 455 tokens · correctiQ-MLX · question 71 · 6.8 s · 542 tokens · correctiQ-MLX · question 1 · 8.7 s · 629 tokens · wrongiQ-MLX · question 40 · 7.5 s · 572 tokens · correctiQ-MLX · question 152 · 2.6 s · 96 tokens · correctiQ-MLX · question 87 · 7.1 s · 521 tokens · correctiQ-MLX · question 138 · 3.5 s · 239 tokens · correctiQ-MLX · question 39 · 37.0 s · 3,352 tokens · correctiQ-MLX · question 148 · 7.4 s · 504 tokens · correctiQ-MLX · question 86 · 8.9 s · 621 tokens · correctiQ-MLX · question 156 · 6.1 s · 517 tokens · correctiQ-MLX · question 149 · 5.2 s · 314 tokens · correctiQ-MLX · question 97 · 4.5 s · 316 tokens · correctiQ-MLX · question 12 · 14.5 s · 1,137 tokens · wrongiQ-MLX · question 45 · 2.5 s · 124 tokens · correctiQ-MLX · question 135 · 6.3 s · 461 tokens · correctiQ-MLX · question 44 · 6.1 s · 440 tokens · correctiQ-MLX · question 77 · 8.6 s · 640 tokens · correctiQ-MLX · question 33 · 6.2 s · 492 tokens · correctiQ-MLX · question 103 · 24.2 s · 1,911 tokens · correctiQ-MLX · question 5 · 7.3 s · 532 tokens · wrongiQ-MLX · question 93 · 13.0 s · 959 tokens · correctiQ-MLX · question 58 · 4.5 s · 375 tokens · correctiQ-MLX · question 68 · 6.9 s · 427 tokens · correctiQ-MLX · question 15 · 3.2 s · 188 tokens · correctiQ-MLX · question 48 · 2.8 s · 157 tokens · correctiQ-MLX · question 10 · 25.8 s · 2,095 tokens · correctiQ-MLX · question 160 · 122.6 s · 9,878 tokens · correctiQ-MLX · question 37 · 5.1 s · 324 tokens · correctiQ-MLX · question 106 · 11.4 s · 880 tokens · correctiQ-MLX · question 80 · 4.8 s · 333 tokens · correctiQ-MLX · question 79 · 6.0 s · 441 tokens · correctiQ-MLX · question 46 · 9.3 s · 700 tokens · correctiQ-MLX · question 73 · 6.5 s · 446 tokens · correctiQ-MLX · question 24 · 3.5 s · 202 tokens · correctiQ-MLX · question 90 · 4.6 s · 247 tokens · correctiQ-MLX · question 153 · 6.9 s · 476 tokens · correctiQ-MLX · question 119 · 5.7 s · 382 tokens · correctiQ-MLX · question 84 · 6.9 s · 460 tokens · correctiQ-MLX · question 29 · 3.6 s · 214 tokens · correctiQ-MLX · question 98 · 6.1 s · 470 tokens · correctiQ-MLX · question 111 · 13.7 s · 1,021 tokens · correctiQ-MLX · question 113 · 7.1 s · 499 tokens · correctiQ-MLX · question 100 · 4.6 s · 328 tokens · correctiQ-MLX · question 126 · 11.0 s · 842 tokens · correctiQ-MLX · question 142 · 7.5 s · 540 tokens · correctiQ-MLX · question 157 · 7.7 s · 501 tokens · correctiQ-MLX · question 117 · 9.1 s · 716 tokens · correctiQ-MLX · question 81 · 24.3 s · 2,239 tokens · correctiQ-MLX · question 141 · 6.5 s · 475 tokens · correctiQ-MLX · question 20 · 13.8 s · 1,102 tokens · wrongiQ-MLX · question 47 · 203.9 s · 16,808 tokens · correctiQ-MLX · question 125 · 11.4 s · 842 tokens · correctiQ-MLX · question 146 · 9.6 s · 794 tokens · correctiQ-MLX · question 85 · 4.1 s · 219 tokens · correctiQ-MLX · question 34 · 3.1 s · 166 tokens · correctiQ-MLX · question 82 · 5.1 s · 377 tokens · correctiQ-MLX · question 9 · 8.3 s · 589 tokens · wrongiQ-MLX · question 122 · 6.0 s · 415 tokens · correctiQ-MLX · question 21 · 10.0 s · 711 tokens · wrongiQ-MLX · question 116 · 232.1 s · 20,177 tokens · wrongiQ-MLX · question 31 · 5.5 s · 402 tokens · correctiQ-MLX · question 89 · 12.2 s · 996 tokens · correctiQ-MLX · question 147 · 18.8 s · 1,486 tokens · correctiQ-MLX · question 94 · 22.5 s · 1,843 tokens · correctiQ-MLX · question 101 · 5.5 s · 365 tokens · correctiQ-MLX · question 133 · 5.9 s · 340 tokens · correctiQ-MLX · question 162 · 6.4 s · 485 tokens · correctiQ-MLX · question 41 · 4.9 s · 339 tokens · correctiQ-MLX · question 150 · 4.8 s · 334 tokens · correctiQ-MLX · question 96 · 9.7 s · 718 tokens · correctiQ-MLX · question 4 · 8.0 s · 559 tokens · wrongiQ-MLX · question 136 · 5.3 s · 396 tokens · correctiQ-MLX · question 51 · 5.0 s · 342 tokens · correctiQ-MLX · question 74 · 4.4 s · 230 tokens · correctiQ-MLX · question 120 · 5.8 s · 439 tokens · correctiQ-MLX · question 27 · 3.0 s · 144 tokens · correctiQ-MLX · question 92 · 10.3 s · 722 tokens · correctiQ-MLX · question 60 · 3.9 s · 226 tokens · correctiQ-MLX · question 36 · 7.8 s · 603 tokens · correctiQ-MLX · question 140 · 9.7 s · 703 tokens · correctiQ-MLX · question 134 · 8.4 s · 593 tokens · correctiQ-MLX · question 91 · 237.3 s · 32,768 tokens · wrong · hit the max_tokens limitiQ-MLX · question 13 · 3.8 s · 208 tokens · correctiQ-MLX · question 110 · 15.4 s · 1,209 tokens · correctiQ-MLX · question 78 · 5.2 s · 285 tokens · correctiQ-MLX · question 25 · 15.9 s · 1,189 tokens · wrongiQ-MLX · question 131 · 6.5 s · 490 tokens · correctiQ-MLX · question 69 · 8.8 s · 639 tokens · correctiQ-MLX · question 83 · 8.2 s · 651 tokens · correctiQ-MLX · question 16 · 3.9 s · 264 tokens · correctiQ-MLX · question 64 · 4.9 s · 332 tokens · correctiQ-MLX · question 115 · 10.4 s · 832 tokens · correctiQ-MLX · question 118 · 9.2 s · 659 tokens · correctiQ-MLX · question 65 · 117.9 s · 10,001 tokens · correctiQ-MLX · question 49 · 6.5 s · 454 tokens · correctiQ-MLX · question 99 · 12.5 s · 929 tokens · wrongiQ-MLX · question 63 · 6.9 s · 559 tokens · correctiQ-MLX · question 43 · 6.7 s · 504 tokens · correctiQ-MLX · question 53 · 3.0 s · 172 tokens · correctiQ-MLX · question 128 · 6.6 s · 503 tokens · correctiQ-MLX · question 14 · 6.3 s · 400 tokens · wrongiQ-MLX · question 75 · 22.8 s · 1,926 tokens · correctiQ-MLX · question 32 · 391.1 s · 32,768 tokens · wrong · hit the max_tokens limitiQ-MLX · question 54 · 6.4 s · 446 tokens · correctiQ-MLX · question 102 · 29.5 s · 2,505 tokens · correctiQ-MLX · question 3 · 5.0 s · 282 tokens · wrongiQ-MLX · question 112 · 3.5 s · 137 tokens · correctiQ-MLX · question 144 · 6.5 s · 409 tokens · correctiQ-MLX · question 158 · 9.6 s · 698 tokens · correctiQ-MLX · question 159 · 5.5 s · 334 tokens · correctiQ-MLX · question 67 · 5.4 s · 421 tokens · correctiQ-MLX · question 109 · 8.5 s · 571 tokens · correctiQ-MLX · question 76 · 300.5 s · 32,768 tokens · wrong · hit the max_tokens limitiQ-MLX · question 19 · 5.4 s · 385 tokens · correctiQ-MLX · question 2 · 5.2 s · 329 tokens · correctiQ-MLX · question 95 · 10.9 s · 770 tokens · correctiQ-MLX · question 132 · 70.4 s · 5,804 tokens · wrongiQ-MLX · question 72 · 3.2 s · 126 tokens · correctiQ-MLX · question 38 · 5.8 s · 418 tokens · wrongiQ-MLX · question 123 · 6.9 s · 448 tokens · correctiQ-MLX · question 52 · 3.6 s · 194 tokens · correctiQ-MLX · question 17 · 7.1 s · 524 tokens · wrongiQ-MLX · question 0 · 9.5 s · 646 tokens · wrongiQ-MLX · question 121 · 4.2 s · 280 tokens · correctiQ-MLX · question 127 · 7.3 s · 535 tokens · correctiQ-MLX · question 18 · 5.0 s · 344 tokens · correctiQ-MLX · question 154 · 7.3 s · 498 tokens · correctiQ-MLX · question 124 · 92.4 s · 9,316 tokens · wrongiQ-MLX · question 30 · 3.8 s · 227 tokens · correctiQ-MLX · question 66 · 5.0 s · 354 tokens · correctiQ-MLX · question 137 · 8.6 s · 568 tokens · correctiQ-MLX · question 11 · 6.6 s · 424 tokens · correctiQ-MLX · question 88 · 7.0 s · 480 tokens · correctiQ-MLX · question 130 · 18.1 s · 1,423 tokens · correctiQ-MLX · question 145 · 195.2 s · 16,360 tokens · correctiQ-MLX · question 42 · 3.3 s · 200 tokens · correctiQ-MLX · question 105 · 9.7 s · 651 tokens · correctiQ-MLX · question 104 · 11.4 s · 848 tokens · correctiQ-MLX · question 61 · 5.2 s · 402 tokens · correct6.6sSwift 1.5Swift 1.5 · question 163 · 7.3 s · 580 tokens · correctSwift 1.5 · question 28 · 4.4 s · 277 tokens · wrongSwift 1.5 · question 6 · 7.1 s · 473 tokens · correctSwift 1.5 · question 70 · 6.0 s · 510 tokens · correctSwift 1.5 · question 62 · 4.0 s · 272 tokens · correctSwift 1.5 · question 57 · 3.9 s · 274 tokens · correctSwift 1.5 · question 35 · 2.6 s · 160 tokens · correctSwift 1.5 · question 26 · 6.3 s · 493 tokens · correctSwift 1.5 · question 139 · 3.4 s · 243 tokens · correctSwift 1.5 · question 22 · 5.0 s · 335 tokens · wrongSwift 1.5 · question 151 · 4.3 s · 341 tokens · correctSwift 1.5 · question 108 · 9.6 s · 794 tokens · correctSwift 1.5 · question 8 · 5.8 s · 451 tokens · wrongSwift 1.5 · question 7 · 2.2 s · 140 tokens · correctSwift 1.5 · question 23 · 2.1 s · 110 tokens · correctSwift 1.5 · question 55 · 2.9 s · 201 tokens · correctSwift 1.5 · question 59 · 7.1 s · 587 tokens · correctSwift 1.5 · question 129 · 24.7 s · 1,887 tokens · correctSwift 1.5 · question 161 · 4.6 s · 317 tokens · correctSwift 1.5 · question 143 · 5.9 s · 414 tokens · correctSwift 1.5 · question 50 · 3.8 s · 214 tokens · wrongSwift 1.5 · question 155 · 4.8 s · 355 tokens · correctSwift 1.5 · question 107 · 7.3 s · 630 tokens · correctSwift 1.5 · question 56 · 5.0 s · 367 tokens · correctSwift 1.5 · question 114 · 3.8 s · 267 tokens · correctSwift 1.5 · question 71 · 8.7 s · 704 tokens · correctSwift 1.5 · question 1 · 7.8 s · 582 tokens · wrongSwift 1.5 · question 40 · 6.2 s · 461 tokens · correctSwift 1.5 · question 152 · 2.5 s · 88 tokens · correctSwift 1.5 · question 87 · 4.8 s · 333 tokens · correctSwift 1.5 · question 138 · 3.2 s · 212 tokens · correctSwift 1.5 · question 39 · 8.9 s · 727 tokens · correctSwift 1.5 · question 148 · 7.6 s · 666 tokens · correctSwift 1.5 · question 86 · 8.1 s · 639 tokens · correctSwift 1.5 · question 156 · 5.8 s · 437 tokens · correctSwift 1.5 · question 149 · 3.7 s · 198 tokens · correctSwift 1.5 · question 97 · 3.6 s · 219 tokens · correctSwift 1.5 · question 12 · 3.3 s · 203 tokens · wrongSwift 1.5 · question 45 · 2.5 s · 135 tokens · correctSwift 1.5 · question 135 · 3.9 s · 262 tokens · correctSwift 1.5 · question 44 · 5.4 s · 415 tokens · correctSwift 1.5 · question 77 · 7.6 s · 592 tokens · correctSwift 1.5 · question 33 · 5.4 s · 395 tokens · correctSwift 1.5 · question 103 · 15.4 s · 1,199 tokens · correctSwift 1.5 · question 5 · 7.1 s · 505 tokens · wrongSwift 1.5 · question 93 · 11.2 s · 865 tokens · correctSwift 1.5 · question 58 · 3.5 s · 234 tokens · correctSwift 1.5 · question 68 · 4.6 s · 262 tokens · correctSwift 1.5 · question 15 · 3.5 s · 207 tokens · correctSwift 1.5 · question 48 · 2.9 s · 157 tokens · correctSwift 1.5 · question 10 · 11.2 s · 860 tokens · wrongSwift 1.5 · question 160 · 5.5 s · 336 tokens · correctSwift 1.5 · question 37 · 5.1 s · 363 tokens · correctSwift 1.5 · question 106 · 8.2 s · 692 tokens · correctSwift 1.5 · question 80 · 4.8 s · 337 tokens · correctSwift 1.5 · question 79 · 3.9 s · 270 tokens · correctSwift 1.5 · question 46 · 8.2 s · 685 tokens · correctSwift 1.5 · question 73 · 3.0 s · 135 tokens · correctSwift 1.5 · question 24 · 8.1 s · 579 tokens · correctSwift 1.5 · question 90 · 3.0 s · 125 tokens · correctSwift 1.5 · question 153 · 6.0 s · 361 tokens · correctSwift 1.5 · question 119 · 6.4 s · 435 tokens · correctSwift 1.5 · question 84 · 5.2 s · 363 tokens · correctSwift 1.5 · question 29 · 2.4 s · 135 tokens · correctSwift 1.5 · question 98 · 3.4 s · 226 tokens · correctSwift 1.5 · question 111 · 5.1 s · 368 tokens · correctSwift 1.5 · question 113 · 10.8 s · 919 tokens · correctSwift 1.5 · question 100 · 4.8 s · 362 tokens · correctSwift 1.5 · question 126 · 10.9 s · 893 tokens · correctSwift 1.5 · question 142 · 6.0 s · 426 tokens · correctSwift 1.5 · question 157 · 9.0 s · 665 tokens · correctSwift 1.5 · question 117 · 8.5 s · 662 tokens · correctSwift 1.5 · question 81 · 12.6 s · 1,209 tokens · correctSwift 1.5 · question 141 · 6.7 s · 477 tokens · correctSwift 1.5 · question 20 · 8.4 s · 632 tokens · wrongSwift 1.5 · question 47 · 60.6 s · 5,359 tokens · correctSwift 1.5 · question 125 · 9.5 s · 686 tokens · correctSwift 1.5 · question 146 · 7.6 s · 603 tokens · correctSwift 1.5 · question 85 · 2.8 s · 149 tokens · correctSwift 1.5 · question 34 · 2.9 s · 158 tokens · correctSwift 1.5 · question 82 · 5.0 s · 367 tokens · correctSwift 1.5 · question 9 · 6.9 s · 447 tokens · wrongSwift 1.5 · question 122 · 5.8 s · 399 tokens · correctSwift 1.5 · question 21 · 5.3 s · 363 tokens · wrongSwift 1.5 · question 116 · 12.6 s · 974 tokens · wrongSwift 1.5 · question 31 · 3.8 s · 261 tokens · correctSwift 1.5 · question 89 · 8.2 s · 624 tokens · correctSwift 1.5 · question 147 · 16.5 s · 1,298 tokens · correctSwift 1.5 · question 94 · 8.1 s · 554 tokens · correctSwift 1.5 · question 101 · 4.5 s · 315 tokens · correctSwift 1.5 · question 133 · 5.7 s · 331 tokens · correctSwift 1.5 · question 162 · 4.4 s · 282 tokens · correctSwift 1.5 · question 41 · 3.3 s · 160 tokens · correctSwift 1.5 · question 150 · 5.7 s · 444 tokens · correctSwift 1.5 · question 96 · 6.2 s · 478 tokens · correctSwift 1.5 · question 4 · 5.5 s · 385 tokens · wrongSwift 1.5 · question 136 · 5.2 s · 341 tokens · correctSwift 1.5 · question 51 · 4.2 s · 275 tokens · correctSwift 1.5 · question 74 · 5.7 s · 444 tokens · correctSwift 1.5 · question 120 · 4.8 s · 362 tokens · correctSwift 1.5 · question 27 · 2.6 s · 137 tokens · correctSwift 1.5 · question 92 · 5.1 s · 357 tokens · correctSwift 1.5 · question 60 · 3.4 s · 204 tokens · correctSwift 1.5 · question 36 · 5.7 s · 413 tokens · correctSwift 1.5 · question 140 · 7.8 s · 568 tokens · correctSwift 1.5 · question 134 · 11.5 s · 894 tokens · correctSwift 1.5 · question 91 · 7.5 s · 578 tokens · correctSwift 1.5 · question 13 · 3.9 s · 286 tokens · correctSwift 1.5 · question 110 · 8.8 s · 714 tokens · correctSwift 1.5 · question 78 · 3.3 s · 120 tokens · correctSwift 1.5 · question 25 · 15.1 s · 1,189 tokens · wrongSwift 1.5 · question 131 · 3.7 s · 267 tokens · correctSwift 1.5 · question 69 · 6.2 s · 410 tokens · correctSwift 1.5 · question 83 · 7.4 s · 600 tokens · correctSwift 1.5 · question 16 · 3.0 s · 166 tokens · correctSwift 1.5 · question 64 · 6.8 s · 483 tokens · correctSwift 1.5 · question 115 · 6.6 s · 535 tokens · correctSwift 1.5 · question 118 · 8.0 s · 594 tokens · correctSwift 1.5 · question 65 · 8.3 s · 650 tokens · correctSwift 1.5 · question 49 · 3.3 s · 206 tokens · correctSwift 1.5 · question 99 · 10.6 s · 799 tokens · correctSwift 1.5 · question 63 · 10.1 s · 828 tokens · correctSwift 1.5 · question 43 · 5.4 s · 365 tokens · correctSwift 1.5 · question 53 · 2.3 s · 100 tokens · correctSwift 1.5 · question 128 · 6.8 s · 537 tokens · correctSwift 1.5 · question 14 · 3.0 s · 153 tokens · correctSwift 1.5 · question 75 · 15.4 s · 1,330 tokens · correctSwift 1.5 · question 32 · 52.2 s · 4,504 tokens · wrongSwift 1.5 · question 54 · 7.6 s · 522 tokens · correctSwift 1.5 · question 102 · 12.1 s · 916 tokens · correctSwift 1.5 · question 3 · 5.3 s · 310 tokens · wrongSwift 1.5 · question 112 · 3.5 s · 150 tokens · correctSwift 1.5 · question 144 · 4.4 s · 263 tokens · correctSwift 1.5 · question 158 · 5.9 s · 467 tokens · correctSwift 1.5 · question 159 · 4.1 s · 229 tokens · correctSwift 1.5 · question 67 · 3.6 s · 172 tokens · correctSwift 1.5 · question 109 · 8.0 s · 659 tokens · correctSwift 1.5 · question 76 · 166.7 s · 14,550 tokens · wrongSwift 1.5 · question 19 · 4.8 s · 293 tokens · correctSwift 1.5 · question 2 · 3.5 s · 209 tokens · correctSwift 1.5 · question 95 · 11.5 s · 869 tokens · correctSwift 1.5 · question 132 · 20.4 s · 1,550 tokens · correctSwift 1.5 · question 72 · 3.7 s · 188 tokens · correctSwift 1.5 · question 38 · 6.0 s · 450 tokens · wrongSwift 1.5 · question 123 · 6.6 s · 536 tokens · correctSwift 1.5 · question 52 · 2.6 s · 130 tokens · correctSwift 1.5 · question 17 · 4.8 s · 241 tokens · wrongSwift 1.5 · question 0 · 5.4 s · 296 tokens · wrongSwift 1.5 · question 121 · 3.9 s · 243 tokens · correctSwift 1.5 · question 127 · 6.7 s · 526 tokens · correctSwift 1.5 · question 18 · 4.8 s · 333 tokens · correctSwift 1.5 · question 154 · 4.4 s · 271 tokens · correctSwift 1.5 · question 124 · 36.2 s · 3,069 tokens · correctSwift 1.5 · question 30 · 3.3 s · 221 tokens · correctSwift 1.5 · question 66 · 5.5 s · 362 tokens · correctSwift 1.5 · question 137 · 6.5 s · 465 tokens · correctSwift 1.5 · question 11 · 4.2 s · 251 tokens · correctSwift 1.5 · question 88 · 8.3 s · 645 tokens · correctSwift 1.5 · question 130 · 11.6 s · 992 tokens · correctSwift 1.5 · question 145 · 292.3 s · 32,768 tokens · wrong · hit the max_tokens limitSwift 1.5 · question 42 · 2.8 s · 162 tokens · correctSwift 1.5 · question 105 · 5.2 s · 319 tokens · correctSwift 1.5 · question 104 · 4.8 s · 318 tokens · correctSwift 1.5 · question 61 · 4.4 s · 287 tokens · correct5.5s

