apfel یکی از پروژه‌های است.

v1.18.0 · بدون پیکربندی · MIT

apfel

هوش مصنوعی رایگانی که از قبل روی مک شماست.

macOS Tahoe همراه با یک LLM با 3 میلیارد پارامتر عرضه می‌شود. apfel با یک brew install دسترسی CLI به آن را به شما می‌دهد. بدون دانلود مدل، بدون کلید API، بدون نیاز به پیکربندی؛ فقط کار می‌کند.

  • بدون هزینهٔ توکن
  • هوش مصنوعی روی دستگاه
  • قابل اسکریپت‌نویسی
$ brew install apfel

6.6k+ ستاره در github.com/Arthur-Ficial/apfel

پیش‌نیازها: Apple Silicon · macOS Tahoe · Apple Intelligence فعال

تازه با apfel آشنا شده‌اید؟ آموزش 60 ثانیه‌ای را شروع کنید (به انگلیسی)

همه‌چیز روی دستگاه خودتان اجرا می‌شود. بدون هیچ درخواست شبکه. هیچ داده‌ای از مک شما خارج نمی‌شود.

ببینید چطور کار می‌کند.

از brew install تا خروجی هوش مصنوعی در 12 ثانیه. بدون هیچ پیکربندی.

ترمینال - apfel
$
ضبط واقعی ترمینال، بدون هیچ ویرایشی: apfel 1.18.0 روی macOS 27.0.1، MacBook Air M2.

بدون پیکربندی. بدون دانلود LLM. بدون هزینهٔ توکن.

ابزارهای دیگر هوش مصنوعی محلی عالی‌اند، اما به دانلود مدل و پیکربندی نیاز دارند. apfel به هیچ‌چیز نیاز ندارد - مدل از قبل روی مک شماست. یک brew install و تمام.

$0
هزینهٔ توکن
بدون کلید API. بدون اشتراک. بدون هزینه به ازای هر توکن. سخت‌افزار شما، هوش مصنوعی شما.
100%
روی دستگاه
تک‌تک توکن‌ها به‌صورت محلی روی Apple Silicon شما تولید می‌شوند. هیچ‌چیز از دستگاهتان خارج نمی‌شود. هرگز.
0
مراحل پیکربندی
بدون YAML. بدون متغیر محیطی. بدون انتخاب مدل. یک بار نصب کنید، برای همیشه استفاده کنید.

مدلی که پشت صحنه کار می‌کند

Apple ML Research
~3Bپارامترها
4,096 / 8,192پنجرهٔ کانتکست (M1/M2 / M3+ روی macOS 27)
~3.5 bpwکوانتیزاسیون
Mixed 2/4-bitدقت عددی
Neural Engineاجرا روی
en, de, es, fr, it, ja, ko, pt, zhزبان‌ها

سه ابزار. یک نصب.

یک CLI، یک سرور سازگار با OpenAI و یک چت تعاملی. همه با یک brew install. بدون دانلود اضافه.

>_

ابزار UNIX

سازگار با pipe و ترکیب‌پذیر. با jq، xargs و اسکریپت‌های shell شما کار می‌کند. stdin، stdout، خروجی JSON، خروجی JSON معتبر بر اساس schema با --schema، گفتگوی چندنوبتی از فایل پیام‌ها با --messages، پیوست فایل و exit code‌های درست.

$ apfel "What is the capital of Austria?"
The capital of Austria is Vienna.

$ apfel -o json "Translate to German: Apple" | jq .content
"Apfel"

# --schema: output guaranteed to match your JSON Schema
$ apfel --schema person.json "Alice is 30." | jq .name
"Alice"

# --code: just the command, no prose, no fences
$ apfel --code "flush the dns cache on macos"
sudo /usr/bin/dscacheutil -flushcache
{ }

سرور OpenAI

جایگزین مستقیم روی localhost:11434. هر کدام از SDKهای OpenAI را به آن وصل کنید و شروع کنید. Chat Completions و Responses API، streaming، tool calling، خروجی JSON Schema و CORS.

$ apfel --serve
Server running on http://127.0.0.1:11434

# any OpenAI client works
$ curl localhost:11434/v1/chat/completions ...
...

چت تعاملی

گفتگوهای چندنوبتی با مدیریت خودکار کانتکست. پنج استراتژی کوتاه‌سازی. پشتیبانی از system prompt. برای شروع کافی است در ترمینال apfel را تایپ کنید. همه روی مک شما.

$ apfel --chat -s "You are a coding assistant"
Type 'quit' to exit.
> How do I reverse a list in Python?

پشتیبانی بومی از MCP.

به مدل روی دستگاه Apple ابزار بدهید. هر ابزاری.

اتصال سرورهای ابزار با --mcp

apfel از Model Context Protocol پشتیبانی می‌کند. آن را به هر سرور MCP وصل کنید تا مدل روی دستگاه به ابزارها دسترسی پیدا کند - ریاضی، APIها، پایگاه‌های داده و هر چیزی که بتوانید برایش سرور بنویسید.

