Az apfel egy -projekt.

v1.18.0 · Nulla konfig · MIT

apfel

Az ingyenes AI, ami már ott van a Maceden.

A macOS Tahoe egy 3 milliárd paraméteres LLM-et tartalmaz. Az apfel egyetlen brew install után CLI-ből elérhetővé teszi. Nincs modellletöltés, nincs API-kulcs, nincs beállítás - egyszerűen működik.

  • Nincs tokenköltség
  • AI a gépeden
  • Szkriptelhető
$ brew install apfel

6.6k+ csillag a github.com/Arthur-Ficial/apfel oldalon

Követelmények: Apple Silicon · macOS Tahoe · bekapcsolt Apple Intelligence

Most ismerkedik az apfellel? Kezdje a 60 másodperces útmutatóval (angol nyelvű)

Minden a te gépeden fut. Nincs hálózati hívás. Egyetlen adat sem hagyja el a Macedet.

Nézd működés közben.

A brew installtól az AI válaszáig 12 másodperc. Konfiguráció nélkül.

Terminál - apfel
$
Valódi terminálfelvétel, vágás nélkül: apfel 1.18.0, macOS 27.0.1, MacBook Air M2.

Nulla konfig. Nulla LLM-letöltés. Nulla tokenköltség.

Más helyi AI-eszközök is remekek, de modellt kell letölteni és konfigurálni hozzájuk. Az apfelnek semmi nem kell - a modell már ott van a Maceden. Egy brew install, és kész.

$0
Tokenköltség
Nincs API-kulcs. Nincs előfizetés. Nincs tokenalapú számlázás. A te hardvered, a te AI-od.
100%
Helyben
Minden tokent helyben, a saját Apple Silicon chiped generál. Semmi nem hagyja el a géped. Soha.
0
Beállítási lépés
Nincs YAML. Nincsenek környezeti változók. Nincs modellválasztás. Egyszer telepíted, örökre használod.

A modell a motorháztető alatt

Apple ML Research
~3BParaméterek
4,096 / 8,192Kontextusablak (M1/M2 / M3+ macOS 27 alatt)
~3.5 bpwKvantálás
Mixed 2/4-bitPontosság
Neural EngineEzen fut
en, de, es, fr, it, ja, ko, pt, zhNyelvek

Három eszköz. Egy telepítés.

Egy CLI, egy OpenAI-kompatibilis szerver és egy interaktív chat. Mind egyetlen brew installból. Semmi extra letöltés.

>_

UNIX-eszköz

Pipe-barát és kombinálható. Működik a jq-val, az xargs-szal és a shell szkriptjeiddel. stdin, stdout, JSON-kimenet, sémának megfelelő JSON a --schema kapcsolóval, többkörös beszélgetés üzenetfájlból a --messages kapcsolóval, fájlcsatolmányok, megfelelő exit kódok.

$ 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-szerver

Drop-in csere a localhost:11434 címen. Irányíts rá bármilyen OpenAI SDK-t, és már megy is. Chat Completions és Responses API, streaming, tool calling, JSON Schema kimenet, CORS.

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

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

Interaktív chat

Többkörös beszélgetések automatikus kontextuskezeléssel. Öt vágási stratégia. Rendszerprompt-támogatás. Csak írd be a terminálba, hogy apfel, és indul. Minden a Maceden.

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

Natív MCP-támogatás.

Adj eszközöket az Apple helyi modelljének. Bármilyet.

Eszközszerverek csatolása a --mcp kapcsolóval

Az apfel beszéli a Model Context Protocol nyelvét. Irányítsd rá bármelyik MCP-szerverre, és a helyi modell eszközöket kap - matek, API-k, adatbázisok, bármi, amihez szervert tudsz írni.