Swift 1.5 faster on 126 of 164 · iQ-MLX faster or tied on 38

Total time to run the suite

Sum of the wall time of every question, one question at a time.

GPQA-Diamond

iQ-MLX140 min
Swift 1.556 min

LiveCodeBench v6

iQ-MLX100 min
Swift 1.562 min

HumanEval

iQ-MLX55 min
Swift 1.527 min

Why it is faster

Same runtime, same flags, same generation speed. Swift 1.5 writes fewer thinking tokens before it answers.

iQ-MLXSwift 1.5

Tokens per answer (median)

Thinking plus the visible answer.

GPQA-Diamond

iQ-MLX5,124 tokens
Swift 1.51,689 tokens

LiveCodeBench v6

iQ-MLX2,984 tokens
Swift 1.51,448 tokens

HumanEval

iQ-MLX468 tokens
Swift 1.5403 tokens

Generation speed (median)

Output tokens divided by the wall time of each answer.

GPQA-Diamond

iQ-MLX74.0 tok/s
Swift 1.574.3 tok/s

LiveCodeBench v6

iQ-MLX73.9 tok/s
Swift 1.573.3 tok/s

HumanEval

iQ-MLX69.1 tok/s
Swift 1.569.2 tok/s

Medians. The total token count on GPQA-Diamond drops less, from 675k to 434k tokens, because a few answers on both sides run to the max_tokens limit (4 for iQ-MLX, 2 for Swift 1.5).

iQ-MLXSwift 1.5

Tokens per answer (median)

Thinking plus the visible answer.

GPQA-Diamond

iQ-MLX1,530 tokens
Swift 1.51,148 tokens

LiveCodeBench v6

iQ-MLX1,860 tokens
Swift 1.51,285 tokens

HumanEval

iQ-MLX477 tokens
Swift 1.5368 tokens

Generation speed (median)

Output tokens divided by the wall time of each answer.

GPQA-Diamond

iQ-MLX77.4 tok/s
Swift 1.577.2 tok/s

LiveCodeBench v6

iQ-MLX75.1 tok/s
Swift 1.576.1 tok/s

HumanEval

iQ-MLX72.2 tok/s
Swift 1.571.0 tok/s

Medians. The total token count on GPQA-Diamond drops less, from 705k to 281k tokens, because a few answers on both sides run to the max_tokens limit (7 for iQ-MLX, 0 for Swift 1.5).

Accuracy

Correct answers per suite. A truncated answer counts as wrong. LiveCodeBench answers are graded with the import prelude of the official LiveCodeBench harness (regraded 2026-10-14; the first grading of this page scored both models 4–5 problems lower).

SuiteiQ-MLXSwift 1.5Swift − iQ
HumanEval 164 problems158/164158/1640
GPQA-Diamond 50 questions, seed 4245/5043/50−2
LiveCodeBench v6 50 problems, seed 4245/5047/50+2
Tool calling · jdhodges 40 cases35/4036/40+1
Tool calling · Veerman 12 cases10/1210/120
Instruction following 20 IFEval-style cases20/2019/20−1

HumanEval is graded with the imports of the prompt added, because a correct answer that omits from typing import List fails the strict grader. Strict grade: 144 (iQ-MLX) vs 147 (Swift 1.5).

SuiteiQ-MLXSwift 1.5Swift − iQ
HumanEval 164 problems155/164157/164+2
GPQA-Diamond 50 questions, seed 4239/5042/50+3
LiveCodeBench v6 50 problems, seed 4245/5045/500
Tool calling · jdhodges 40 cases38/4039/40+1
Tool calling · Veerman 12 cases10/129/12−1
Instruction following 20 IFEval-style cases20/2019/20−1

HumanEval is graded with the imports of the prompt added, because a correct answer that omits from typing import List fails the strict grader. Strict grade: 138 (iQ-MLX) vs 143 (Swift 1.5).

More detail

iQ-MLXSwift 1.5

Seconds per correct answer

Total suite time divided by the number of correct answers.

GPQA-Diamond

iQ-MLX211 s
Swift 1.5132 s

LiveCodeBench v6

iQ-MLX192 s
Swift 1.5103 s

HumanEval

iQ-MLX22 s
Swift 1.516 s

LiveCodeBench by difficulty (median time)

The gain grows with the difficulty of the problem.

easy · 15 problems

iQ-MLX7.5 s 15/15 solved
Swift 1.57.7 s 15/15 solved

medium · 23 problems

iQ-MLX35.0 s 22/23 solved
Swift 1.522.4 s 22/23 solved

hard · 12 problems

iQ-MLX480.9 s 8/12 solved
Swift 1.5269.5 s 10/12 solved

Thinking + answer tokens (median of each part)

Solid: thinking. Light: the visible answer. Only the thinking shrinks.

LiveCodeBench v6

iQ-MLX2,850 + 169
Swift 1.51,214 + 158

HumanEval

iQ-MLX321 + 113
Swift 1.5249 + 130
iQ-MLXSwift 1.5

Seconds per correct answer

Total suite time divided by the number of correct answers.

GPQA-Diamond

iQ-MLX215 s
Swift 1.581 s

LiveCodeBench v6

iQ-MLX133 s
Swift 1.582 s

HumanEval

iQ-MLX24 s
Swift 1.511 s

LiveCodeBench by difficulty (median time)

The gain grows with the difficulty of the problem.

easy · 15 problems

iQ-MLX8.2 s 15/15 solved
Swift 1.56.5 s 14/15 solved

medium · 23 problems

iQ-MLX23.4 s 22/23 solved
Swift 1.515.5 s 22/23 solved

hard · 12 problems

iQ-MLX278.5 s 8/12 solved
Swift 1.5122.2 s 9/12 solved

Thinking + answer tokens (median of each part)

Solid: thinking. Light: the visible answer. Only the thinking shrinks.

