apfel est un projet .

v1.18.0 · Zéro configuration · MIT

apfel

L'IA gratuite, déjà sur votre Mac.

macOS Tahoe embarque un LLM de 3 milliards de paramètres. apfel vous y donne accès en ligne de commande en un seul brew install. Pas de modèle à télécharger, pas de clé API, aucune configuration : ça marche, tout simplement.

  • Zéro coût par token
  • IA embarquée
  • Scriptable
$ brew install apfel

6.6k+ étoiles sur github.com/Arthur-Ficial/apfel

Prérequis : Apple Silicon · macOS Tahoe · Apple Intelligence activé

Vous découvrez apfel ? Suivez le tutoriel en 60 secondes (en anglais)

Tout tourne sur votre appareil. Aucun appel réseau. Aucune donnée ne quitte votre Mac.

Voyez-le à l'œuvre.

Du brew install à la première réponse de l'IA en 12 secondes. Aucune configuration requise.

Terminal - apfel
$
Vrai enregistrement du terminal, sans montage : apfel 1.18.0 sur macOS 27.0.1, MacBook Air M2.

Zéro config. Zéro téléchargement de LLM. Zéro coût par token.

Les autres outils d'IA locale sont excellents, mais exigent de télécharger des modèles et de les configurer. apfel n'a besoin de rien - le modèle est déjà sur votre Mac. Un brew install. C'est tout.

$0
Coût par token
Pas de clé API. Pas d'abonnement. Pas de facturation au token. Votre matériel, votre IA.
100%
Sur l'appareil
Chaque token est généré localement sur votre Apple Silicon. Rien ne quitte votre machine. Jamais.
0
Étapes de configuration
Pas de YAML. Pas de variables d'environnement. Pas de choix de modèle. Installez une fois, utilisez pour toujours.

Le modèle sous le capot

Apple ML Research
~3BParamètres
4,096 / 8,192Fenêtre de contexte (M1/M2 / M3+ sous macOS 27)
~3.5 bpwQuantification
Mixed 2/4-bitPrécision
Neural EngineFonctionne sur
en, de, es, fr, it, ja, ko, pt, zhLangues

Trois outils. Une seule installation.

Une CLI, un serveur compatible OpenAI et un chat interactif. Le tout en un seul brew install. Aucun téléchargement supplémentaire.

>_

Outil UNIX

Fait pour les pipes et combinable. Fonctionne avec jq, xargs et vos scripts shell. stdin, stdout, sortie JSON, JSON conforme au schéma avec --schema, multi-tours depuis un fichier de messages avec --messages, pièces jointes, codes de sortie propres.

$ 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
{ }

Serveur OpenAI

Remplacement direct sur localhost:11434. Pointez n'importe quel SDK OpenAI dessus et c'est parti. Chat Completions et Responses API, streaming, tool calling, sortie JSON Schema, CORS.

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

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

Chat interactif

Conversations multi-tours avec gestion automatique du contexte. Cinq stratégies de réduction. Prise en charge du prompt système. Tapez simplement apfel dans un terminal pour commencer. Tout sur votre Mac.

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

Prise en charge native de MCP.

Donnez des outils au modèle embarqué d'Apple. N'importe quels outils.

Branchez des serveurs d'outils avec --mcp

apfel parle le Model Context Protocol. Pointez-le vers n'importe quel serveur MCP et le modèle embarqué obtient des outils - calcul, API, bases de données, tout ce pour quoi vous pouvez écrire un serveur.

  • Fonctionne dans les trois modes - CLI, serveur et chat
  • Découvre automatiquement les outils via MCP tools/list au démarrage
  • Appels d'outils détectés et exécutés, résultats renvoyés au modèle automatiquement
  • Sans --mcp, aucun surcoût - zéro token supplémentaire, zéro changement dans le code exécuté
  • Livré avec un serveur MCP de calculatrice comme preuve de concept
  • Serveurs MCP distants via URL - --mcp https://... avec authentification Bearer optionnelle
Terminal - 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

Comment ça marche.

Apple a intégré un LLM dans chaque Mac. Il est là, inutilisé. apfel lui ouvre une porte d'entrée - sans aucune configuration.