  • Mindhárom módban működik - CLI, szerver és chat
  • Induláskor automatikusan felderíti az eszközöket az MCP tools/list hívással
  • Az eszközhívásokat automatikusan felismeri és végrehajtja, az eredményt pedig visszaadja a modellnek
  • --mcp kapcsoló nélkül nincs többletterhelés - nulla extra token, változatlan kódút
  • Proof-of-conceptként egy számológép MCP-szervert is tartalmaz
  • Távoli MCP-szerverek URL-en keresztül - --mcp https://..., opcionális Bearer tokenes hitelesítéssel
Terminál - 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

Így működik.

Az Apple minden Macbe beépített egy LLM-et. Csak ott ül kihasználatlanul. Az apfel bejáratot nyit hozzá - nulla konfigurációval.

Az Apple helyi LLM-et szállít

A macOS 26 (Tahoe) óta minden Apple Silicon Mac tartalmaz egy nyelvi modellt az Apple Intelligence részeként. Az Apple a FoundationModels keretrendszeren keresztül teszi elérhetővé - ez egy Swift API, amellyel az appok hozzáférnek a SystemLanguageModel osztályhoz. Az inferencia teljes egészében a Neural Engine-en és a GPU-n fut. Nincs hálózati hívás, nincs felhő, nincs API-kulcs. A modell egyszerűen ott van.

Csakhogy az Apple csak a Sirihez használja

Alapból a helyi modell a Sirit, a Writing Toolst és különféle rendszerfunkciókat hajt. Nincs terminálparancs, nincs HTTP-végpont, nincs mód szöveget átpipe-olni rajta. A FoundationModels keretrendszer létezik, de Swift appot kell írnod, hogy használd. Pontosan ezt teszi az apfel.

Amit az apfel hozzátesz

Az apfel egy Swift 6.3 bináris, amely becsomagolja a LanguageModelSession osztályt, és háromféleképpen teszi elérhetővé: UNIX parancssori eszközként stdin/stdout támogatással, OpenAI-kompatibilis HTTP-szerverként (Hummingbirdre építve) és interaktív chatként kontextuskezeléssel.

Elintézi mindazt, amit az Apple nyers API-ja nem: megfelelő exit kódok, JSON-kimenet, fájlcsatolmányok, öt kontextusvágási stratégia a kis kontextusablakhoz (4 096 token, macOS 27 alatt futó M3-as és újabb Maceken 8 192), valódi tokenszámlálás az SDK-n keresztül, valamint az OpenAI tool sémák átalakítása az Apple natív Transcript.ToolDefinition formátumára.

hardver Apple Silicon (Neural Engine + GPU)
|
modell Az Apple helyi LLM-je (a macOS része)
|
sdk FoundationModels.framework (Swift API)
|
apfel CLI + HTTP-szerver + kontextuskezelés
|
te Terminál, shell szkriptek, OpenAI SDK-k, curl
4 096 vagy 8 192 token Kontextusablak (bemenet + kimenet). 4 096 macOS 26 alatt és M1/M2 Maceken; 8 192 M3-as vagy újabb, legalább 12 GB memóriás gépeken macOS 27 alatt. Az apfel futásidőben olvassa ki.
1 modell Rögzített, nem konfigurálható
Swift 6.3 Strict concurrency, Xcode nélkül
MIT licenc Nyílt forráskód

Eleve privát.

Az apfel használata közben egyetlen HTTP-hívás sincs. Minden alábbi állítás az Apple saját dokumentációjára hivatkozik.

Helyben fut. Offline is működik.

A FoundationModels keretrendszer teljes egészében az Apple Silicon chiped Neural Engine-jén fut. Nincs szerver, nincs felhő, nem kell internetkapcsolat.

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

Az adataid a tieid maradnak.

Az Apple nem gyűjt promptokat, válaszokat vagy bármilyen használati adatot a helyi inferenciából. Semmit nem tárol, semmit nem küld el.

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

Soha nem használják tanításra.

Az Apple az alapmodelljeit kizárólag licencelt és nyilvános adatokon tanítja. A te interakcióid soha nem kerülnek be a tanítási folyamatba.