  • در هر سه حالت کار می‌کند - CLI، سرور و چت
  • هنگام شروع، ابزارها را از طریق MCP tools/list به‌طور خودکار پیدا می‌کند
  • فراخوانی‌های ابزار به‌طور خودکار تشخیص داده و اجرا می‌شوند و نتیجه به مدل برمی‌گردد
  • بدون فلگ --mcp، بدون سربار - صفر توکن اضافه، بدون هیچ تغییری در مسیر کد
  • همراه با یک سرور MCP ماشین‌حساب به‌عنوان نمونهٔ اثبات مفهوم (proof-of-concept)
  • سرورهای MCP راه دور از طریق URL - --mcp https://... با احراز هویت اختیاری Bearer token
ترمینال - apfel + MCP
# give the model a calculator
$ apfel --mcp ./mcp/calculator/server.py \
  "What is 15 times 27?"

tool: multiply({"a": 15, "b": 27}) = 405
15 times 27 is 405.

# attach multiple servers
$ apfel --mcp ./calc.py --mcp ./weather.py \
  "What is sqrt(2025)?"

tool: sqrt({"n": 2025}) = 45.0
The square root of 2025 is 45.

# remote MCP server over HTTPS
$ apfel --mcp https://mcp.example.com/v1 "query"

# server mode - tools auto-available to all clients
$ apfel --serve --mcp ./calc.py

چطور کار می‌کند.

Apple در هر مک یک LLM گذاشته است که همین‌طور بی‌استفاده مانده. apfel برایش یک در ورودی می‌سازد - بدون هیچ پیکربندی.

Apple یک LLM روی دستگاه عرضه می‌کند

از macOS 26 (Tahoe) به بعد، هر مک با Apple Silicon یک مدل زبانی را به‌عنوان بخشی از Apple Intelligence در خود دارد. Apple آن را از طریق فریم‌ورک FoundationModels در دسترس قرار می‌دهد؛ یک API برای Swift که به اپ‌ها دسترسی به SystemLanguageModel می‌دهد. تمام پردازش استنتاج روی Neural Engine و GPU انجام می‌شود. بدون درخواست شبکه، بدون ابر، بدون کلید API. مدل همین‌جاست.

اما Apple فقط برای Siri از آن استفاده می‌کند

به‌طور پیش‌فرض، مدل روی دستگاه فقط پشت Siri، Writing Tools و قابلیت‌های سیستمی کار می‌کند. نه دستوری در ترمینال هست، نه HTTP endpoint، نه راهی برای pipe کردن متن به آن. فریم‌ورک FoundationModels وجود دارد، اما برای استفاده از آن باید یک اپ Swift بنویسید. apfel دقیقاً همین کار را می‌کند.

apfel چه چیزی اضافه می‌کند

apfel یک باینری Swift 6.3 است که LanguageModelSession را در بر می‌گیرد و آن را به سه شکل در دسترس قرار می‌دهد: به‌عنوان ابزار خط فرمان UNIX با stdin/stdout، به‌عنوان سرور HTTP سازگار با OpenAI (ساخته‌شده روی Hummingbird) و به‌عنوان چت تعاملی با مدیریت کانتکست.

کارهایی را انجام می‌دهد که API خام Apple انجام نمی‌دهد: exit code‌های درست، خروجی JSON، پیوست فایل، پنج استراتژی کوتاه‌سازی کانتکست برای پنجرهٔ کانتکست کوچک (4,096 توکن، و 8,192 توکن روی مک‌های M3 و جدیدتر با macOS 27)، شمارش واقعی توکن از طریق SDK، و تبدیل schema‌های ابزار OpenAI به فرمت بومی Transcript.ToolDefinition در Apple.

سخت‌افزار Apple Silicon (Neural Engine + GPU)
|
مدل LLM روی دستگاه Apple (همراه macOS)
|
sdk FoundationModels.framework (API برای Swift)
|
apfel CLI + سرور HTTP + مدیریت کانتکست
|
شما ترمینال، اسکریپت‌های shell، SDK‌های OpenAI، curl
4,096 یا 8,192 توکن پنجرهٔ کانتکست (ورودی + خروجی). 4,096 روی macOS 26 و روی مک‌های M1/M2؛ 8,192 روی M3 یا جدیدتر با 12 GB+ حافظه روی macOS 27. apfel مقدار آن را در زمان اجرا می‌خواند.
1 مدل ثابت، غیرقابل پیکربندی
Swift 6.3 strict concurrency، بدون Xcode
مجوز MIT متن‌باز

حریم خصوصی از پایه.

هنگام استفاده از apfel حتی یک درخواست HTTP هم ارسال نمی‌شود. هر ادعای زیر به مستندات خود Apple لینک شده است.

