apfel on -projekti.

v1.18.0 · Nolla asetuksia · MIT

apfel

Ilmainen tekoäly, valmiina Macissasi.

macOS Tahoen mukana tulee 3B-parametrinen LLM. apfel tuo sen komentoriville yhdellä brew install -komennolla. Ei mallilatauksia, ei API-avaimia, ei asetuksia - toimii heti.

  • Ei token-kuluja
  • Tekoäly laitteella
  • Skriptattava
$ brew install apfel

6.6k+ tähteä osoitteessa github.com/Arthur-Ficial/apfel

Vaatii: Apple Silicon · macOS Tahoe · Apple Intelligence päällä

Uusi apfelin käyttäjä? Aloita 60 sekunnin opas (englanniksi)

Kaikki toimii omalla laitteellasi. Ei verkkokutsuja. Mikään data ei poistu Macistasi.

Katso, miten se toimii.

Komennosta brew install tekoälyn vastaukseen 12 sekunnissa. Asetuksia ei tarvita.

Terminaali - apfel
$
Aito terminaalitallenne, mitään ei ole editoitu: apfel 1.18.0, macOS 27.0.1, MacBook Air M2.

Nolla asetuksia. Nolla LLM-latauksia. Nolla token-kuluja.

Muut paikalliset tekoälytyökalut ovat hienoja, mutta ne vaativat mallilatauksia ja asetuksia. apfel ei tarvitse mitään - malli on jo Macissasi. Yksi brew install. Valmista.

$0
Token-kulut
Ei API-avaimia. Ei tilauksia. Ei tokenikohtaista laskutusta. Sinun rautasi, sinun tekoälysi.
100%
Laitteella
Jokainen token syntyy paikallisesti Apple Siliconillasi. Mikään ei poistu koneeltasi. Koskaan.
0
Asetusvaiheet
Ei YAMLia. Ei ympäristömuuttujia. Ei mallin valintaa. Asenna kerran, käytä aina.

Malli konepellin alla

Apple ML Research
~3BParametrit
4,096 / 8,192Konteksti-ikkuna (M1/M2 / M3+, macOS 27)
~3.5 bpwKvantisointi
Mixed 2/4-bitTarkkuus
Neural EngineAjoalusta
en, de, es, fr, it, ja, ko, pt, zhKielet

Kolme työkalua. Yksi asennus.

CLI, OpenAI-yhteensopiva palvelin ja interaktiivinen chat. Kaikki yhdellä brew install -komennolla. Ei lisälatauksia.

>_

UNIX-työkalu

Pipe-ystävällinen ja yhdisteltävä. Toimii jq:n, xargsin ja shell-skriptiesi kanssa. stdin, stdout, JSON-tuloste, skeeman mukainen JSON valitsimella --schema, monivaiheiset keskustelut viestitiedostosta valitsimella --messages, liitetiedostot, kunnolliset exit-koodit.

$ 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
{ }

OpenAI-palvelin

Suora korvaaja osoitteessa localhost:11434. Osoita mikä tahansa OpenAI SDK siihen, ja menoksi. Chat Completions ja Responses API, streaming, tool calling, JSON Schema -tuloste, CORS.

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

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

Interaktiivinen chat

Monivaiheiset keskustelut automaattisella kontekstinhallinnalla. Viisi karsintastrategiaa. System prompt -tuki. Kirjoita vain apfel terminaaliin, niin pääset alkuun. Kaikki Macillasi.

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

Natiivi MCP-tuki.

Anna Applen laitteella toimivalle mallille työkaluja. Mitä tahansa työkaluja.

Liitä työkalupalvelimia valitsimella --mcp

apfel puhuu Model Context Protocol -protokollaa. Osoita se mihin tahansa MCP-palvelimeen, niin laitteella toimiva malli saa työkaluja - matematiikkaa, API-rajapintoja, tietokantoja, mitä tahansa, mille voit kirjoittaa palvelimen.