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

Az apfel semmit sem követ nyomon.

Nincs analitika, nincs telemetria, nincs automatikus frissítéskeresés, nincs hibajelentés, nincs hazatelefonálás. Az apfel egyetlen hálózati hívást indít: amikor kifejezetten lefuttatod az apfel --update parancsot. A teljes kódbázis nyílt forráskódú.

Profi eszközök a csomagban.

Shell szkriptek a demo/ mappában. Először telepítsd az apfelt, aztán vidd, amelyik kell.

>_

cmd

Hétköznapi nyelvből shell parancs. Mondd meg, mit szeretnél, és megkapod a parancsot.

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

oneliner

Pipe-láncok hétköznapi szövegből. awk, sed, sort, uniq - legenerálva helyetted.

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

mac-narrator

Úgy kommentálja a Maced rendszeraktivitását, mint egy természetfilm narrátora.

$ mac-narrator --watch
?

explain

Bármilyen parancsot, hibaüzenetet vagy kódrészletet érthetően elmagyaráz.

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

wtd

Mi ez a könyvtár? Azonnali eligazodás bármilyen kódbázisban.

$ wtd
++

gitsum

Pár mondatban összefoglalja a legutóbbi git commitokat.

$ gitsum

30 hasznos és menő egysoros.

Minden parancsot valódi Macen teszteltünk. Fűzd össze az apfelt a ps, lsof, du, vm_stat, git, pbpaste, sleep, pgrep, curl és say parancsokkal - ilyen kombinálhatóságra a felhős AI-k nem képesek, mert nem látják a folyamataidat, a vágólapodat, a git diffedet. Az apfel látja.

Élő rendszer 8

Mi eszi most a CPU-t.

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

-> A WindowServer használja a legtöbb CPU-t: 42,6%.

Melyik app melyik porton figyel.

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

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

Melyik kötet van leginkább tele.

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

-> A /dev/disk3s1 a legtelítettebb: 263Gi / 926Gi.

A vm_stat kimenete érthetően.

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

-> 349k aktív memórialap, 266k wired - jelentős a memóriahasználat.

Melyik mappa foglalja itt a legtöbb helyet.

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

-> A Library 36G-vel és a Downloads 604M-mel vezet.

A legnagyobb fájlok ebben a mappában.

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

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

Melyik app kommunikál most az internettel.

$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 ...

Akkumulátor-állapot és hátralévő idő egy sorban.

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

-> Teljesen feltöltve, állapot: 100%, jelenleg aktív.

Git 2

Foglald össze érthetően a legutóbbi commitjaidat.

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

-> Frissítés: v1.2.1 → v1.3.2, új testvérprojektek ...

Egysoros release note a legutóbbi commitokból.

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

-> Kiadva: v1.3.2, 5053 csillag, 783 teszt, frissítések.

Vágólap oda-vissza 4

Javítsd ki a vágólapon lévő szöveg nyelvtanát, és tedd vissza a javítást.

$pbpaste | apfel "fix grammar" | pbcopy

-> „i has went” helyett „I went” - vissza a vágólapra.

Fordítsd le a vágólapot japánra, és tedd vissza.

$pbpaste | apfel "translate to japanese" | pbcopy

-> A vágólapon most a japán fordítás van.

Foglalj össze egy szövegfalat a vágólapról 3 pontban.

$pbpaste | apfel "summarize in 3 bullets"

-> 3 tömör pont a terminálban.

Szedd ki a teendőket a vágólapon lévő megbeszélés-jegyzetekből.

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

-> „Sarah megírja a Q3-as költségvetés vázlatát”, „email a design csapatnak”, ... vissza a vágólapra.

Figyelés és bemondás 6

Szóljon hangosan, ha egy hosszú feladat végzett (itt 30 perc múlva).

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

-> A Mac megszólal: „A hosszú feladatod épp végzett, szép munka!”

Várd meg, amíg egy fájl megérkezik a Letöltésekbe, aztán jelentsd be.