Apple livre un LLM embarqué

Depuis macOS 26 (Tahoe), chaque Mac Apple Silicon inclut un modèle de langage dans le cadre d'Apple Intelligence. Apple l'expose via le framework FoundationModels - une API Swift qui donne aux apps accès à SystemLanguageModel. Toute l'inférence tourne sur le Neural Engine et le GPU. Aucun appel réseau, pas de cloud, pas de clé API. Le modèle est simplement là.

Mais Apple ne s'en sert que pour Siri

De base, le modèle embarqué alimente Siri, Writing Tools et des fonctions système. Il n'y a ni commande de terminal, ni endpoint HTTP, ni moyen d'y faire passer du texte par un pipe. Le framework FoundationModels existe, mais il faut écrire une app Swift pour l'utiliser. C'est exactement ce que fait apfel.

Ce qu'apporte apfel

apfel est un binaire Swift 6.3 qui encapsule LanguageModelSession et l'expose de trois façons : comme outil UNIX en ligne de commande avec stdin/stdout, comme serveur HTTP compatible OpenAI (basé sur Hummingbird) et comme chat interactif avec gestion du contexte.

Il gère ce que l'API brute d'Apple ne fait pas : codes de sortie propres, sortie JSON, pièces jointes, cinq stratégies de réduction du contexte pour la petite fenêtre de contexte (4 096 tokens, 8 192 sur les Mac M3 et plus récents sous macOS 27), comptage réel des tokens via le SDK, et conversion des schémas d'outils OpenAI au format natif d'Apple Transcript.ToolDefinition.

matériel Apple Silicon (Neural Engine + GPU)
|
modèle Le LLM embarqué d'Apple (livré avec macOS)
|
sdk FoundationModels.framework (API Swift)
|
apfel CLI + serveur HTTP + gestion du contexte
|
vous Terminal, scripts shell, SDK OpenAI, curl
4 096 ou 8 192 tokens Fenêtre de contexte (entrée + sortie). 4 096 sous macOS 26 et sur les Mac M1/M2 ; 8 192 sur M3 ou plus récent avec 12 Go+ sous macOS 27. apfel la lit à l'exécution.
1 modèle Fixe, non configurable
Swift 6.3 Concurrence stricte, sans Xcode
Licence MIT Open source

Privé dès la conception.

Pas un seul appel HTTP quand vous utilisez apfel. Chaque affirmation ci-dessous renvoie à la documentation d'Apple.

Sur l'appareil. Fonctionne hors ligne.

Le framework FoundationModels tourne entièrement sur le Neural Engine de votre Apple Silicon. Pas de serveur, pas de cloud, pas besoin de connexion Internet.

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

Vos données restent les vôtres.

Apple ne collecte ni prompts, ni réponses, ni aucune donnée d'utilisation issue de l'inférence sur l'appareil. Rien n'est stocké, rien n'est envoyé.

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

Jamais utilisé pour l'entraînement.

Apple entraîne ses modèles de fondation uniquement sur des données sous licence et publiques. Vos interactions ne font jamais partie du pipeline d'entraînement.

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

apfel n'ajoute aucun pistage.

Pas d'analytics, pas de télémétrie, pas de vérification automatique des mises à jour, pas de rapport de plantage, aucune connexion cachée vers l'extérieur. Le seul appel réseau d'apfel a lieu quand vous lancez explicitement apfel --update. Tout le code est open source.

Outils puissants inclus.

Des scripts shell dans le dossier demo/. Installez d'abord apfel, puis prenez ceux qui vous intéressent.

>_

cmd

Du langage naturel à la commande shell. Dites ce que vous voulez, obtenez la commande.

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

oneliner

Des chaînes de pipes à partir d'une phrase en langage courant. awk, sed, sort, uniq - générés pour vous.

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

mac-narrator

Commente l'activité système de votre Mac comme un documentaire animalier.

$ mac-narrator --watch
?

explain

Explique n'importe quelle commande, message d'erreur ou bout de code en termes simples.

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

wtd

C'est quoi, ce dossier ? Un aperçu instantané de n'importe quel projet.

$ wtd
++

gitsum

Résume les derniers commits git en quelques phrases.

$ gitsum

30 one-liners utiles et sympas.

