mere.run：本地 AI 运行时

项目简介

mere.run 是面向开发者和创作者的本地 AI 运行时。它通过命令行在本地完成媒体生成、语言模型推理、图像与地理空间分析，也支持训练适配器、评估模型、提供 OpenAI 兼容 API 以及运行可移植工作流。

Apple Silicon macOS 是主要平台，同时提供无头 Linux CUDA 包。macOS Studio 应用使用相同的 CLI、模型库和运行历史；iOS 客户端可连接你的机器，并在支持该功能的 iPhone 上提供实验性的图像与聊天推理。

主要功能

• 文本与多模态：text chat、text code、text embed、agent 等，支持聊天、代码生成、工具调用、结构化输出、嵌入和个人信息脱敏。
• 图像生成与编辑：image generate，支持多种模型、有序参考图、结构化提示词和 LoRA 适配器。
• 视频与世界：video generate、video session、video animate、world serve 等，支持音视频同步、关键帧、主体动画和持久世界会话。
• 音乐、音效与语音：music generate、sfx generate、speech synthesize、speech transcribe、speech diarize 等，覆盖歌曲、实时 MIDI、音效、语音合成、转写和说话人时间线。
• 视觉、深度与 3D：vision ground、vision segment、vision track、vision depth、image reconstruct-3d 等，支持目标定位、分割跟踪、OCR、深度、点云和网格。
• 地理空间推理：geo flood、geo fire、geo tessera、geo olmoearth，处理准备好的张量。
• 训练与评估：image train-lora、text train-lora、music train-adapter、eval run、model benchmark。
• API 与工作流：api serve 提供 OpenAI 兼容接口；graph、executor、relay、run 支持本地、SSH 或 relay 执行的可恢复工作流。

安装与使用

可执行文件与下载入口见 mere.run/releases。安装后运行：

mere.run setup
mere.run --version
mere.run model capabilities --recommended
mere.run guide --list

以 Z-Image 生成图片为例，先预检再下载模型，然后执行生成：

mere.run model pull image-zimage-nano --preflight --json
mere.run model pull image-zimage-nano
mere.run image generate --model image-zimage-nano --prompt "a ceramic mug in soft morning light" --output ./mug.png

从源码检出运行时，把 mere.run 换成 swift run mere.run。完整命令列表见命令参考。

注意事项

• 模型大小、内存需求和许可证各不相同。下载前应查看模型目录条目并运行 pull 预检；安装后可用 mere.run model info MODEL_ID 查看清单和验证状态。
• 地理空间命令接收准备好的张量，栅格获取、重投影、切片、地理配准和证据审核仍由使用者的工作流负责。
• vision track-live 会先录制摄像头片段再做跟踪，不会进行实时逐帧推理。
• 评估包验证和晋级回执只核验声明的包与报告，不代表模型通用质量或运营批准。
• 运行时支持不等于获得使用或再分发模型检查点的授权，需查看模型来源与许可证。

本作品整理自 GitHub 开源项目 sawfwair/mere-run，原作者 @sawfwair，许可证 MIT。中文介绍由 AI 根据项目 README 整理，以原仓库为准。