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

-> 5 másodpercenként ellenőriz; amikor megjelenik a Report.pdf, a Mac bemondja a hírt.

Várd meg, amíg egy hosszan futó folyamat kilép, aztán jelentsd be.

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

-> 5 másodpercenként ellenőriz; amikor az ffmpeg leáll, a Mac bemondja a hírt.

30 percenként foglalja össze hangosan, mit szállítottál le.

$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

-> Félóránként automatikus standup, felolvasva, miközben te tovább kódolsz.

15 percenként szóljon hangosan, ha az akkumulátor 20 százalék alá esik.

$while sleep 900; do P=$(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

-> Csendben van, amíg le nem merül az akku; aztán a Mac barátságos, de sürgető figyelmeztetést kiabál.

Figyelj egy URL-t, amíg 2xx-et nem ad vissza, aztán ünnepeld hangosan a deployt.

$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

-> 30 másodpercenként ellenőriz, amíg a staging fel nem áll; a Mac bemondja: „Élesben a deployod, az URL válaszol!”.

Web és szöveg 4

Fogalmazz át egy laza mondatot udvariasra.

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

-> „Megosztaná velem a dokumentumokat, amint lehetősége lesz ...”

Kérj le egy URL-t, és kérdezd meg, mi a helyzet - csak a headerek alapján.

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

-> A GitHub HTML-oldalt szolgál ki szigorú cache- és biztonsági headerekkel.

A mai Hacker News egy mondatban összefoglalva és felolvasva.

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

-> A Mac egyetlen tömör összefoglalóban felolvassa a nap legfontosabb híreit.

Magyarázz el érthetően egy JSON-blobot.

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

-> Egy Alice nevű felhasználó a pro csomagban, 42 kredittel.

Gyors kérdések 8

Számolás számológép nélkül.

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

-> 13.13

Generálj regexet a terminál elhagyása nélkül.

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

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

Kérdezd meg azt a bash egysorost, amit elfelejtettél.

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

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

Találgatás helyett magyaráztasd el a rejtélyes parancsot.

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

-> Kicsomagol egy gzippelt tar archívumot az aktuális könyvtárba.

Elfelejtetted a pontos git parancsot? Csak kérdezd meg.

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

-> git reset --soft HEAD~1

Fejtsd meg valaki más regexét egy mondatban.

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

-> Egy 3 jegyű előtag, egy kötőjel és 4 számjegy - amerikai telefonszámformátum.

Alakíts át egy laza dátumszöveget ISO 8601 formátumra.

$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

Foglalj össze egy teljes fájlt 3 pontban.

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

-> 3 pont: hatókör, telepítés, használat.

OpenAI-kompatibilis.

Egy URL-t cserélsz. A kódod marad.

Drop-in csere

Az apfel beszéli az OpenAI API nyelvét. Bármelyik klienskönyvtár, keretrendszer vagy eszköz, amely az OpenAI-jal kommunikál, ugyanígy tud a Maced AI-jával is. Csak a base URL-t kell átírni.

  • ✓ 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 részek data URL-ként (macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ CORS böngészős kliensekhez
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)

Ugyanaz a modell, mint az Apple fm-jében. Más a dolga.

A macOS 27 tartalmazza az fm eszközt, az Apple saját parancssori felületét a helyi modellhez. Itt válnak el az útjaik.