Chaque commande testée sur un vrai Mac. Enchaînez apfel avec ps, lsof, du, vm_stat, git, pbpaste, sleep, pgrep, curl, say - une composabilité qu'aucune IA cloud ne peut égaler, car elle ne voit ni vos processus, ni votre presse-papiers, ni votre git diff. apfel, si.

Système en direct 8

Qu'est-ce qui mange mon CPU en ce moment ?

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

-> WindowServer utilise le plus de CPU, avec 42,6 %.

Quelles apps écoutent sur quels ports ?

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

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

Quel volume est le plus plein ?

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

-> /dev/disk3s1 est le plus plein, avec 263Gi sur 926Gi.

vm_stat traduit en langage clair.

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

-> 349k pages actives, 266k wired - beaucoup de mémoire utilisée.

Quels dossiers ici prennent le plus de place ?

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

-> Library avec 36G et Downloads avec 604M dominent.

Les plus gros fichiers de ce dossier.

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

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

Quelles apps parlent à Internet en ce moment ?

$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 ...

État de la batterie et autonomie restante en une ligne.

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

-> Complètement chargée, santé 100 %, actuellement active.

Git 2

Récapitulez vos derniers commits en langage clair.

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

-> Mises à jour de v1.2.1 à v1.3.2, projets frères ajoutés ...

Rédigez une note de version d'une ligne à partir des derniers commits.

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

-> Sortie de v1.3.2 avec 5053 étoiles, 783 tests, mises à jour.

Allers-retours presse-papiers 4

Corrigez la grammaire de ce qui se trouve dans votre presse-papiers, puis remettez-y la version corrigée.

$pbpaste | apfel "fix grammar" | pbcopy

-> "i has went" devient "I went" - de retour dans le presse-papiers.

Traduisez le presse-papiers en japonais, puis remettez-le en place.

$pbpaste | apfel "translate to japanese" | pbcopy

-> Le presse-papiers contient maintenant la traduction japonaise.

Résumez un pavé de texte de votre presse-papiers en 3 puces.

$pbpaste | apfel "summarize in 3 bullets"

-> 3 puces concises dans votre terminal.

Extrayez des actions claires des notes de réunion dans votre presse-papiers.

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

-> "Sarah prépare le budget T3", "écrire à l'équipe design", ... de retour dans le presse-papiers.

Surveiller et annoncer 6

Soyez prévenu à voix haute quand une longue tâche se termine (ici, dans 30 minutes).

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

-> Le Mac annonce : "Votre longue tâche vient de se terminer, bravo !"

Attendez qu'un fichier arrive dans Downloads, puis annoncez-le.

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

-> Vérifie toutes les 5s ; dès que Report.pdf apparaît, le Mac annonce la nouvelle.

Attendez la fin d'un processus long, puis annoncez-la.

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

-> Vérifie toutes les 5s ; dès que ffmpeg s'arrête, le Mac annonce la nouvelle.

Toutes les 30 minutes, résumez à voix haute ce que vous venez de livrer.

$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

-> Un stand-up automatique toutes les demi-heures, lu à voix haute pendant que vous codez.

Toutes les 15 minutes, alertez à voix haute si la batterie passe sous 20 pour cent.

$while sleep 900; do P=$(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

-> Silencieux jusqu'à ce que la batterie baisse ; ensuite, le Mac lance à voix haute une alerte amicale mais pressante.

Surveillez une URL jusqu'à ce qu'elle renvoie un 2xx, puis fêtez le déploiement à voix haute.

$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

-> Vérifie toutes les 30s jusqu'à ce que le staging soit en ligne ; le Mac annonce "Votre déploiement est en ligne, l'URL répond !".

Web et texte 4

Reformulez une phrase familière en version polie.

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

-> "Pourriez-vous me transmettre les documents dès que possible ..."

Interrogez une URL et demandez ce qui se passe, juste à partir des en-têtes.

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

-> GitHub sert une page HTML avec des en-têtes de cache et de sécurité stricts.

Hacker News du jour, résumé en une phrase et lu à voix haute.

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

-> Le Mac lit les principaux articles du jour en un résumé serré.

Expliquez un blob JSON en langage clair.

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

-> Une utilisatrice nommée Alice, en formule pro, avec 42 crédits.

Réponses rapides 8

Calculer sans ouvrir de calculatrice.