روی دستگاه. بدون اینترنت هم کار می‌کند.

فریم‌ورک FoundationModels به‌طور کامل روی Neural Engine در Apple Silicon شما اجرا می‌شود. بدون سرور، بدون ابر، بدون نیاز به اتصال اینترنت.

"You can build experiences that are smart, private, and work without internet connectivity." - Apple Developer

داده‌های شما مال خودتان می‌ماند.

Apple هیچ prompt، پاسخ یا دادهٔ استفاده‌ای را از استنتاج روی دستگاه جمع‌آوری نمی‌کند. نه چیزی ذخیره می‌شود، نه چیزی ارسال می‌شود.

"The cornerstone of Apple Intelligence is on-device processing." - Apple Privacy

هرگز برای آموزش استفاده نمی‌شود.

Apple مدل‌های پایهٔ خود را فقط با داده‌های دارای مجوز و داده‌های عمومی آموزش می‌دهد. تعاملات شما هرگز وارد فرایند آموزش نمی‌شود.

"We do not use our users' private personal data or user interactions when training our foundation models." - Apple ML Research

apfel هیچ ردیابی‌ای اضافه نمی‌کند.

بدون آنالیتیکس، بدون تله‌متری، بدون بررسی خودکار به‌روزرسانی، بدون گزارش کرش، بدون ارسال اطلاعات به سرور سازنده. تنها درخواست شبکه‌ای که apfel انجام می‌دهد وقتی است که خودتان صراحتاً apfel --update را اجرا کنید. کل کد متن‌باز است.

ابزارهای قدرتمند، همراه apfel.

اسکریپت‌های shell در پوشهٔ demo/. اول apfel را نصب کنید، بعد هر کدام را که می‌خواهید بردارید.

>_

cmd

از زبان طبیعی به دستور shell. بگویید چه می‌خواهید، دستورش را بگیرید.

$ cmd "find all .log files modified today"
|>

oneliner

زنجیره‌های pipe از روی یک توضیح ساده. awk، sed، sort، uniq - برایتان ساخته می‌شوند.

$ oneliner "count unique IPs in access.log"
**

mac-narrator

فعالیت سیستم مک شما را مثل یک مستند حیات وحش روایت می‌کند.

$ mac-narrator --watch
?

explain

هر دستور، پیام خطا یا تکه‌کدی را به زبان ساده توضیح می‌دهد.

$ explain "awk '{print $1}' file | sort -u"
./

wtd

این دایرکتوری چیست؟ آشنایی فوری با هر codebase.

$ wtd
++

gitsum

خلاصهٔ commit‌های اخیر git در چند جمله.

$ gitsum

30 دستور تک‌خطی کاربردی و جذاب.

همهٔ دستورها روی یک مک واقعی تست شده‌اند. apfel را با ps، lsof، du، vm_stat، git، pbpaste، sleep، pgrep، curl و say زنجیر کنید - ترکیب‌پذیری‌ای که هوش مصنوعی‌های ابری به آن نمی‌رسند، چون پروسس‌ها، کلیپ‌بورد و git diff شما را نمی‌بینند. apfel می‌بیند.

سیستم زنده 8

الان چه چیزی CPU را می‌خورد.

$ps aux | sort -k 3 -nr | head -5 | awk '{print $11, $3"%"}' | apfel "which app is using the most CPU"

-> WindowServer با 42.6% بیشترین مصرف CPU را دارد.

کدام اپ‌ها روی کدام پورت‌ها گوش می‌دهند.

$lsof -iTCP -sTCP:LISTEN -n -P | head -15 | apfel "list which apps own which ports as a table"

-> 11434 fichten, 18789 node, 5000 ControlCenter ...

کدام volume از همه به پر شدن نزدیک‌تر است.

$df -h | apfel "which volume is fullest, one sentence"

-> /dev/disk3s1 با 263Gi از 926Gi از همه پرتر است.

خروجی vm_stat به زبان ساده.

$vm_stat | apfel "explain my memory usage in plain english, one sentence"

-> 349k صفحهٔ active و 266k صفحهٔ wired - حجم قابل توجهی از حافظه در حال استفاده است.

کدام پوشه‌های اینجا بیشترین فضای دیسک را گرفته‌اند.

$du -sh */ 2>/dev/null | sort -rh | head -5 | apfel "which folders are eating most disk, one sentence"

-> Library با 36G و Downloads با 604M بیشترین سهم را دارند.

بزرگ‌ترین فایل‌های این پوشه.

$ls -laS | head -10 | apfel "what are the biggest files here, just file names"

-> apfel-quick-preview.png, og.png, translate-preview.png ...

کدام اپ‌ها همین حالا با اینترنت در ارتباط‌اند.

$lsof -i -nP 2>/dev/null | grep ESTABLISHED | awk '{print $1, $9}' | head -10 | apfel "which apps are talking to the internet right now, short answer"

-> node → 157.240.253.60:443, claude.ex → 160.79.104.10:443, Google → 66.102.1.188:5228 ...