LiveCodeBench v6

iQ-MLX1,656 + 150
Swift 1.5988 + 172

HumanEval

iQ-MLX339 + 114
Swift 1.5232 + 138

Short tasks: about the same

Tool calling and instruction following need little thinking, and both models answer in 2–3 seconds. For tool calling, the time adds the turn that writes the call and, for the multi-turn cases, the turn that reads the tool result.

iQ-MLXSwift 1.5 correct wrong× hit the max_tokens limit median

Tool calling · jdhodges 40 cases

about the same (median)
2s5s10s20siQ-MLXiQ-MLX · question sel_weather_portland · 6.4 s · 220 tokens · correctiQ-MLX · question sel_currency_usd_eur · 2.0 s · 70 tokens · correctiQ-MLX · question sel_timezone_tokyo · 1.8 s · 53 tokens · correctiQ-MLX · question sel_web_python_release · 2.0 s · 63 tokens · correctiQ-MLX · question sel_reminder_dentist · 3.3 s · 172 tokens · correctiQ-MLX · question sel_email_quick · 2.4 s · 108 tokens · correctiQ-MLX · question sel_calendar_create · 3.2 s · 179 tokens · correctiQ-MLX · question sel_calendar_read_week · 2.6 s · 112 tokens · correctiQ-MLX · question arg_weather_units_celsius · 1.9 s · 68 tokens · correctiQ-MLX · question arg_currency_jpy · 2.0 s · 82 tokens · correctiQ-MLX · question arg_email_with_cc · 2.2 s · 93 tokens · correctiQ-MLX · question arg_event_with_attendees · 8.1 s · 531 tokens · wrongiQ-MLX · question arg_timezone_london · 2.0 s · 66 tokens · correctiQ-MLX · question arg_reminder_iso_time · 6.0 s · 413 tokens · wrongiQ-MLX · question arg_calendar_range_month · 2.5 s · 122 tokens · correctiQ-MLX · question arg_search_verbatim · 1.9 s · 70 tokens · correctiQ-MLX · question multi_weather_parallel · 2.0 s · 76 tokens · correctiQ-MLX · question multi_usd_eur_sequential · 5.9 s · 245 tokens · correctiQ-MLX · question multi_paris_celsius_fahrenheit · 4.4 s · 279 tokens · correctiQ-MLX · question multi_email_after_calendar_read · 22.2 s · 1,486 tokens · wrongiQ-MLX · question multi_weather_two_cities_holdout · 2.3 s · 96 tokens · correctiQ-MLX · question multi_convert_two_currencies · 2.4 s · 136 tokens · correctiQ-MLX · question multi_search_then_remind · 16.4 s · 884 tokens · wrongiQ-MLX · question multi_time_and_weather · 2.4 s · 113 tokens · correctiQ-MLX · question edge_photosynthesis · 7.2 s · 531 tokens · correctiQ-MLX · question edge_joke · 1.8 s · 58 tokens · correctiQ-MLX · question edge_math_simple · 1.6 s · 42 tokens · correctiQ-MLX · question edge_feeling_down · 7.7 s · 465 tokens · correctiQ-MLX · question edge_vague_reminder · 9.2 s · 665 tokens · wrongiQ-MLX · question edge_vague_email · 2.7 s · 117 tokens · correctiQ-MLX · question edge_define_word · 3.2 s · 158 tokens · correctiQ-MLX · question edge_language_greeting · 2.2 s · 86 tokens · correctiQ-MLX · question fmt_email_no_cc · 2.4 s · 114 tokens · correctiQ-MLX · question fmt_email_three_cc · 3.3 s · 178 tokens · correctiQ-MLX · question fmt_event_four_attendees · 2.7 s · 140 tokens · correctiQ-MLX · question fmt_weather_fahrenheit_enum · 1.9 s · 79 tokens · correctiQ-MLX · question fmt_weather_no_units · 1.6 s · 48 tokens · correctiQ-MLX · question fmt_currency_decimal_amount · 1.9 s · 82 tokens · correctiQ-MLX · question fmt_event_no_attendees · 2.5 s · 151 tokens · correctiQ-MLX · question fmt_calendar_read_single_day · 2.1 s · 107 tokens · correct2.4sSwift 1.5Swift 1.5 · question sel_weather_portland · 4.2 s · 68 tokens · correctSwift 1.5 · question sel_currency_usd_eur · 2.0 s · 74 tokens · correctSwift 1.5 · question sel_timezone_tokyo · 1.8 s · 51 tokens · correctSwift 1.5 · question sel_web_python_release · 1.9 s · 64 tokens · correctSwift 1.5 · question sel_reminder_dentist · 2.9 s · 174 tokens · correctSwift 1.5 · question sel_email_quick · 2.1 s · 83 tokens · correctSwift 1.5 · question sel_calendar_create · 2.9 s · 156 tokens · correctSwift 1.5 · question sel_calendar_read_week · 2.8 s · 139 tokens · correctSwift 1.5 · question arg_weather_units_celsius · 2.4 s · 94 tokens · correctSwift 1.5 · question arg_currency_jpy · 2.0 s · 83 tokens · correctSwift 1.5 · question arg_email_with_cc · 2.3 s · 109 tokens · correctSwift 1.5 · question arg_event_with_attendees · 2.8 s · 147 tokens · correctSwift 1.5 · question arg_timezone_london · 1.7 s · 57 tokens · correctSwift 1.5 · question arg_reminder_iso_time · 5.4 s · 327 tokens · wrongSwift 1.5 · question arg_calendar_range_month · 2.5 s · 108 tokens · correctSwift 1.5 · question arg_search_verbatim · 1.8 s · 62 tokens · correctSwift 1.5 · question multi_weather_parallel · 1.9 s · 70 tokens · correctSwift 1.5 · question multi_usd_eur_sequential · 3.5 s · 90 tokens · correctSwift 1.5 · question multi_paris_celsius_fahrenheit · 5.0 s · 315 tokens · wrongSwift 1.5 · question multi_email_after_calendar_read · 5.9 s · 169 tokens · correctSwift 1.5 · question multi_weather_two_cities_holdout · 2.0 s · 72 tokens · correctSwift 1.5 · question multi_convert_two_currencies · 2.5 s · 135 tokens · correctSwift 1.5 · question multi_search_then_remind · 15.3 s · 862 tokens · wrongSwift 1.5 · question multi_time_and_weather · 2.1 s · 109 tokens · correctSwift 1.5 · question edge_photosynthesis · 7.6 s · 569 tokens · correctSwift 1.5 · question edge_joke · 1.8 s · 56 tokens · correctSwift 1.5 · question edge_math_simple · 1.7 s · 51 tokens · correctSwift 1.5 · question edge_feeling_down · 7.8 s · 489 tokens · correctSwift 1.5 · question edge_vague_reminder · 3.6 s · 200 tokens · wrongSwift 1.5 · question edge_vague_email · 2.7 s · 130 tokens · correctSwift 1.5 · question edge_define_word · 3.1 s · 152 tokens · correctSwift 1.5 · question edge_language_greeting · 3.2 s · 177 tokens · correctSwift 1.5 · question fmt_email_no_cc · 2.2 s · 101 tokens · correctSwift 1.5 · question fmt_email_three_cc · 2.8 s · 140 tokens · correctSwift 1.5 · question fmt_event_four_attendees · 2.6 s · 137 tokens · correctSwift 1.5 · question fmt_weather_fahrenheit_enum · 1.7 s · 66 tokens · correctSwift 1.5 · question fmt_weather_no_units · 1.7 s · 52 tokens · correctSwift 1.5 · question fmt_currency_decimal_amount · 1.9 s · 81 tokens · correctSwift 1.5 · question fmt_event_no_attendees · 2.7 s · 150 tokens · correctSwift 1.5 · question fmt_calendar_read_single_day · 2.9 s · 167 tokens · correct2.5s