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

-> 13.13

Générer une regex sans quitter le terminal.

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

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

Demandez le one-liner bash que vous avez oublié.

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

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

Faites expliquer une commande obscure au lieu de deviner.

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

-> Décompresse et extrait une archive tar gzippée dans le dossier courant.

Vous avez oublié la commande git exacte ? Demandez.

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

-> git reset --soft HEAD~1

Décodez la regex de quelqu'un d'autre en une phrase.

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

-> Correspond à un préfixe de 3 chiffres, un tiret et 4 chiffres - un format de téléphone américain.

Convertissez une date écrite librement au format ISO 8601.

$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

Résumez un fichier entier en 3 puces.

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

-> 3 puces sur le périmètre, l'installation, l'utilisation.

Compatible OpenAI.

Changez une URL. Gardez votre code.

Remplacement direct

apfel parle l'API OpenAI. Toute bibliothèque cliente, tout framework, tout outil qui parle à OpenAI peut parler à l'IA de votre Mac à la place. Changez simplement la 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
  • ✓ Parties image_url en data URL (macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ CORS pour les clients navigateur
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)

Même modèle que fm d'Apple. Autre mission.

macOS 27 livre fm, l'interface en ligne de commande d'Apple pour le modèle embarqué. Voici où leurs chemins se séparent.

 apfelApple fm
Fonctionne surmacOS 26 et 27, un seul binairemacOS 27 uniquement
Installerbrew install apfelDéjà présent (sudo fm license une fois)
Les clients OpenAI fonctionnent tels quelsOui : JSON par défaut, usage, max_tokens respecté, erreurs mappéesStreame sauf demande contraire, ignore max_tokens, 500 sur les garde-fous
Tool calling et MCPAppels d'outils natifs, serveurs MCP locaux et distantsAucun (tools laisse fuir des tokens de template dans la réponse)
Scripting--code, -o json, 9 codes de sortie, --count-tokens --strictTexte brut, sortie 0 ou 1
Fichiers en entréeTexte, PDF, images : texte OCR sur les deux systèmes, plus l'image elle-même envoyée au modèle sous macOS 27Images envoyées au modèle, plus outils intégrés d'OCR et de codes-barres
Sessions de chat persistantesNonTranscriptions nommées, --resume
VitesseMême modèle sur le même Mac, même fenêtre de contexte (4 096 tokens sur ce M2, 8 192 sur M3 et plus récent), décomptes de tokens identiques. Prompt unique : 0,35 s contre 0,30 s.

Petit historique. apfel est arrivé en premier : premier commit et v0.1.0 le 24 mars 2026, première release GitHub le 31 mars 2026, une de Hacker News en avril. Apple a annoncé fm à la WWDC le 8 juin 2026 et l'a livré avec macOS 27 le 14 septembre 2026. Les deux pilotent le même modèle embarqué via le même framework FoundationModels ; apfel est l'outil open source, et celui qui tourne aussi sous macOS 26.

Chaque ligne a été mesurée sous macOS 27.0.1 (Apple M2, 24 Go) le 05/10/2026 et est remesurée à chaque version d'apfel. La page complète contient les tests du serveur, le tableau de parité du comptage de tokens et toutes les commandes pour les reproduire.

Populaire sur GitHub.

De zéro à 6,610 étoiles, et ça continue.

6,610
Étoiles GitHub
251 forks
2450 tests
v1.18.0 publiée

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

Mettre une étoile sur GitHub
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

Données au

Lancez-vous.

Pas de modèle à télécharger. Pas d'inscription. Pas de clé API. Juste ceci.

Homebrew

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

Compiler depuis les sources

nécessite les CLT + le SDK macOS 27 (fonctionne sur 26 et 27)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

L'arbre apfel.

Une famille grandissante d'outils macOS natifs construits sur apfel - et des projets frères qui amènent d'autres frameworks Apple dans le terminal.

apfel-chat - chat IA privé pour macOS

apfel-chat

Client de chat macOS multi-conversations. Markdown en streaming, voix en entrée et en sortie, analyse d'images - entièrement privé, sans clé API, sans cloud.

SwiftUI Production
apfelpad - bloc-notes à formules avec IA embarquée

apfelpad

Un bloc-notes à formules pour réfléchir. Tapez =apfel("summarize this") dans votre markdown et regardez la réponse s'afficher en direct. Comme =SOMME, mais pour le langage.