سلامت باتری و زمان باقی‌مانده در یک خط.

$pmset -g batt | apfel "battery health and percent, one line"

-> کاملاً شارژ، سلامت 100%، در حال حاضر فعال.

Git 2

مروری بر commit‌های اخیرتان به زبان ساده.

$git log --oneline -20 | apfel "summarize what I have been working on"

-> به‌روزرسانی از v1.2.1 به v1.3.2، پروژه‌های هم‌خانواده اضافه شدند ...

از روی commit‌های اخیر یک release note تک‌خطی بنویسید.

$git log --oneline -5 | apfel "write a one-line release note based on these commits"

-> انتشار v1.3.2 با 5053 ستاره، 783 تست و به‌روزرسانی‌ها.

رفت و برگشت با کلیپ‌بورد 4

گرامر هر متنی را که در کلیپ‌بورد دارید اصلاح کنید و نسخهٔ اصلاح‌شده را برگردانید.

$pbpaste | apfel "fix grammar" | pbcopy

-> «i has went» می‌شود «I went» - دوباره در کلیپ‌بورد.

متن کلیپ‌بورد را به ژاپنی ترجمه کنید و برگردانید.

$pbpaste | apfel "translate to japanese" | pbcopy

-> حالا ترجمهٔ ژاپنی در کلیپ‌بورد است.

یک متن طولانی را از کلیپ‌بورد در 3 نکته خلاصه کنید.

$pbpaste | apfel "summarize in 3 bullets"

-> 3 نکتهٔ فشرده در ترمینال شما.

فهرست کارهای مشخص را از یادداشت‌های جلسه در کلیپ‌بورد بیرون بکشید.

$pbpaste | apfel "extract just the action items as a clean bullet list, no other text" | pbcopy

-> «سارا پیش‌نویس بودجهٔ Q3 را آماده می‌کند»، «ایمیل به تیم طراحی»، ... دوباره در کلیپ‌بورد.

پایش و اعلام 6

وقتی یک کار طولانی تمام شد، با صدای بلند به خودتان خبر بدهید (اینجا، پس از 30 دقیقه).

$sleep 1800 && apfel "tell me cheerfully my long task just finished, one short sentence" | say

-> مک می‌گوید: «کار طولانی شما همین حالا تمام شد، آفرین!»

صبر کنید تا فایلی در Downloads برسد، بعد آن را اعلام کنید.

$until [ -e ~/Downloads/Report.pdf ]; do sleep 5; done; apfel "tell me my download just landed, one cheerful sentence" | say

-> هر 5 ثانیه بررسی می‌کند؛ وقتی Report.pdf ظاهر شد، مک خبرش را می‌دهد.

صبر کنید تا یک پروسس طولانی تمام شود، بعد آن را اعلام کنید.

$while pgrep -q ffmpeg; do sleep 5; done; apfel "tell me cheerfully that my video encoding is done, one short sentence" | say

-> هر 5 ثانیه بررسی می‌کند؛ وقتی ffmpeg بسته شد، مک خبرش را می‌دهد.

هر 30 دقیقه، کارهایی را که تازه انجام داده‌اید با صدای بلند خلاصه کنید.

$while sleep 1800; do git log --since="30 min ago" --oneline | apfel "summarize my last 30 minutes of work in one cheerful sentence" | say; done

-> stand-up خودکار هر نیم ساعت، با صدای بلند، در حالی که شما به کدنویسی ادامه می‌دهید.

هر 15 دقیقه، اگر باتری به زیر 20 درصد رسید، با صدای بلند هشدار بدهید.

$while sleep 900; do P=$(pmset -g batt | grep -oE "[0-9]+%" | head -1 | tr -d %); [ "$P" -lt 20 ] && apfel "battery just dropped to $P percent, write one short sentence that is friendly but super urgent telling me to plug in NOW" | say; done

-> تا وقتی باتری افت نکرده ساکت است؛ بعد مک با صدای بلند یک هشدار دوستانه اما فوری می‌دهد.

یک URL را زیر نظر بگیرید تا 2xx برگرداند، بعد deploy را با صدای بلند جشن بگیرید.

$until curl -sf https://staging.example.com/health >/dev/null; do sleep 30; done; apfel "tell me cheerfully that my deploy is live and the URL is responding, one short sentence" | say

-> هر 30 ثانیه بررسی می‌کند تا staging بالا بیاید؛ مک می‌گوید: «deploy شما آنلاین شد، URL پاسخ می‌دهد!»

وب و متن 4

یک جملهٔ خودمانی را مؤدبانه بازنویسی کنید.

$echo "hey can u send me docs asap" | apfel "rephrase politely"

-> «لطفاً در اولین فرصت ممکن مدارک را ارسال بفرمایید ...»