 apfelApple fm
Ezen futmacOS 26 és 27, egyetlen bináriscsak macOS 27
Telepítésbrew install apfelMár ott van (egyszer sudo fm license)
Az OpenAI-kliensek változtatás nélkül működnekIgen: alapból JSON, usage, a max_tokens betartva, leképezett hibákStreamel, hacsak nem kéred másképp, figyelmen kívül hagyja a max_tokens értéket, guardrail esetén 500
Tool calling és MCPNatív eszközhívások, helyi és távoli MCP-szerverekNincs (a tools sablontokeneket szivárogtat a válaszba)
Szkriptelés--code, -o json, 9 exit kód, --count-tokens --strictEgyszerű szöveg, exit 0 vagy 1
Bemeneti fájlokSzöveg, PDF, képek: OCR-szöveg mindkét rendszeren, macOS 27 alatt pedig maga a kép is a modellhez kerülKépek a modellnek, plusz beépített OCR- és vonalkód-eszközök
Megmaradó chatmenetekNemElnevezett átiratok, --resume
SebességUgyanaz a modell ugyanazon a Macen, ugyanaz a kontextusablak (ezen az M2-n 4 096 token, M3-on és újabbakon 8 192), azonos tokenszámok. Egyszeri prompt: 0,35 s vs 0,30 s.

Egy kis történelem. Az apfel volt az első. Első commit és v0.1.0: 2026. március 24. Első GitHub-kiadás: 2026. március 31. Hacker News címlap: áprilisban. Az Apple 2026. június 8-án jelentette be az fm eszközt a WWDC-n, és 2026. szeptember 14-én adta ki a macOS 27 részeként. Mindkettő ugyanazt a helyi modellt hajtja ugyanazon a FoundationModels keretrendszeren keresztül; az apfel a nyílt forráskódú, és az, amelyik macOS 26 alatt is fut.

Minden sort macOS 27.0.1 alatt mértünk (Apple M2, 24 GB, 2026-10-05), és minden apfel kiadásnál újramérjük. A teljes oldalon megtalálod a szerverteszteket, a tokenszám-egyezési táblázatot és minden parancsot a reprodukáláshoz.

Népszerű a GitHubon.

Nulláról 6,610 csillagig, és még nincs vége.

6,610
GitHub-csillagok
251 fork
2450 teszt
v1.18.0 kiadva

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

Csillagozd a GitHubon
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

Adatok állapota:

Vágj bele.

Nincs modellletöltés. Nincs regisztráció. Nincs API-kulcs. Csak ennyi.

Homebrew

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

Fordítás forrásból

CLT + macOS 27 SDK szükséges (26-on és 27-en is fut)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

Az apfel-fa.

Natív macOS-eszközök egyre bővülő családja az apfelre építve - és testvérprojektek, amelyek más Apple keretrendszereket hoznak el a terminálba.

apfel-chat - privát macOS AI-chat

apfel-chat

Több beszélgetést kezelő macOS chatkliens. Streamelt markdown, beszéd be/ki, képelemzés - teljesen privát, API-kulcs és felhő nélkül.

SwiftUI Éles
apfelpad - képletes jegyzettömb helyi AI-jal

apfelpad

Képletes jegyzettömb a gondolkodáshoz. Írd be a markdownodba: =apfel("summarize this"), és nézd, ahogy helyben streamel. Mint a =SUM, csak szövegre.

SwiftUI Új
apfel-quick - azonnali AI-overlay macOS-re

apfel-quick

Azonnali AI-overlay. Nyomd meg bárhol a Ctrl+Space-t, írd be a kérdést, és a válasz a vágólapodra streamel. Wi-Fi, fiók és számla nélkül.

SwiftUI Új
apfel-gui képernyőkép

apfel-gui

Natív macOS SwiftUI debug GUI. Csevegj az Apple Intelligence-szel, vizsgáld a kéréseket, válaszokat és naplókat; beszédből szöveg, szövegből beszéd - mind a gépeden.

SwiftUI
apfel-clip - AI-vágólapműveletek

apfel-clip

AI-vágólapműveletek a menüsorból. Nyomd meg a cmd+shift+V-t bármilyen szövegen - nyelvtanjavítás, fordítás, kódmagyarázat, összefoglalás. Teljesen a gépeden, API-kulcsok nélkül.