SwiftUI Nouveau
apfel-quick - IA instantanée en surimpression pour macOS

apfel-quick

Une IA instantanée en surimpression. Appuyez sur Ctrl+Espace n'importe où, tapez une question, et la réponse arrive en streaming dans votre presse-papiers. Sans Wi-Fi, sans compte, sans facture.

SwiftUI Nouveau
Capture d'écran d'apfel-gui

apfel-gui

Interface de débogage native macOS en SwiftUI. Discutez avec Apple Intelligence, inspectez requêtes et réponses, logs, reconnaissance vocale, synthèse vocale - tout sur l'appareil.

SwiftUI
apfel-clip - actions IA sur le presse-papiers

apfel-clip

Des actions IA sur le presse-papiers depuis la barre des menus. Appuyez sur cmd+shift+V sur n'importe quel texte - corriger la grammaire, traduire, expliquer du code, résumer. Entièrement sur l'appareil, sans clé API.

SwiftUI Production
apfel-mcp - serveurs MCP pour apfel

apfel-mcp

Donnez à apfel le Web et vos fichiers. Quatre petits outils MCP - url-fetch, ddg-search, search-and-fetch et un lecteur de fichiers en lecture seule - chacun calibré pour la petite fenêtre de contexte d'apfel (4 096 tokens sur la plupart des Mac, 8 192 sur M3 et plus récent avec macOS 27).

Python Nouveau
apfel-run - registre MCP persistant

apfel-run

Un petit wrapper UNIX qui donne à apfel un registre MCP persistant. Activez et désactivez les serveurs MCP par leur nom depuis un simple fichier texte. Survit aux redémarrages, sans GUI, sans démon.

Shell Nouveau
apfel-server-kit - package Swift pour les outils de l'écosystème

apfel-server-kit

Le package Swift partagé qui fait tourner l'écosystème. Découvrir, lancer et streamer un processus local apfel --serve. La colonne vertébrale avec laquelle dialogue chaque app SwiftUI d'apfel.

Swift Nouveau
auge - le framework Vision d'Apple dans le terminal

auge

Projet frère. apfel s'occupe du langage, auge de la vision. Une CLI pour l'OCR, la classification d'images, les codes-barres et la détection de visages - 100 % sur l'appareil via le framework Vision d'Apple. Pas de clé API, pas de cloud.

Swift Projet frère
translate - le framework Translation d'Apple dans le terminal

translate

Projet frère. Un filtre UNIX et un serveur HTTP de remplacement direct pour DeepL, LibreTranslate et Google v2 - propulsé par le framework Translation embarqué d'Apple. 100 % sur l'appareil, imposé strictement par NetworkGuard. Pas de clé API, pas de cloud.

Swift Projet frère

Questions fréquentes.

Questions glanées sur Hacker News et Reddit.

Quelle version de macOS me faut-il ?
macOS 26 (Tahoe) ou plus récent. Le framework FoundationModels n'existe qu'à partir de Tahoe. Ne fonctionne pas sous Sequoia ni avant. Nécessite Apple Silicon (M1 ou plus récent).
apfel accède-t-il à mes données personnelles ?
Non. Le framework FoundationModels n'a aucun accès aux contacts, e-mails, calendrier, photos ou au Semantic Index. Ceux-ci sont réservés aux fonctions propres d'Apple.
Des données quittent-elles mon Mac ?
Non. Deux niveaux de confidentialité vous protègent.

Le modèle : le framework FoundationModels d'Apple fonctionne sans connexion Internet et tourne entièrement sur le Neural Engine. Vos prompts et réponses ne quittent jamais l'appareil. Les données des utilisateurs ne servent jamais à l'entraînement.