  • Toimii kaikissa kolmessa tilassa - CLI, palvelin ja chat
  • Löytää työkalut automaattisesti MCP:n tools/list-kutsulla käynnistyessä
  • Työkalukutsut tunnistetaan ja suoritetaan, ja tulokset syötetään takaisin automaattisesti
  • Ilman --mcp-valitsinta ei mitään ylimääräistä - nolla lisätokeneita, nolla muutoksia koodipolkuun
  • Mukana laskin-MCP-palvelin proof-of-conceptina
  • Etä-MCP-palvelimet URL:n kautta - --mcp https://... ja valinnainen Bearer token -tunnistautuminen
Terminaali - 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

Näin se toimii.

Apple rakensi LLM:n jokaiseen Maciin. Se vain odottaa siellä. apfel antaa sille etuoven - ilman mitään asetuksia.

Apple toimittaa laitteella toimivan LLM:n

macOS 26:sta (Tahoe) alkaen jokaisessa Apple Silicon -Macissa on kielimalli osana Apple Intelligenceä. Apple tarjoaa sen FoundationModels-frameworkin kautta - se on Swift API, joka antaa sovelluksille pääsyn SystemLanguageModel-malliin. Kaikki päättely tapahtuu Neural Enginellä ja GPU:lla. Ei verkkokutsuja, ei pilveä, ei API-avaimia. Malli on vain valmiina.

Mutta Apple käyttää sitä vain Siriin

Oletuksena laitteella toimiva malli pyörittää Siriä, Writing Toolsia ja järjestelmän toimintoja. Terminaalikomentoa ei ole, HTTP-endpointia ei ole, eikä tekstiä voi pipettää sen läpi. FoundationModels-framework on olemassa, mutta sen käyttämiseen pitää kirjoittaa Swift-sovellus. Juuri sen apfel tekee.

Mitä apfel tuo lisää

apfel on Swift 6.3 -binääri, joka käärii LanguageModelSession-olion ja tarjoaa sen kolmella tavalla: UNIX-komentorivityökaluna stdin/stdout-tuella, OpenAI-yhteensopivana HTTP-palvelimena (Hummingbirdin päällä) ja interaktiivisena chattina kontekstinhallinnalla.

Se hoitaa sen, mitä Applen raaka API ei hoida: kunnolliset exit-koodit, JSON-tulosteen, liitetiedostot, viisi kontekstin karsintastrategiaa pientä konteksti-ikkunaa varten (4 096 tokenia, 8 192 M3- ja uudemmissa Maceissa, joissa on macOS 27), oikean token-laskennan SDK:n kautta sekä OpenAI:n työkaluskeemojen muunnoksen Applen natiiviin Transcript.ToolDefinition-muotoon.

rauta Apple Silicon (Neural Engine + GPU)
|
malli Applen laitteella toimiva LLM (macOS:n mukana)
|
sdk FoundationModels.framework (Swift API)
|
apfel CLI + HTTP-palvelin + kontekstinhallinta
|
sinä Terminaali, shell-skriptit, OpenAI SDK:t, curl
4 096 tai 8 192 tokenia Konteksti-ikkuna (syöte + tuloste). 4 096 macOS 26:ssa ja M1/M2-Maceissa; 8 192 M3- tai uudemmissa, joissa on 12 GB+ ja macOS 27. apfel lukee sen ajon aikana.
1 malli Kiinteä, ei vaihdettavissa
Swift 6.3 Strict concurrency, ei Xcodea
MIT-lisenssi Avoin lähdekoodi

Yksityinen jo lähtökohtaisesti.

apfelia käyttäessä ei lähde yhtäkään HTTP-kutsua. Jokainen alla oleva väite linkittää Applen omaan dokumentaatioon.

Laitteella. Toimii ilman verkkoa.

FoundationModels-framework toimii kokonaan Apple Siliconisi Neural Enginellä. Ei palvelinta, ei pilveä, ei internetyhteyttä.

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

Datasi pysyy sinulla.

Apple ei kerää prompteja, vastauksia eikä mitään käyttödataa laitteella tapahtuvasta päättelystä. Mitään ei tallenneta, mitään ei lähetetä.

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

Ei koskaan käytetä koulutukseen.

Apple kouluttaa foundation-mallinsa vain lisensoidulla ja julkisella datalla. Sinun käyttösi ei koskaan päädy koulutusputkeen.

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

apfel ei lisää mitään seurantaa.