به یک URL درخواست بزنید و فقط از روی header‌ها بپرسید چه خبر است.

$curl -sI https://github.com | apfel "explain what happens at this URL in one sentence, based on the HTTP headers"

-> GitHub یک صفحهٔ HTML با caching سخت‌گیرانه و header‌های امنیتی برمی‌گرداند.

Hacker News امروز، در یک جمله خلاصه و با صدای بلند خوانده می‌شود.

$curl -s https://news.ycombinator.com | grep titleline | sed "s/<[^>]*>//g" | apfel "summarize hacker news today in one cheerful sentence" | say

-> مک مهم‌ترین خبرهای روز را در یک خلاصهٔ فشرده می‌خواند.

یک تکه JSON را به زبان ساده توضیح دهید.

$echo '{"name":"alice","plan":"pro","credits":42}' | apfel "explain this JSON in one sentence"

-> کاربری به نام Alice با پلن pro و 42 اعتبار.

پرس‌وجوهای سریع 8

حساب و کتاب بدون باز کردن ماشین‌حساب.

$apfel "what is 15% tip on 87.50, just the number"

-> 13.13

بدون ترک ترمینال یک regex بسازید.

$apfel "regex for a valid email address, just the regex"

-> ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

دستور تک‌خطی bash را که یادتان رفته بپرسید.

$apfel "give me one find command that lists files larger than 100MB, just the bash command"

-> find / -type f -size +100M

به جای حدس زدن، توضیح یک دستور مبهم را بخواهید.

$apfel "explain the command tar -xzvf file.tar.gz in one sentence"

-> یک tarball فشرده با gzip را در دایرکتوری فعلی از حالت فشرده خارج و استخراج می‌کند.

دستور دقیق git یادتان رفته؟ فقط بپرسید.

$apfel "git command to uncommit but not unedit my last commit, just the command"

-> git reset --soft HEAD~1

regex کس دیگری را در یک جمله رمزگشایی کنید.

$apfel "explain this regex in one sentence: ^\d{3}-\d{4}$"

-> با یک پیشوند 3 رقمی، یک خط تیره و 4 رقم مطابقت دارد - فرمت شماره تلفن آمریکایی.

یک تاریخ محاوره‌ای را به ISO 8601 تبدیل کنید.

$apfel "convert 'Sat Apr 27 2026 11:30' to ISO 8601 (YYYY-MM-DDTHH:MM:SS), reply only with the converted string"

-> 2026-04-27T11:30:00+00:00

یک فایل کامل را در 3 نکته خلاصه کنید.

$apfel -f README.md "summarize in 3 bullets"

-> 3 نکته دربارهٔ دامنه، نصب و نحوهٔ استفاده.

سازگار با OpenAI.

یک URL را عوض کنید. کدتان همان می‌ماند.

جایگزین مستقیم

apfel با OpenAI API سازگار است. هر کتابخانهٔ کلاینت، هر فریم‌ورک و هر ابزاری که با OpenAI کار می‌کند، می‌تواند به جای آن با هوش مصنوعی مک شما کار کند. فقط base URL را تغییر دهید.

  • ✓ POST /v1/chat/completions
  • ✓ POST /v1/responses (Responses API)
  • ✓ Streaming (SSE)
  • ✓ فراخوانی ابزار / فراخوانی تابع (tool calling / function calling)
  • ✓ GET /v1/models
  • ✓ response_format: json_object, json_schema
  • ✓ بخش‌های image_url به‌صورت data URL (macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ CORS برای کلاینت‌های مرورگر
Python
from openai import OpenAI

# Just change the base_url. That's it.
client = OpenAI(
    base_url="http://localhost:11434/v1",
    api_key="unused"  # no auth needed
)

resp = client.chat.completions.create(
    model="apple-foundationmodel",
    messages=[{
        "role": "user",
        "content": "What is 1+1?"
    }],
)
print(resp.choices[0].message.content)

همان مدل fm از Apple. کاربردی دیگر.

macOS 27 همراه با fm عرضه می‌شود، رابط خط فرمان خود Apple برای مدل روی دستگاه. اینجا می‌بینید راه این دو کجا از هم جدا می‌شود.