SwiftUI Éles
apfel-mcp - MCP-szerverek az apfelhez

apfel-mcp

Add oda az apfelnek a webet és a fájljaidat. Négy kis MCP-eszköz - url-fetch, ddg-search, search-and-fetch és egy csak olvasható fájlolvasó -, mindegyik az apfel kis kontextusablakához szabva (a legtöbb Macen 4 096 token, macOS 27 alatt M3-on és újabbakon 8 192).

Python Új
apfel-run - tartós MCP-regiszter

apfel-run

Apró UNIX-wrapper, amely tartós MCP-regisztert ad az apfelnek. MCP-szervereket név szerint kapcsolhatsz be és ki egy egyszerű szöveges konfigfájlból. Túléli az újraindítást, nincs GUI, nincs daemon.

Shell Új
apfel-server-kit - Swift csomag az ökoszisztéma eszközeihez

apfel-server-kit

Közös Swift csomag, amely az ökoszisztémát hajtja. Megtalál és elindít egy helyi apfel --serve folyamatot, és streamel belőle. A gerinc, amellyel minden SwiftUI-os apfel app kommunikál.

Swift Új
auge - az Apple Vision keretrendszer a terminálból

auge

Testvérprojekt. Az apfel a nyelvért felel, az auge a látásért. Egy CLI OCR-hez, képosztályozáshoz, vonalkódokhoz és arcfelismeréshez - 100%-ban a gépeden, az Apple Vision keretrendszerével. Nincs API-kulcs, nincs felhő.

Swift Testvérprojekt
translate - az Apple Translation keretrendszer a terminálból

translate

Testvérprojekt. UNIX-szűrő plusz drop-in HTTP-szerver a DeepL, a LibreTranslate és a Google v2 kiváltására - az Apple helyi Translation keretrendszerével. 100%-ban a gépeden, ezt a NetworkGuard szigorúan kikényszeríti. Nincs API-kulcs, nincs felhő.

Swift Testvérprojekt

Gyakori kérdések.

A kérdéseket a Hacker Newsról és a Redditről gyűjtöttük.

Milyen macOS-verzió kell?
macOS 26 (Tahoe) vagy újabb. A FoundationModels keretrendszer csak a Tahoe része. Sequoián vagy korábbi rendszeren nem működik. Apple Silicon kell hozzá (M1 vagy újabb).
Hozzáfér az apfel a személyes adataimhoz?
Nem. A FoundationModels keretrendszer egyáltalán nem fér hozzá a névjegyekhez, e-mailekhez, a naptárhoz, a fotókhoz vagy a Semantic Indexhez. Ezek az Apple saját funkcióinak vannak fenntartva.
Kikerül bármilyen adat a Macemről?
Nem. Két adatvédelmi réteg véd.

A modell: az Apple FoundationModels keretrendszere internetkapcsolat nélkül is működik, és teljes egészében a Neural Engine-en fut. A promptjaid és a válaszok soha nem hagyják el az eszközt. A felhasználói adatokat soha nem használják tanításra.

Az eszköz: az apfel ezt így is tartja. Nincs analitika, nincs telemetria, nincs követés, nincs automatikus frissítéskeresés, nincs hibajelentés, nincs hazatelefonálás. Nyílt forráskódú és auditálható.
Mekkora a kontextusablak?
4 096 token (~3 000 szó) bemenet és kimenet együtt, macOS 26 alatt és M1/M2 Maceken. macOS 27 alatt az M3-as vagy újabb chippel és legalább 12 GB memóriával szerelt Macek az Apple nagyobb helyi modelljét kapják (AFM 3 Core Advanced), 8 192 tokennel. Az apfel ezt sosem égeti be: az apfel --model-info kiírja, mekkora ablak van ténylegesen a Maceden. Kiváló shell szkriptekhez, összefoglalókhoz és szövegátalakításhoz. Hosszú beszélgetésekhez vagy nagy dokumentumokhoz nem való.
Miben jó a modell? Hol akad el?
Jó benne: shell szkriptelés, szövegátalakítás, osztályozás, rövid összefoglalók, JSON átstrukturálása, fordítás.