Tool calling · Veerman 12 cases

about the same (median)
2s5s10s20siQ-MLXiQ-MLX · question veerman_p1_weather_obvious · 3.1 s · 66 tokens · correctiQ-MLX · question veerman_p2_files_obvious · 1.9 s · 63 tokens · correctiQ-MLX · question veerman_p3_meeting_multi_arg · 3.2 s · 167 tokens · correctiQ-MLX · question veerman_p4_ambiguous_brussels · 2.6 s · 106 tokens · correctiQ-MLX · question veerman_p5_meta_trick · 2.5 s · 127 tokens · correctiQ-MLX · question veerman_p6_multi_step_unknown_city · 3.1 s · 156 tokens · wrongiQ-MLX · question veerman_p7_noisy_params · 11.4 s · 954 tokens · correctiQ-MLX · question veerman_p8_two_tools_parallel · 2.3 s · 101 tokens · correctiQ-MLX · question veerman_p9_code_trick · 11.5 s · 1,028 tokens · correctiQ-MLX · question veerman_p10_implicit_weather · 16.2 s · 1,136 tokens · correctiQ-MLX · question veerman_p11_negation · 2.1 s · 88 tokens · correctiQ-MLX · question veerman_p12_redundant_weather · 8.7 s · 612 tokens · wrong3.1sSwift 1.5Swift 1.5 · question veerman_p1_weather_obvious · 2.8 s · 64 tokens · correctSwift 1.5 · question veerman_p2_files_obvious · 1.8 s · 59 tokens · correctSwift 1.5 · question veerman_p3_meeting_multi_arg · 2.8 s · 154 tokens · correctSwift 1.5 · question veerman_p4_ambiguous_brussels · 2.9 s · 142 tokens · correctSwift 1.5 · question veerman_p5_meta_trick · 4.2 s · 299 tokens · correctSwift 1.5 · question veerman_p6_multi_step_unknown_city · 3.1 s · 174 tokens · wrongSwift 1.5 · question veerman_p7_noisy_params · 9.6 s · 789 tokens · correctSwift 1.5 · question veerman_p8_two_tools_parallel · 2.2 s · 102 tokens · correctSwift 1.5 · question veerman_p9_code_trick · 23.0 s · 2,131 tokens · correctSwift 1.5 · question veerman_p10_implicit_weather · 10.1 s · 684 tokens · correctSwift 1.5 · question veerman_p11_negation · 3.0 s · 152 tokens · correctSwift 1.5 · question veerman_p12_redundant_weather · 8.6 s · 601 tokens · wrong3.0s

Instruction following 20 IFEval-style cases

1.1× slower (median)
1s2s5s10siQ-MLXiQ-MLX · question if01 · 5.1 s · 329 tokens · correctiQ-MLX · question if02 · 1.3 s · 77 tokens · correctiQ-MLX · question if03 · 1.9 s · 125 tokens · correctiQ-MLX · question if04 · 2.6 s · 204 tokens · correctiQ-MLX · question if05 · 1.3 s · 84 tokens · correctiQ-MLX · question if06 · 1.9 s · 128 tokens · correctiQ-MLX · question if07 · 1.5 s · 93 tokens · correctiQ-MLX · question if08 · 2.5 s · 156 tokens · correctiQ-MLX · question if09 · 1.3 s · 75 tokens · correctiQ-MLX · question if10 · 2.9 s · 230 tokens · correctiQ-MLX · question if11 · 10.9 s · 1,144 tokens · correctiQ-MLX · question if12 · 1.6 s · 89 tokens · correctiQ-MLX · question if13 · 3.1 s · 216 tokens · correctiQ-MLX · question if14 · 1.7 s · 110 tokens · correctiQ-MLX · question if15 · 3.0 s · 215 tokens · correctiQ-MLX · question if16 · 1.7 s · 128 tokens · correctiQ-MLX · question if17 · 1.3 s · 82 tokens · correctiQ-MLX · question if18 · 4.7 s · 353 tokens · correctiQ-MLX · question if19 · 2.4 s · 188 tokens · correctiQ-MLX · question if20 · 1.0 s · 65 tokens · correct1.9sSwift 1.5Swift 1.5 · question if01 · 4.2 s · 245 tokens · correctSwift 1.5 · question if02 · 2.9 s · 259 tokens · correctSwift 1.5 · question if03 · 1.3 s · 68 tokens · correctSwift 1.5 · question if04 · 2.8 s · 217 tokens · correctSwift 1.5 · question if05 · 1.1 s · 69 tokens · correctSwift 1.5 · question if06 · 2.7 s · 188 tokens · correctSwift 1.5 · question if07 · 1.1 s · 59 tokens · correctSwift 1.5 · question if08 · 2.5 s · 159 tokens · wrongSwift 1.5 · question if09 · 1.2 s · 77 tokens · correctSwift 1.5 · question if10 · 2.3 s · 171 tokens · correctSwift 1.5 · question if11 · 9.0 s · 930 tokens · correctSwift 1.5 · question if12 · 1.1 s · 52 tokens · correctSwift 1.5 · question if13 · 3.1 s · 207 tokens · correctSwift 1.5 · question if14 · 1.7 s · 105 tokens · correctSwift 1.5 · question if15 · 2.6 s · 179 tokens · correctSwift 1.5 · question if16 · 1.7 s · 113 tokens · correctSwift 1.5 · question if17 · 2.1 s · 142 tokens · correctSwift 1.5 · question if18 · 1.7 s · 112 tokens · correctSwift 1.5 · question if19 · 2.2 s · 190 tokens · correctSwift 1.5 · question if20 · 0.9 s · 62 tokens · correct2.2s
iQ-MLXSwift 1.5 correct wrong× hit the max_tokens limit median