 apfelApple fm
اجرا رویmacOS 26 و 27، یک باینریفقط macOS 27
نصبbrew install apfelاز قبل نصب است (فقط یک بار sudo fm license)
کلاینت‌های OpenAI بدون تغییر کار می‌کنندبله: JSON به‌صورت پیش‌فرض، usage، رعایت max_tokens، نگاشت درست خطاهاstream می‌کند مگر اینکه خلافش را بخواهید، max_tokens را نادیده می‌گیرد، خطای 500 هنگام فعال شدن guardrailها
tool calling و MCPtool call بومی، سرورهای MCP محلی و راه دورندارد (tools باعث نشت توکن‌های قالب به پاسخ می‌شود)
اسکریپت‌نویسی--code، -o json، 9 exit code، --count-tokens --strictمتن ساده، exit 0 یا 1
فایل ورودیمتن، PDF، تصویر: متن استخراج‌شده با OCR روی هر دو سیستم‌عامل، به‌علاوهٔ ارسال خود تصویر به مدل روی macOS 27ارسال تصویر به مدل، به‌علاوهٔ ابزارهای داخلی OCR و بارکد
جلسه‌های چت ماندگارخیرtranscript‌های نام‌دار، --resume
سرعتهمان مدل روی همان مک، همان پنجرهٔ کانتکست (4,096 توکن روی این M2، و 8,192 روی M3 و جدیدتر)، تعداد توکن‌ها یکسان. prompt یک‌باره: 0.35 s در برابر 0.30 s.

تاریخچهٔ کوتاه. apfel زودتر منتشر شد: اولین commit و v0.1.0 در 24 مارس 2026، اولین release در GitHub در 31 مارس 2026 و صفحهٔ اول Hacker News در آوریل. Apple در 8 ژوئن 2026 در WWDC از fm رونمایی کرد و آن را در 14 سپتامبر 2026 همراه macOS 27 عرضه کرد. هر دو همان مدل روی دستگاه را از طریق همان فریم‌ورک FoundationModels به کار می‌گیرند؛ apfel نسخهٔ متن‌باز است و همانی که روی macOS 26 هم اجرا می‌شود.

همهٔ ردیف‌ها روی macOS 27.0.1 (Apple M2، 24 GB) در تاریخ 2026-10-05 اندازه‌گیری شده‌اند و برای هر نسخهٔ apfel دوباره اندازه‌گیری می‌شوند. صفحهٔ کامل شامل probe‌های سرور، جدول برابری شمارش توکن و همهٔ دستورهای لازم برای بازتولید نتایج است.

محبوب در GitHub.

از صفر تا 6,610 ستاره، و همچنان رو به رشد.

6,610
ستاره‌های GitHub
251 فورک
2450 تست
v1.18.0 منتشرشده

Starred by engineers from Apple, Google, VMware, NVIDIA, and PlayStation.

در GitHub ستاره بدهید
0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 5,012 APR 28 6,016 JUL 10 6,610 NOW Mar 24 Apr 3 · HN front page Nov 16

داده‌ها تا تاریخ

شروع کنید.

بدون دانلود مدل. بدون ثبت‌نام. بدون کلید API. فقط همین.

Homebrew

macOS 26+ با Apple Intelligence
$ brew install apfel
$ apfel "Hello, Mac"

ساخت از سورس

نیازمند CLT و SDK مربوط به macOS 27 (روی 26 و 27 اجرا می‌شود)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

درخت apfel.

خانواده‌ای رو به رشد از ابزارهای بومی macOS که روی apfel ساخته شده‌اند - و پروژه‌های هم‌خانواده‌ای که فریم‌ورک‌های دیگر Apple را به ترمینال می‌آورند.

apfel-chat - چت خصوصی هوش مصنوعی برای macOS

apfel-chat

کلاینت چت macOS با پشتیبانی از چند گفتگو. markdown با streaming، ورودی و خروجی صوتی، تحلیل تصویر - کاملاً خصوصی، بدون کلید API، بدون ابر.

SwiftUI پایدار
apfelpad - دفترچهٔ فرمول با هوش مصنوعی روی دستگاه

apfelpad

یک دفترچهٔ فرمول برای فکر کردن. در markdown خود =apfel("summarize this") را تایپ کنید و ببینید نتیجه همان‌جا stream می‌شود. مثل =SUM، اما برای زبان.

SwiftUI جدید
apfel-quick - لایهٔ فوری هوش مصنوعی برای macOS

apfel-quick

لایهٔ فوری هوش مصنوعی. هر جا که هستید Ctrl+Space را بزنید، سؤالتان را تایپ کنید و پاسخ مستقیم در کلیپ‌بورد شما stream می‌شود. بدون Wi-Fi، بدون حساب کاربری، بدون صورت‌حساب.

SwiftUI جدید
اسکرین‌شات apfel-gui

apfel-gui

رابط گرافیکی بومی macOS با SwiftUI برای دیباگ. با Apple Intelligence چت کنید، درخواست‌ها، پاسخ‌ها و لاگ‌ها را بررسی کنید، گفتار به متن و متن به گفتار - همه روی دستگاه.

SwiftUI
apfel-clip - اکشن‌های هوش مصنوعی برای کلیپ‌بورد

apfel-clip

اکشن‌های هوش مصنوعی برای کلیپ‌بورد، از نوار منو. روی هر متنی cmd+shift+V را بزنید - اصلاح گرامر، ترجمه، توضیح کد، خلاصه‌سازی. کاملاً روی دستگاه، بدون کلید API.