L'outil : apfel préserve tout cela. Pas d'analytics, pas de télémétrie, pas de pistage, pas de vérification automatique des mises à jour, pas de rapport de plantage, aucune connexion cachée vers l'extérieur. Open source et vérifiable.
Quelle est la taille de la fenêtre de contexte ?
4 096 tokens (~3 000 mots), entrée et sortie confondues, sous macOS 26 et sur les Mac M1/M2. Sous macOS 27, les Mac équipés d'une puce M3 ou plus récente et d'au moins 12 Go reçoivent le modèle embarqué plus grand d'Apple (AFM 3 Core Advanced) avec 8 192 tokens. apfel ne code jamais cette valeur en dur : apfel --model-info affiche la fenêtre dont votre Mac dispose réellement. Idéal pour les scripts shell, les résumés et les transformations de texte. Pas adapté aux longues conversations ni aux gros documents.
Dans quoi le modèle est-il bon ? Où a-t-il du mal ?
Bon en : scripts shell, transformation de texte, classification, résumés courts, restructuration de JSON, traduction.

Limité en : calcul, connaissances factuelles, longues conversations, génération de code complexe.

Le modèle préfère refuser plutôt qu'halluciner. Un choix de conception délibéré d'Apple.
Le mode serveur est-il sûr ?
Désactivé par défaut. Une fois activé : authentification par token Bearer (--token), vérification de l'origine, endpoints de logs réservés au débogage. Détails dans server-security.md.
Dois-je activer Apple Intelligence ?
Oui. Réglages Système > Apple Intelligence & Siri > activer. Cela télécharge le modèle. Vous n'avez pas besoin d'utiliser Siri, il suffit de l'activer. Guide de configuration d'Apple.
Comment mettre à jour apfel ?
apfel --update. Détecte la méthode d'installation, cherche une version plus récente et demande confirmation avant la mise à jour. Manuellement : brew upgrade apfel ou git pull && make install.
Quel modèle utilise-t-il ?
L'AFM d'Apple (Apple Foundation Model), environ 3 milliards de paramètres avec une quantification mixte 2 bits et 4 bits. Pas OpenAI. Livré avec macOS Tahoe, il tourne entièrement sur l'appareil, sur le Neural Engine.
Quelle différence entre apfel et Ollama ou LM Studio ?
Aucun LLM à télécharger, démarrage instantané, aucune configuration. apfel utilise le modèle déjà présent sur votre Mac. Ollama et LM Studio proposent plus de modèles et des fenêtres de contexte plus grandes, mais demandent des téléchargements et une configuration à part. Des outils différents pour des besoins différents.
apfel prend-il en charge MCP et le tool calling ?
Oui. MCP est intégré nativement. Passez --mcp <server> pour brancher des outils. Guide du tool calling.
Quelle différence entre apfel et la CLI fm d'Apple sous macOS 27 ?
Même modèle, autre mission. macOS 27 livre fm, l'interface en ligne de commande d'Apple pour le même modèle embarqué. apfel y ajoute le serveur compatible OpenAI avec tool calling, MCP, sortie JSON Schema, images en entrée sous forme de data URL, des codes de sortie fiables et la prise en charge de macOS 26. Mesuré côte à côte : apfel vs fm.
apfel contient-il de la télémétrie ou des connexions cachées vers l'extérieur ?
Aucune. apfel ne contacte jamais de serveur en arrière-plan. Le seul appel réseau a lieu quand vous lancez explicitement apfel --update, qui vérifie sur Homebrew s'il existe une version plus récente. Open source et vérifiable.
Qui est derrière apfel ?
apfel a été créé par Franz Enzenhofer (penseur systémique, auteur, développeur depuis l'époque du C64, mécanicien de l'IA) / franze sur HN / fondateur de Full Stack Optimization et franzai.com.

Co-maintenu par Arthur Ficial, une instance OpenClaw qui tourne sur Claude Opus d'Anthropic. Développé en grande partie avec Claude Code et Codex. Toujours en mode high thinking / high effort.

Lancé le : 24 mars 2026.
Comment est-il testé ?
334 tests unitaires + 216 tests d'intégration (de bout en bout, compatibilité avec les clients OpenAI, validation de la spécification OpenAPI, sécurité, performances). 550 tests au total au 12 avril 2026.
Comment est né apfel ?
apfel est né d'une tentative de faire tourner OpenClaw sur Apple Intelligence dans un mode ultra économe en tokens. Ça n'a pas marché, à cause de la fenêtre de contexte de 4K. Mais il s'est avéré qu'un LLM local, rapide, scriptable, embarqué, toujours disponible, sans configuration et respectueux de la vie privée est incroyablement génial, puissant, amusant et passionnant.