Ei analytiikkaa, ei telemetriaa, ei automaattisia päivitystarkistuksia, ei kaatumisraportteja, ei kotiinsoittoa. apfel tekee verkkokutsun vain silloin, kun ajat itse apfel --update. Koko koodikanta on avointa lähdekoodia.

Tehotyökalut mukana.

Shell-skriptit demo/-kansiossa. Asenna ensin apfel ja nappaa sitten ne, joita tarvitset.

>_

cmd

Luonnollisesta kielestä shell-komennoksi. Sano mitä haluat, saat komennon.

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

oneliner

Pipe-ketjuja selkokielestä. awk, sed, sort, uniq - generoituna puolestasi.

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

mac-narrator

Selostaa Macisi järjestelmän tapahtumia kuin luontodokumentissa.

$ mac-narrator --watch
?

explain

Selittää minkä tahansa komennon, virheilmoituksen tai koodinpätkän selkokielellä.

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

wtd

Mikä tämä hakemisto on? Pääset hetkessä kartalle missä tahansa koodikannassa.

$ wtd
++

gitsum

Tiivistää viimeisimmät git-commitit muutamaan lauseeseen.

$ gitsum

30 hyödyllistä ja siistiä one-lineria.

Jokainen komento on testattu oikealla Macilla. Ketjuta apfel komentojen ps, lsof, du, vm_stat, git, pbpaste, sleep, pgrep, curl ja say kanssa - yhdisteltävyyttä, johon pilvitekoälyt eivät pysty, koska ne eivät näe prosessejasi, leikepöytääsi tai git diffiäsi. apfel näkee.

Järjestelmä livenä 8

Mikä syö prosessoria juuri nyt.

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

-> WindowServer käyttää eniten CPU:ta: 42,6 %.

Mitkä sovellukset kuuntelevat mitäkin porttia.

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

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

Mikä levy on lähimpänä täyttymistä.

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

-> Täysinäisin on /dev/disk3s1: 263Gi / 926Gi.

vm_stat selkokielelle purettuna.

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

-> 349k sivua aktiivisena, 266k wired - muistia on käytössä reilusti.

Mitkä kansiot täällä vievät eniten levytilaa.

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

-> Library (36G) ja Downloads (604M) hallitsevat.

Tämän kansion suurimmat tiedostot.

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

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

Mitkä sovellukset juttelevat internetin kanssa juuri nyt.

$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 ...

Akun kunto ja jäljellä oleva aika yhdellä rivillä.

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

-> Täyteen ladattu, kunto 100 %, käytössä parhaillaan.

Git 2

Kertaa viimeisimmät commitisi selkokielellä.

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

-> Päivitys versiosta v1.2.1 versioon v1.3.2, sisarprojekteja lisätty ...

Luonnostele yhden rivin release note viimeisimmistä commiteista.

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

-> Julkaistu v1.3.2: 5053 tähteä, 783 testiä, päivityksiä.

Leikepöydän kautta 4

Korjaa leikepöydällä olevan tekstin kielioppi ja palauta korjattu versio takaisin.

$pbpaste | apfel "fix grammar" | pbcopy

-> "i has went" muuttuu muotoon "I went" - takaisin leikepöydällä.

Käännä leikepöydän sisältö japaniksi ja palauta se takaisin.

$pbpaste | apfel "translate to japanese" | pbcopy

-> Leikepöydällä on nyt japanninkielinen käännös.

Tiivistä leikepöydän tekstimuuri 3 ranskalaiseen viivaan.

$pbpaste | apfel "summarize in 3 bullets"

-> 3 napakkaa ranskalaista viivaa terminaalissasi.

Poimi selkeät tehtävät leikepöydällä olevista palaverimuistiinpanoista.

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

-> "Sarah luonnostelee Q3-budjetin", "sähköposti design-tiimille", ... takaisin leikepöydällä.

Valvo ja ilmoita 6

Ilmoita itsellesi ääneen, kun pitkä tehtävä valmistuu (tässä 30 minuutin päästä).

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

-> Mac sanoo: "Pitkä tehtäväsi valmistui juuri, hyvää työtä!"

Odota, että tiedosto ilmestyy Downloads-kansioon, ja ilmoita siitä.

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

-> Tarkistaa 5 s välein; kun Report.pdf ilmestyy, Mac kertoo uutisen ääneen.

