MLX ist ein NumPy-ähnliches Array-Framework, das speziell für effizientes und flexibles maschinelles Lernen auf Apple-Chips entwickelt wurde und vom Apple Machine Learning Research Team bereitgestellt wird. Die Python-API ähnelt NumPy stark, weist aber auch einige Ausnahmen auf. MLX verfügt außerdem über eine vollständige C++-API, die der Python-API eng folgt. Zu den wichtigsten Unterschieden zwischen MLX und NumPy gehören: kombinierbare Funktionsumwandlungen, verzögerte Berechnung und Unterstützung mehrerer Geräte. MLX wurde von Frameworks wie PyTorch, Jax und ArrayFire inspiriert. Im Gegensatz zu diesen Frameworks verwendet MLX ein einheitliches Speichermodell. Arrays in MLX befinden sich im gemeinsam genutzten Speicher und können auf jedem unterstützten Gerätetyp (CPU, GPU usw.) ohne Datenkopie ausgeführt werden.