Tool calling · jdhodges 40 cases

1.1× faster (median)
2s5s10siQ-MLXiQ-MLX · question sel_weather_portland · 4.4 s · 96 tokens · correctiQ-MLX · question sel_currency_usd_eur · 2.4 s · 94 tokens · correctiQ-MLX · question sel_timezone_tokyo · 1.8 s · 52 tokens · correctiQ-MLX · question sel_web_python_release · 2.0 s · 64 tokens · correctiQ-MLX · question sel_reminder_dentist · 3.3 s · 194 tokens · correctiQ-MLX · question sel_email_quick · 2.3 s · 90 tokens · correctiQ-MLX · question sel_calendar_create · 3.1 s · 178 tokens · correctiQ-MLX · question sel_calendar_read_week · 2.5 s · 114 tokens · correctiQ-MLX · question arg_weather_units_celsius · 1.9 s · 69 tokens · correctiQ-MLX · question arg_currency_jpy · 2.0 s · 83 tokens · correctiQ-MLX · question arg_email_with_cc · 2.3 s · 93 tokens · correctiQ-MLX · question arg_event_with_attendees · 3.1 s · 145 tokens · correctiQ-MLX · question arg_timezone_london · 1.9 s · 66 tokens · correctiQ-MLX · question arg_reminder_iso_time · 4.7 s · 282 tokens · wrongiQ-MLX · question arg_calendar_range_month · 2.6 s · 122 tokens · correctiQ-MLX · question arg_search_verbatim · 1.9 s · 62 tokens · correctiQ-MLX · question multi_weather_parallel · 2.1 s · 67 tokens · correctiQ-MLX · question multi_usd_eur_sequential · 3.8 s · 101 tokens · correctiQ-MLX · question multi_paris_celsius_fahrenheit · 5.1 s · 323 tokens · correctiQ-MLX · question multi_email_after_calendar_read · 6.1 s · 191 tokens · correctiQ-MLX · question multi_weather_two_cities_holdout · 2.1 s · 80 tokens · correctiQ-MLX · question multi_convert_two_currencies · 2.6 s · 146 tokens · correctiQ-MLX · question multi_search_then_remind · 9.6 s · 326 tokens · wrongiQ-MLX · question multi_time_and_weather · 2.0 s · 87 tokens · correctiQ-MLX · question edge_photosynthesis · 6.8 s · 505 tokens · correctiQ-MLX · question edge_joke · 2.0 s · 72 tokens · correctiQ-MLX · question edge_math_simple · 1.6 s · 49 tokens · correctiQ-MLX · question edge_feeling_down · 5.7 s · 366 tokens · correctiQ-MLX · question edge_vague_reminder · 3.7 s · 204 tokens · correctiQ-MLX · question edge_vague_email · 2.6 s · 125 tokens · correctiQ-MLX · question edge_define_word · 5.5 s · 351 tokens · correctiQ-MLX · question edge_language_greeting · 2.9 s · 159 tokens · correctiQ-MLX · question fmt_email_no_cc · 2.3 s · 102 tokens · correctiQ-MLX · question fmt_email_three_cc · 2.3 s · 113 tokens · correctiQ-MLX · question fmt_event_four_attendees · 2.7 s · 139 tokens · correctiQ-MLX · question fmt_weather_fahrenheit_enum · 2.0 s · 78 tokens · correctiQ-MLX · question fmt_weather_no_units · 1.6 s · 48 tokens · correctiQ-MLX · question fmt_currency_decimal_amount · 1.9 s · 81 tokens · correctiQ-MLX · question fmt_event_no_attendees · 2.8 s · 161 tokens · correctiQ-MLX · question fmt_calendar_read_single_day · 3.0 s · 172 tokens · correct2.6sSwift 1.5Swift 1.5 · question sel_weather_portland · 5.1 s · 154 tokens · correctSwift 1.5 · question sel_currency_usd_eur · 2.0 s · 75 tokens · correctSwift 1.5 · question sel_timezone_tokyo · 1.8 s · 51 tokens · correctSwift 1.5 · question sel_web_python_release · 2.0 s · 64 tokens · correctSwift 1.5 · question sel_reminder_dentist · 3.3 s · 200 tokens · correctSwift 1.5 · question sel_email_quick · 2.4 s · 92 tokens · correctSwift 1.5 · question sel_calendar_create · 2.9 s · 153 tokens · correctSwift 1.5 · question sel_calendar_read_week · 2.9 s · 129 tokens · correctSwift 1.5 · question arg_weather_units_celsius · 2.0 s · 71 tokens · correctSwift 1.5 · question arg_currency_jpy · 2.0 s · 83 tokens · correctSwift 1.5 · question arg_email_with_cc · 2.5 s · 108 tokens · correctSwift 1.5 · question arg_event_with_attendees · 3.2 s · 202 tokens · correctSwift 1.5 · question arg_timezone_london · 1.7 s · 57 tokens · correctSwift 1.5 · question arg_reminder_iso_time · 2.3 s · 94 tokens · correctSwift 1.5 · question arg_calendar_range_month · 2.3 s · 102 tokens · correctSwift 1.5 · question arg_search_verbatim · 1.9 s · 70 tokens · correctSwift 1.5 · question multi_weather_parallel · 1.9 s · 68 tokens · correctSwift 1.5 · question multi_usd_eur_sequential · 4.8 s · 164 tokens · correctSwift 1.5 · question multi_paris_celsius_fahrenheit · 2.9 s · 164 tokens · correctSwift 1.5 · question multi_email_after_calendar_read · 7.0 s · 227 tokens · correctSwift 1.5 · question multi_weather_two_cities_holdout · 2.0 s · 75 tokens · correctSwift 1.5 · question multi_convert_two_currencies · 2.4 s · 137 tokens · correctSwift 1.5 · question multi_search_then_remind · 11.5 s · 495 tokens · wrongSwift 1.5 · question multi_time_and_weather · 2.6 s · 137 tokens · correctSwift 1.5 · question edge_photosynthesis · 6.2 s · 453 tokens · correctSwift 1.5 · question edge_joke · 2.0 s · 55 tokens · correctSwift 1.5 · question edge_math_simple · 1.6 s · 48 tokens · correctSwift 1.5 · question edge_feeling_down · 6.9 s · 455 tokens · correctSwift 1.5 · question edge_vague_reminder · 4.4 s · 243 tokens · correctSwift 1.5 · question edge_vague_email · 2.4 s · 96 tokens · correctSwift 1.5 · question edge_define_word · 3.1 s · 157 tokens · correctSwift 1.5 · question edge_language_greeting · 2.4 s · 99 tokens · correctSwift 1.5 · question fmt_email_no_cc · 2.0 s · 80 tokens · correctSwift 1.5 · question fmt_email_three_cc · 2.4 s · 114 tokens · correctSwift 1.5 · question fmt_event_four_attendees · 2.6 s · 139 tokens · correctSwift 1.5 · question fmt_weather_fahrenheit_enum · 1.9 s · 79 tokens · correctSwift 1.5 · question fmt_weather_no_units · 1.6 s · 48 tokens · correctSwift 1.5 · question fmt_currency_decimal_amount · 1.9 s · 79 tokens · correctSwift 1.5 · question fmt_event_no_attendees · 2.8 s · 165 tokens · correctSwift 1.5 · question fmt_calendar_read_single_day · 2.3 s · 106 tokens · correct2.4s