Odota, että pitkään ajossa ollut prosessi päättyy, ja ilmoita siitä.

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

-> Tarkistaa 5 s välein; kun ffmpeg päättyy, Mac kertoo uutisen ääneen.

30 minuutin välein: kerro ääneen tiivistelmä siitä, mitä juuri sait valmiiksi.

$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

-> Automaattinen standup puolen tunnin välein ääneen luettuna, kun jatkat koodaamista.

15 minuutin välein: varoita ääneen, jos akku laskee alle 20 prosentin.

$while sleep 900; do P=$(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

-> Hiljaa, kunnes akku hiipuu; sitten Mac huutaa ääneen ystävällisen mutta kiireellisen varoituksen.

Valvo URL:ää, kunnes se palauttaa 2xx:n, ja juhli deployta ääneen.

$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

-> Tarkistaa 30 s välein, kunnes staging on pystyssä; Mac sanoo "Deploy on livenä, URL vastaa!".

Web ja teksti 4

Muotoile rento lause kohteliaaksi.

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

-> "Voisitteko ystävällisesti toimittaa asiakirjat mahdollisimman pian ..."

Kutsu URL:ää ja kysy pelkkien headereiden perusteella, mistä on kyse.

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

-> GitHub palauttaa HTML-sivun tiukoilla välimuisti- ja tietoturvaheadereilla.

Päivän Hacker News yhteen lauseeseen tiivistettynä ja ääneen luettuna.

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

-> Mac lukee päivän kärkiuutiset yhtenä napakkana tiivistelmänä.

Selitä JSON-möhkäle selkokielellä.

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

-> Käyttäjä nimeltä Alice, pro-tilaus, 42 krediittiä.

Pikahaut 8

Laske avaamatta laskinta.

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

-> 13.13

Generoi regex poistumatta terminaalista.

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

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

Kysy se bash-one-liner, jonka unohdit.

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

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

Selitä kryptinen komento arvailun sijaan.

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

-> Purkaa gzip-pakatun tar-paketin nykyiseen hakemistoon.

Unohtuiko tarkka git-komento? Kysy vain.

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

-> git reset --soft HEAD~1

Avaa jonkun toisen regex yhdellä lauseella.

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

-> Vastaa 3-numeroista etuliitettä, yhdysmerkkiä ja 4 numeroa - yhdysvaltalainen puhelinnumeromuoto.

Muunna arkikielinen päivämäärä ISO 8601 -muotoon.

$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

Tiivistä kokonainen tiedosto 3 ranskalaiseen viivaan.

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

-> 3 kohtaa: laajuus, asennus, käyttö.

OpenAI-yhteensopiva.

Vaihda yksi URL. Pidä koodisi.

Suora korvaaja

apfel puhuu OpenAI API:a. Mikä tahansa client-kirjasto, framework tai työkalu, joka puhuu OpenAI:lle, voi puhua sen sijaan Macisi tekoälylle. Vaihda vain base URL.

  • ✓ POST /v1/chat/completions
  • ✓ POST /v1/responses (Responses API)
  • ✓ Streaming (SSE)
  • ✓ Tool calling / function calling
  • ✓ GET /v1/models
  • ✓ response_format: json_object, json_schema
  • ✓ image_url-osat data-URL:eina (macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ CORS selainclienteille
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)

Sama malli kuin Applen fm:ssä. Eri tehtävä.

macOS 27 sisältää fm:n, Applen oman komentorivikäyttöliittymän laitteella toimivalle mallille. Tässä kohdat, joissa tiet erkanevat.