SwiftUI پایدار
apfel-mcp - سرورهای MCP برای apfel

apfel-mcp

وب و فایل‌هایتان را در اختیار apfel بگذارید. چهار ابزار کوچک MCP - url-fetch، ddg-search، search-and-fetch و یک فایل‌خوان فقط‌خواندنی - که هر کدام طوری فشرده شده‌اند که در پنجرهٔ کانتکست کوچک apfel جا شوند (4,096 توکن روی بیشتر مک‌ها، 8,192 روی M3 و جدیدتر با macOS 27).

Python جدید
apfel-run - رجیستری ماندگار MCP

apfel-run

یک wrapper کوچک UNIX که به apfel یک رجیستری ماندگار MCP می‌دهد. سرورهای MCP را با نامشان از یک فایل پیکربندی متنی ساده فعال و غیرفعال کنید. بعد از ری‌استارت هم باقی می‌ماند، بدون GUI، بدون daemon.

Shell جدید
apfel-server-kit - پکیج Swift برای ابزارهای اکوسیستم

apfel-server-kit

پکیج مشترک Swift که اکوسیستم را به حرکت درمی‌آورد. یک پروسس محلی apfel --serve را پیدا کنید، اجرا کنید و از آن stream بگیرید. ستون فقراتی که همهٔ اپ‌های SwiftUI مبتنی بر apfel با آن حرف می‌زنند.

Swift جدید
auge - فریم‌ورک Vision در Apple، از ترمینال

auge

پروژهٔ هم‌خانواده. apfel کار زبان را انجام می‌دهد و auge کار بینایی را. یک CLI برای OCR، طبقه‌بندی تصویر، بارکد و تشخیص چهره - 100% روی دستگاه از طریق فریم‌ورک Vision در Apple. بدون کلید API، بدون ابر.

Swift پروژهٔ هم‌خانواده
translate - فریم‌ورک Translation در Apple، از ترمینال

translate

پروژهٔ هم‌خانواده. یک فیلتر UNIX به‌علاوهٔ یک سرور HTTP که جایگزین مستقیم DeepL، LibreTranslate و Google v2 است - با قدرت فریم‌ورک Translation روی دستگاه Apple. 100% روی دستگاه، با تضمین سخت‌گیرانهٔ NetworkGuard. بدون کلید API، بدون ابر.

Swift پروژهٔ هم‌خانواده

پرسش‌های متداول.

پرسش‌هایی که از Hacker News و Reddit جمع‌آوری شده‌اند.

به کدام نسخهٔ macOS نیاز دارم؟
macOS 26 (Tahoe) یا جدیدتر. فریم‌ورک FoundationModels فقط همراه Tahoe عرضه می‌شود. روی Sequoia یا نسخه‌های قدیمی‌تر کار نمی‌کند. به Apple Silicon (M1 یا جدیدتر) نیاز دارد.
آیا apfel به داده‌های شخصی من دسترسی دارد؟
خیر. فریم‌ورک FoundationModels هیچ دسترسی‌ای به مخاطبین، ایمیل‌ها، تقویم، عکس‌ها یا Semantic Index ندارد. این‌ها فقط در اختیار قابلیت‌های خود Apple هستند.
آیا داده‌ای از مک من خارج می‌شود؟
خیر. دو لایهٔ حریم خصوصی از شما محافظت می‌کند.

مدل: فریم‌ورک FoundationModels در Apple بدون اتصال به اینترنت کار می‌کند و به‌طور کامل روی Neural Engine اجرا می‌شود. prompt‌ها و پاسخ‌های شما هرگز از دستگاه خارج نمی‌شوند. داده‌های کاربران هرگز برای آموزش استفاده نمی‌شود.

ابزار: apfel همین وضعیت را حفظ می‌کند. بدون آنالیتیکس، بدون تله‌متری، بدون ردیابی، بدون بررسی خودکار به‌روزرسانی، بدون گزارش کرش، بدون ارسال اطلاعات به سرور سازنده. متن‌باز و قابل بازبینی.
پنجرهٔ کانتکست چقدر است؟
4,096 توکن (حدود 3,000 کلمه) برای مجموع ورودی و خروجی روی macOS 26 و روی مک‌های M1/M2. روی macOS 27، مک‌هایی با تراشهٔ M3 یا جدیدتر و دست‌کم 12 GB حافظه مدل بزرگ‌تر روی دستگاه Apple (AFM 3 Core Advanced) را با 8,192 توکن دریافت می‌کنند. apfel این مقدار را هرگز hardcode نمی‌کند: apfel --model-info پنجره‌ای را که مک شما واقعاً دارد نشان می‌دهد. عالی برای اسکریپت‌های shell، خلاصه‌سازی و تبدیل متن. مناسب گفتگوهای طولانی یا اسناد بزرگ نیست.
مدل در چه کارهایی خوب است؟ کجا کم می‌آورد؟
قوی در: اسکریپت‌نویسی shell، تبدیل متن، دسته‌بندی، خلاصه‌های کوتاه، بازسازی JSON، ترجمه.