Tool calling · Veerman 12 cases

about the same (median)
2s5s10s20siQ-MLXiQ-MLX · question veerman_p1_weather_obvious · 2.8 s · 56 tokens · correctiQ-MLX · question veerman_p2_files_obvious · 2.0 s · 81 tokens · correctiQ-MLX · question veerman_p3_meeting_multi_arg · 3.0 s · 159 tokens · correctiQ-MLX · question veerman_p4_ambiguous_brussels · 2.0 s · 89 tokens · correctiQ-MLX · question veerman_p5_meta_trick · 3.4 s · 215 tokens · correctiQ-MLX · question veerman_p6_multi_step_unknown_city · 3.3 s · 180 tokens · wrongiQ-MLX · question veerman_p7_noisy_params · 6.0 s · 512 tokens · correctiQ-MLX · question veerman_p8_two_tools_parallel · 2.1 s · 82 tokens · correctiQ-MLX · question veerman_p9_code_trick · 16.8 s · 1,567 tokens · correctiQ-MLX · question veerman_p10_implicit_weather · 22.5 s · 1,628 tokens · correctiQ-MLX · question veerman_p11_negation · 2.3 s · 99 tokens · correctiQ-MLX · question veerman_p12_redundant_weather · 7.0 s · 460 tokens · wrong3.2sSwift 1.5Swift 1.5 · question veerman_p1_weather_obvious · 2.8 s · 64 tokens · correctSwift 1.5 · question veerman_p2_files_obvious · 1.7 s · 58 tokens · correctSwift 1.5 · question veerman_p3_meeting_multi_arg · 3.9 s · 221 tokens · correctSwift 1.5 · question veerman_p4_ambiguous_brussels · 2.6 s · 127 tokens · correctSwift 1.5 · question veerman_p5_meta_trick · 2.9 s · 179 tokens · correctSwift 1.5 · question veerman_p6_multi_step_unknown_city · 3.5 s · 209 tokens · wrongSwift 1.5 · question veerman_p7_noisy_params · 7.6 s · 604 tokens · wrongSwift 1.5 · question veerman_p8_two_tools_parallel · 2.1 s · 88 tokens · correctSwift 1.5 · question veerman_p9_code_trick · 13.3 s · 1,143 tokens · correctSwift 1.5 · question veerman_p10_implicit_weather · 9.0 s · 619 tokens · correctSwift 1.5 · question veerman_p11_negation · 2.1 s · 89 tokens · correctSwift 1.5 · question veerman_p12_redundant_weather · 6.8 s · 456 tokens · wrong3.2s

Instruction following 20 IFEval-style cases

1.4× faster (median)
1s2s5s10siQ-MLXiQ-MLX · question if01 · 6.5 s · 454 tokens · correctiQ-MLX · question if02 · 2.5 s · 217 tokens · correctiQ-MLX · question if03 · 1.5 s · 96 tokens · correctiQ-MLX · question if04 · 2.5 s · 190 tokens · correctiQ-MLX · question if05 · 1.2 s · 73 tokens · correctiQ-MLX · question if06 · 2.4 s · 158 tokens · correctiQ-MLX · question if07 · 1.1 s · 67 tokens · correctiQ-MLX · question if08 · 2.8 s · 191 tokens · correctiQ-MLX · question if09 · 1.5 s · 93 tokens · correctiQ-MLX · question if10 · 2.5 s · 192 tokens · correctiQ-MLX · question if11 · 8.1 s · 875 tokens · correctiQ-MLX · question if12 · 1.3 s · 75 tokens · correctiQ-MLX · question if13 · 3.7 s · 292 tokens · correctiQ-MLX · question if14 · 1.2 s · 89 tokens · correctiQ-MLX · question if15 · 3.2 s · 230 tokens · correctiQ-MLX · question if16 · 1.8 s · 137 tokens · correctiQ-MLX · question if17 · 3.3 s · 247 tokens · correctiQ-MLX · question if18 · 2.5 s · 187 tokens · correctiQ-MLX · question if19 · 2.7 s · 220 tokens · correctiQ-MLX · question if20 · 0.9 s · 68 tokens · correct2.5sSwift 1.5Swift 1.5 · question if01 · 4.9 s · 313 tokens · correctSwift 1.5 · question if02 · 1.3 s · 81 tokens · correctSwift 1.5 · question if03 · 1.5 s · 97 tokens · correctSwift 1.5 · question if04 · 3.1 s · 239 tokens · correctSwift 1.5 · question if05 · 1.3 s · 75 tokens · correctSwift 1.5 · question if06 · 1.8 s · 112 tokens · correctSwift 1.5 · question if07 · 1.1 s · 65 tokens · correctSwift 1.5 · question if08 · 3.1 s · 208 tokens · wrongSwift 1.5 · question if09 · 1.6 s · 93 tokens · correctSwift 1.5 · question if10 · 2.4 s · 179 tokens · correctSwift 1.5 · question if11 · 8.0 s · 872 tokens · correctSwift 1.5 · question if12 · 1.4 s · 75 tokens · correctSwift 1.5 · question if13 · 2.8 s · 201 tokens · correctSwift 1.5 · question if14 · 1.1 s · 83 tokens · correctSwift 1.5 · question if15 · 2.6 s · 183 tokens · correctSwift 1.5 · question if16 · 1.8 s · 146 tokens · correctSwift 1.5 · question if17 · 1.1 s · 67 tokens · correctSwift 1.5 · question if18 · 2.9 s · 206 tokens · correctSwift 1.5 · question if19 · 2.6 s · 211 tokens · correctSwift 1.5 · question if20 · 1.0 s · 65 tokens · correct1.8s

Agent turn at long context

One coding-agent turn on a long conversation: the time to the first token of a turn that carries a tool result, plus 512 generated tokens. Prefix cache on, median of 3 repetitions, recommended sampling. The two packs are within 4% of each other.

ContextTurn time, sDecode, tok/sPrefill, tok/s
iQ-MLXSwift 1.5iQ-MLXSwift 1.5iQ-MLXSwift 1.5
32K tokens8.17.982.384.6791791
128K tokens8.98.673.276.7760759

All numbers

SuiteMedian time, sTotal time, minMedian tokensHit max_tokens
iQ-MLXSwift 1.5iQ-MLXSwift 1.5iQ-MLXSwift 1.5iQ-MLXSwift 1.5
HumanEval6.85.7543846840301
GPQA-Diamond63.922.3158955,1241,68942
LiveCodeBench v639.119.1144812,9841,44831
Tool calling · jdhodges2.42.53211410900
Tool calling · Veerman3.13.01114216400
Instruction following1.92.21112815000
SuiteMedian time, sTotal time, minMedian tokensHit max_tokens
iQ-MLXSwift 1.5iQ-MLXSwift 1.5iQ-MLXSwift 1.5iQ-MLXSwift 1.5
HumanEval6.65.5552747736831
GPQA-Diamond18.314.9140561,5301,14870
LiveCodeBench v623.916.0100621,8601,28532
Tool calling · jdhodges2.62.42210810400
Tool calling · Veerman3.23.21117019400
Instruction following2.51.81118812900

Setup and how to reproduce

Chip

Apple M4 Max

CPU

16 cores (12P+4E)

GPU

40 cores · Metal 4

Unified memory

128 GB

macOS

26.6.2 (25G83)

Two 4.7-bit MLX packs of Qwen3.8-Flash-Next on the same mlx-serve 26.10.1 binary with the same flags. Only the weights change.

ModelWeights (Hugging Face)
iQ-MLXddalcu/Qwen3.8-Flash-Next-MLX-Serve-iQ-MLX-4.7bpw rev dafff5c
Swift 1.5Dankpaws/Swift1.5-Qwen3.8-Flash-Next-MLX-4.7bpw rev 13839b7

Server flags: --ctx-size 131072 --mtp --ssm-checkpoint-max 16 --prefix-cache-mem 16GB --prefix-cache-disk 100GB --prefix-cache-entries 64. Every request sends reasoning_effort: xhigh; without it, mlx-serve answers with no thinking. Recommended sampling: temperature 1.0, top_p 0.95, top_k 20, min_p 0, presence 0, repetition 1.0; greedy decoding: temperature 0. max_tokens: HumanEval 32,768 · GPQA and LiveCodeBench 65,536 · tool calling 32,768 · instruction following 16,384. Questions run one at a time.

Scripts, per-question results and the test plan: github.com/snagnever/macstudio-local-llm.

Limits