Korlátos: matek, tényszerű tudás, hosszú beszélgetések, összetett kódgenerálás.

A modell inkább nemet mond, mint hogy hallucináljon. Ez az Apple tudatos tervezési döntése.
Biztonságos a szerver mód?
Alapból ki van kapcsolva. Bekapcsolva: Bearer tokenes hitelesítés (--token), origin-ellenőrzés, csak debug módban elérhető log végpontok. Részletek: server-security.md.
Be kell kapcsolnom az Apple Intelligence-t?
Igen. Rendszerbeállítások > Apple Intelligence & Siri > bekapcsolás. Ez tölti le a modellt. A Sirit nem kell használnod, csak kapcsold be. Az Apple beállítási útmutatója.
Hogyan frissítem az apfelt?
apfel --update. Felismeri a telepítés módját, újabb verziót keres, és frissítés előtt rákérdez. Kézzel: brew upgrade apfel vagy git pull && make install.
Milyen modellt használ?
Az Apple saját AFM-jét (Apple Foundation Model), nagyjából 3 milliárd paraméterrel, vegyes 2 bites és 4 bites kvantálással. Nem OpenAI. A macOS Tahoe része, és teljesen helyben, a Neural Engine-en fut.
Miben más az apfel, mint az Ollama vagy az LM Studio?
Nincs LLM-letöltés, azonnal indul, nincs beállítás. Az apfel a Maceden már meglévő modellt használja. Az Ollama és az LM Studio több modellt és nagyobb kontextusablakot kínál, de külön letöltést és konfigurációt igényel. Más eszköz más igényekre.
Támogatja az apfel az MCP-t és a tool callingot?
Igen. Natív, beépített MCP. Eszközök csatlakoztatásához add meg a --mcp <server> kapcsolót. Tool calling útmutató.
Miben más az apfel, mint az Apple saját fm CLI-je macOS 27 alatt?
Ugyanaz a modell, más a dolga. A macOS 27 tartalmazza az fm eszközt, az Apple parancssori felületét ugyanahhoz a helyi modellhez. Az apfel ehhez hozzáadja az OpenAI-kompatibilis szervert tool callinggal, az MCP-t, a JSON Schema kimenetet, a data URL-ként átadott képbemenetet, a megbízható exit kódokat és a macOS 26 támogatást. Egymás mellett mérve: apfel vs fm.
Van az apfelben telemetria vagy hazatelefonálás?
Nincs. Az apfel a háttérben soha nem lép kapcsolatba semmilyen szerverrel. Az egyetlen hálózati hívás az, amikor kifejezetten lefuttatod az apfel --update parancsot, amely a Homebrew-ban keres újabb verziót. Nyílt forráskódú és auditálható.
Ki készítette?
Az apfelt Franz Enzenhofer készítette (rendszergondolkodó, szerző, fejlesztő a C64 óta, AI-szerelő) / franze a HN-en / a Full Stack Optimization és a franzai.com alapítója.

Társkarbantartó: Arthur Ficial, egy OpenClaw-példány, amely az Anthropic Claude Opus modelljén fut. Nagyrészt a Claude Code és a Codex segítségével fejlesztve. Mindig high thinking / high effort módban.

Indulás: 2026. március 24.
Hogyan tesztelik?
334 unit teszt + 216 integrációs teszt (end-to-end, OpenAI-kliens-kompatibilitás, OpenAPI-specifikáció validálása, biztonság, teljesítmény). Összesen 550 teszt, 2026. április 12. állapot szerint.
Hogyan született az apfel?
Az apfel eredetileg kísérletnek indult: az OpenClaw futtatása az Apple Intelligence-en, ultra tokentakarékos módban. A 4K-s kontextusablak miatt ez nem jött össze. Kiderült viszont, hogy egy helyi, gyors, szkriptelhető, a gépen futó, mindig elérhető, nulla konfigurációs, adatvédelem-központú LLM elképesztően jó, erős, szórakoztató és érdekes.