 apfelApple fm
AjoalustamacOS 26 ja 27, yksi binääriVain macOS 27
Asennusbrew install apfelValmiina koneella (sudo fm license kerran)
OpenAI-clientit toimivat sellaisenaanKyllä: JSON oletuksena, usage, max_tokens huomioidaan, virheet mäpättyStreamaa, ellei toisin pyydetä, ohittaa max_tokens-arvon, 500-virhe guardrail-tilanteissa
Tool calling ja MCPNatiivit työkalukutsut, paikalliset ja etä-MCP-palvelimetEi ole (tools vuotaa template-tokeneita vastaukseen)
Skriptaus--code, -o json, 9 exit-koodia, --count-tokens --strictPelkkä teksti, exit 0 tai 1
SyötetiedostotTeksti, PDF, kuvat: OCR-teksti molemmissa järjestelmissä, ja macOS 27:ssa lisäksi itse kuva mallilleKuvat mallille sekä sisäänrakennetut OCR- ja viivakoodityökalut
Säilyvät chat-istunnotEiNimetyt transkriptit, --resume
NopeusSama malli samalla Macilla, sama konteksti-ikkuna (4 096 tokenia tällä M2:lla, 8 192 M3:lla ja uudemmilla), identtiset token-määrät. Yksittäinen prompti: 0,35 s vs 0,30 s.

Lyhyt historia. apfel ehti ensin: ensimmäinen commit ja v0.1.0 24. maaliskuuta 2026, ensimmäinen GitHub-julkaisu 31. maaliskuuta 2026, Hacker Newsin etusivu huhtikuussa. Apple julkisti fm:n WWDC:ssä 8. kesäkuuta 2026 ja julkaisi sen macOS 27:n mukana 14. syyskuuta 2026. Molemmat käyttävät samaa laitteella toimivaa mallia saman FoundationModels-frameworkin kautta; apfel on niistä avointa lähdekoodia, ja se toimii myös macOS 26:ssa.

Jokainen rivi on mitattu macOS 27.0.1:ssa (Apple M2, 24 GB) 05.10.2026, ja mittaukset toistetaan jokaisessa apfel-julkaisussa. Koko sivulta löytyvät palvelintestit, token-määrien vertailutaulukko ja kaikki komennot niiden toistamiseen.

Suosittu GitHubissa.

Nollasta 6,610 tähteen, ja määrä kasvaa yhä.

6,610
GitHub-tähdet
251 forkkia
2450 testiä
v1.18.0 julkaistu

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

Anna tähti GitHubissa
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

Tilanne

Aloita tästä.

Ei mallilatauksia. Ei rekisteröitymistä. Ei API-avaimia. Vain tämä.

Homebrew

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

Käännä lähdekoodista

vaatii CLT:n + macOS 27 SDK:n (toimii versioissa 26 ja 27)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

apfel-puu.

Kasvava perhe natiiveja macOS-työkaluja apfelin päällä - sekä sisarprojekteja, jotka tuovat muita Applen frameworkeja terminaaliin.

apfel-chat - yksityinen tekoäly-chat macOSille

apfel-chat

macOS-chat-sovellus useille keskusteluille. Streamaava markdown, puhe sisään ja ulos, kuva-analyysi - täysin yksityinen, ei API-avaimia, ei pilveä.

SwiftUI Tuotannossa
apfelpad - kaavamuistio laitteella toimivalla tekoälyllä

apfelpad

Kaavamuistio ajattelun tueksi. Kirjoita =apfel("summarize this") markdowniisi ja katso, kun vastaus streamaa suoraan tekstiin. Kuin =SUM, mutta kielelle.

SwiftUI Uusi
apfel-quick - välitön tekoäly-overlay macOSille

apfel-quick

Tekoäly-overlay heti käsillä. Paina Ctrl+Space missä tahansa, kirjoita kysymys, ja vastaus streamaa leikepöydällesi. Ei Wi-Fiä, ei tiliä, ei laskua.

SwiftUI Uusi
apfel-gui-kuvakaappaus

apfel-gui

Natiivi macOS SwiftUI -debug-GUI. Juttele Apple Intelligencen kanssa, tutki pyyntöjä ja vastauksia, lokeja, puheentunnistusta ja puhesynteesiä - kaikki laitteella.

SwiftUI
apfel-clip - tekoälyn leikepöytätoiminnot

apfel-clip

Tekoälyn leikepöytätoiminnot valikkoriviltä. Paina cmd+shift+V missä tahansa tekstissä - korjaa kielioppi, käännä, selitä koodi, tiivistä. Kokonaan laitteella, ei API-avaimia.