محدود در: ریاضی، به خاطر آوردن واقعیت‌ها، گفتگوهای طولانی، تولید کد پیچیده.

مدل ترجیح می‌دهد به جای توهم‌زدن (hallucination)، از پاسخ دادن خودداری کند. این یک انتخاب آگاهانه در طراحی Apple است.
آیا حالت سرور امن است؟
به‌طور پیش‌فرض خاموش است. وقتی فعال باشد: احراز هویت با Bearer token (--token)، بررسی origin و endpoint‌های لاگ فقط در حالت debug. جزئیات در server-security.md.
آیا باید Apple Intelligence را فعال کنم؟
بله. System Settings > Apple Intelligence & Siri > فعال کردن. با این کار مدل دانلود می‌شود. لازم نیست از Siri استفاده کنید، فقط فعالش کنید. راهنمای راه‌اندازی Apple.
چطور apfel را به‌روزرسانی کنم؟
apfel --update. روش نصب را تشخیص می‌دهد، نسخهٔ جدیدتر را بررسی می‌کند و پیش از ارتقا از شما تأیید می‌گیرد. به‌صورت دستی: brew upgrade apfel یا git pull && make install.
از چه مدلی استفاده می‌کند؟
AFM خود Apple (Apple Foundation Model)، حدود 3 میلیارد پارامتر با کوانتیزاسیون ترکیبی 2-bit و 4-bit. ربطی به OpenAI ندارد. همراه macOS Tahoe عرضه می‌شود و به‌طور کامل روی دستگاه، روی Neural Engine اجرا می‌شود.
apfel چه فرقی با Ollama یا LM Studio دارد؟
بدون دانلود LLM، شروع فوری، بدون راه‌اندازی. apfel از مدلی استفاده می‌کند که از قبل روی مک شماست. Ollama و LM Studio مدل‌های بیشتر و پنجره‌های کانتکست بزرگ‌تری دارند، اما به دانلود جداگانه و پیکربندی نیاز دارند. ابزارهای متفاوت برای نیازهای متفاوت.
آیا apfel از MCP و tool calling پشتیبانی می‌کند؟
بله. MCP به‌صورت بومی داخلش هست. برای اتصال ابزارها --mcp <server> را بدهید. راهنمای tool calling.
apfel چه فرقی با fm، CLI خود Apple در macOS 27، دارد؟
همان مدل، کاربردی دیگر. macOS 27 همراه با fm عرضه می‌شود، رابط خط فرمان Apple برای همین مدل روی دستگاه. apfel این‌ها را اضافه می‌کند: سرور سازگار با OpenAI با tool calling، MCP، خروجی JSON Schema، ورودی تصویر به‌صورت data URL، exit code‌های صادقانه و پشتیبانی از macOS 26. مقایسهٔ اندازه‌گیری‌شده، کنار هم: apfel در برابر fm.
آیا apfel تله‌متری دارد یا اطلاعاتی به سرور سازنده می‌فرستد؟
هیچ. apfel هرگز در پس‌زمینه با هیچ سروری تماس نمی‌گیرد. تنها درخواست شبکه وقتی است که خودتان صراحتاً apfel --update را اجرا کنید، که در Homebrew دنبال نسخهٔ جدیدتر می‌گردد. متن‌باز و قابل بازبینی.
چه کسی آن را ساخته است؟
apfel ساختهٔ Franz Enzenhofer است (متفکر سیستمی، نویسنده، برنامه‌نویس از دوران C64، مکانیک هوش مصنوعی) / franze در HN / بنیان‌گذار Full Stack Optimization و franzai.com.

نگهداری مشترک با Arthur Ficial، یک نمونهٔ OpenClaw که روی Claude Opus از Anthropic اجرا می‌شود. بخش بزرگی از توسعه با Claude Code و Codex انجام شده است. همیشه در حالت high thinking / high effort.

شروع: 24 مارس 2026.
چطور تست می‌شود؟
334 تست واحد + 216 تست یکپارچگی (end-to-end، سازگاری با کلاینت‌های OpenAI، اعتبارسنجی مشخصات OpenAPI، امنیت، کارایی). در مجموع 550 تست تا 12 آوریل 2026.
apfel از کجا شروع شد؟
apfel در اصل تلاشی بود برای اجرای OpenClaw روی Apple Intelligence در حالت صرفه‌جویی حداکثری در توکن. به خاطر پنجرهٔ کانتکست 4K این کار جواب نداد. اما معلوم شد یک LLM محلی، سریع، قابل اسکریپت‌نویسی، روی دستگاه، همیشه در دسترس، بدون پیکربندی و با اولویت حریم خصوصی، فوق‌العاده عالی، قدرتمند، سرگرم‌کننده و جذاب است.