SwiftUI Tuotannossa
apfel-mcp - MCP-palvelimet apfelille

apfel-mcp

Anna apfelille pääsy webiin ja tiedostoihisi. Neljä pientä MCP-työkalua - url-fetch, ddg-search, search-and-fetch ja vain lukeva tiedostonlukija - jokainen karsittu mahtumaan apfelin pieneen konteksti-ikkunaan (4 096 tokenia useimmissa Maceissa, 8 192 M3- ja uudemmissa macOS 27:lla).

Python Uusi
apfel-run - pysyvä MCP-rekisteri

apfel-run

Pieni UNIX-wrapper, joka antaa apfelille pysyvän MCP-rekisterin. Ota MCP-palvelimia käyttöön ja pois nimen perusteella tavallisesta tekstimuotoisesta asetustiedostosta. Säilyy uudelleenkäynnistysten yli, ei GUI:ta, ei daemonia.

Shell Uusi
apfel-server-kit - Swift-paketti ekosysteemin työkaluille

apfel-server-kit

Ekosysteemiä pyörittävä yhteinen Swift-paketti. Löydä ja käynnistä paikallinen apfel --serve -prosessi ja streamaa siitä. Selkäranka, jonka kanssa jokainen SwiftUI-pohjainen apfel-sovellus juttelee.

Swift Uusi
auge - Applen Vision-framework terminaalista

auge

Sisarprojekti. apfel hoitaa kielen, auge näön. Yksi CLI OCR:lle, kuvien luokittelulle, viivakoodeille ja kasvojen tunnistukselle - 100 % laitteella Applen Vision-frameworkin avulla. Ei API-avaimia, ei pilveä.

Swift Sisarprojekti
translate - Applen Translation-framework terminaalista

translate

Sisarprojekti. UNIX-suodatin sekä drop-in HTTP-palvelin DeepL:n, LibreTranslaten ja Google v2:n tilalle - voimanlähteenä Applen laitteella toimiva Translation-framework. 100 % laitteella, NetworkGuardin tiukasti valvomana. Ei API-avaimia, ei pilveä.

Swift Sisarprojekti

Usein kysyttyä.

Kysymykset on poimittu Hacker Newsista ja Redditistä.

Minkä macOS-version tarvitsen?
macOS 26 (Tahoe) tai uudempi. FoundationModels-framework tulee vain Tahoen mukana. Ei toimi Sequoiassa eikä vanhemmissa. Vaatii Apple Siliconin (M1 tai uudempi).
Pääseekö apfel henkilökohtaisiin tietoihini?
Ei. FoundationModels-frameworkilla ei ole mitään pääsyä yhteystietoihin, sähköposteihin, kalenteriin, kuviin tai Semantic Indexiin. Ne on varattu Applen omille toiminnoille.
Lähteekö Macistani mitään dataa?
Ei. Yksityisyyttäsi suojaa kaksi kerrosta.

Malli: Applen FoundationModels-framework toimii ilman internetyhteyttä ja pyörii kokonaan Neural Enginellä. Promptisi ja vastaukset eivät koskaan poistu laitteelta. Käyttäjien dataa ei koskaan käytetä koulutukseen.

Työkalu: apfel pitää asian niin. Ei analytiikkaa, ei telemetriaa, ei seurantaa, ei automaattisia päivitystarkistuksia, ei kaatumisraportteja, ei kotiinsoittoa. Avoin lähdekoodi, jonka kuka tahansa voi tarkastaa.
Kuinka suuri konteksti-ikkuna on?
4 096 tokenia (~3 000 sanaa) syöte ja tuloste yhteensä macOS 26:ssa ja M1/M2-Maceissa. macOS 27:ssa Macit, joissa on M3 tai uudempi siru ja vähintään 12 GB muistia, saavat Applen isomman laitteella toimivan mallin (AFM 3 Core Advanced), jossa on 8 192 tokenia. apfel ei koskaan kovakoodaa arvoa: apfel --model-info näyttää, kuinka suuri ikkuna Macissasi oikeasti on. Sopii erinomaisesti shell-skripteihin, tiivistelmiin ja tekstimuunnoksiin. Ei sovellu pitkiin keskusteluihin tai suuriin dokumentteihin.
Missä malli on hyvä? Missä se takkuaa?
Vahvuudet: shell-skriptaus, tekstin muuntaminen, luokittelu, lyhyet tiivistelmät, JSONin uudelleenjärjestely, kääntäminen.

Rajoitteet: matematiikka, faktojen muistaminen, pitkät keskustelut, monimutkainen koodin generointi.

Malli kieltäytyy mieluummin kuin hallusinoi. Se on Applen tietoinen suunnitteluvalinta.
Onko palvelintila turvallinen?
Oletuksena pois päältä. Kun se on päällä: Bearer token -tunnistautuminen (--token), originin tarkistus ja lokien endpointit vain debug-tilassa. Lisätiedot: server-security.md.
Pitääkö Apple Intelligence ottaa käyttöön?
Kyllä. Järjestelmäasetukset > Apple Intelligence & Siri > ota käyttöön. Tämä lataa mallin. Siriä ei tarvitse käyttää, kunhan se on päällä. Applen käyttöönotto-ohje.
Miten päivitän apfelin?
apfel --update. Tunnistaa asennustavan, tarkistaa uudemman version ja kysyy ennen päivitystä. Käsin: brew upgrade apfel tai git pull && make install.
Mitä mallia se käyttää?
Applen omaa AFM:ää (Apple Foundation Model), noin 3 miljardia parametria, sekoitettu 2- ja 4-bittinen kvantisointi. Ei OpenAI:ta. Tulee macOS Tahoen mukana ja toimii kokonaan laitteella Neural Enginellä.
Miten apfel eroaa Ollamasta tai LM Studiosta?
Ei LLM-latausta, käynnistyy heti, ei säätämistä. apfel käyttää mallia, joka on jo Macissasi. Ollama ja LM Studio tarjoavat enemmän malleja ja suurempia konteksti-ikkunoita, mutta vaativat erilliset lataukset ja asetukset. Eri työkalut eri tarpeisiin.
Tukeeko apfel MCP:tä ja tool callingia?
Kyllä. Natiivi MCP on sisäänrakennettu. Liitä työkaluja valitsimella --mcp <server>. Tool calling -opas.
Miten apfel eroaa Applen omasta fm CLI:stä macOS 27:ssa?
Sama malli, eri tehtävä. macOS 27 sisältää fm:n, Applen komentorivikäyttöliittymän samalle laitteella toimivalle mallille. apfel tuo lisäksi OpenAI-yhteensopivan palvelimen, tool callingin, MCP:n, JSON Schema -tulosteen, kuvasyötteen data-URL:eina, rehelliset exit-koodit ja macOS 26 -tuen. Rinnakkain mitattuna: apfel vs fm.
Onko apfelissa telemetriaa tai kotiinsoittoa?
Ei mitään. apfel ei koskaan ota taustalla yhteyttä mihinkään palvelimeen. Ainoa verkkokutsu tapahtuu, kun ajat itse apfel --update, joka tarkistaa Homebrewsta, onko uudempaa versiota. Avoin lähdekoodi, jonka kuka tahansa voi tarkastaa.
Kuka tämän on tehnyt?
apfelin on luonut Franz Enzenhofer (systeemiajattelija, kirjailija, koodari C64-ajoista asti, tekoälymekaanikko) / franze HN:ssä / Full Stack Optimizationin ja franzai.comin perustaja.

Ylläpitäjänä myös Arthur Ficial, Anthropicin Claude Opuksella toimiva OpenClaw-instanssi. Kehitetty pitkälti Claude Coden ja Codexin avulla. Aina high thinking / high effort -tilassa.

Aloitettu: 24. maaliskuuta 2026.
Miten sitä testataan?
334 yksikkötestiä + 216 integraatiotestiä (end-to-end, OpenAI-clienttien yhteensopivuus, OpenAPI-määrittelyn validointi, tietoturva, suorituskyky). Yhteensä 550 testiä 12. huhtikuuta 2026.
Miten apfel sai alkunsa?
apfel sai alkunsa yrityksestä saada OpenClaw toimimaan Apple Intelligencellä äärimmäisen tokeneita säästävässä tilassa. Se ei onnistunut 4K:n konteksti-ikkunan takia. Mutta kävi ilmi, että paikallinen, nopea, skriptattava, laitteella toimiva, aina saatavilla oleva, asetuksia vaatimaton ja yksityisyyttä kunnioittava LLM on uskomattoman mahtava, tehokas, hauska ja kiinnostava.