apfel er et -prosjekt.

v1.18.0 · Null konfigurasjon · MIT

apfel

Gratis KI, allerede på Macen din.

macOS Tahoe leveres med en LLM på 3B parametere. apfel gir deg CLI-tilgang med én brew install. Ingen modellnedlastinger, ingen API-nøkler, ingen konfigurasjon, det bare virker.

  • Ingen tokenkostnader
  • KI på enheten
  • Skriptbar
$ brew install apfel

6.6k+ stjerner på github.com/Arthur-Ficial/apfel

Krever: Apple Silicon · macOS Tahoe · Apple Intelligence slått på

Ny med apfel? Start 60-sekunders-guiden (på engelsk)

Alt kjører på enheten din. Ingen nettverkskall. Ingen data forlater Macen din.

Se det i aksjon.

Fra brew install til KI-svar på 12 sekunder. Ingen konfigurasjon nødvendig.

Terminal - apfel
$
Ekte terminalopptak, ingenting redigert: apfel 1.18.0 på macOS 27.0.1, MacBook Air M2.

Null konfigurasjon. Null LLM-nedlastinger. Null tokenkostnader.

Andre lokale KI-verktøy er gode, men krever modellnedlastinger og konfigurasjon. apfel trenger ingenting - modellen ligger allerede på Macen din. Én brew install. Ferdig.

$0
Tokenkostnad
Ingen API-nøkler. Ingen abonnementer. Ingen betaling per token. Din maskinvare, din KI.
100%
På enheten
Hvert token genereres lokalt på din Apple Silicon. Ingenting forlater maskinen din. Noensinne.
0
Konfigurasjonstrinn
Ingen YAML. Ingen miljøvariabler. Ingen modellvalg. Installer én gang, bruk for alltid.

Modellen under panseret

Apple ML Research
~3BParametere
4,096 / 8,192Kontekstvindu (M1/M2 / M3+ på macOS 27)
~3.5 bpwKvantisering
Mixed 2/4-bitPresisjon
Neural EngineKjører på
en, de, es, fr, it, ja, ko, pt, zhSpråk

Tre verktøy. Én installasjon.

En CLI, en OpenAI-kompatibel server og en interaktiv chat. Alt fra én enkelt brew install. Ingen ekstra nedlastinger.

>_

UNIX-verktøy

Pipe-vennlig og kombinerbart. Fungerer med jq, xargs og shellskriptene dine. stdin, stdout, JSON-utdata, skjemagyldig JSON med --schema, flere runder fra en meldingsfil med --messages, filvedlegg, ordentlige exitkoder.

$ 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-server

Drop-in-erstatning på localhost:11434. Pek en hvilken som helst OpenAI SDK mot den og kjør. Chat Completions og Responses API, streaming, tool calling, JSON Schema-utdata, CORS.

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

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

Interaktiv chat

Samtaler over flere runder med automatisk konteksthåndtering. Fem trimmestrategier. Støtte for systemprompt. Bare skriv apfel i en terminal for å starte. Alt på Macen din.

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

Innebygd MCP-støtte.

Gi Apples modell på enheten verktøy. Hvilke som helst.

Koble til verktøyservere med --mcp

apfel snakker Model Context Protocol. Pek den mot en hvilken som helst MCP-server, så får modellen på enheten verktøy - matte, API-er, databaser, alt du kan skrive en server for.

  • Fungerer i alle tre modusene - CLI, server og chat
  • Finner verktøy automatisk via MCP tools/list ved oppstart
  • Verktøykall oppdages, kjøres, og resultatene sendes automatisk tilbake
  • Uten --mcp-flagg ingen overhead - null ekstra tokens, ingen endrede kodestier
  • Leveres med en kalkulator-MCP-server som proof-of-concept
  • Eksterne MCP-servere via URL - --mcp https://... med valgfri autentisering via Bearer-token
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

Slik fungerer det.

Apple har bygget en LLM inn i hver Mac. Den bare ligger der. apfel gir den en inngangsdør - helt uten konfigurasjon.

Apple leverer en LLM på enheten

Fra og med macOS 26 (Tahoe) har hver Mac med Apple Silicon en språkmodell som en del av Apple Intelligence. Apple gjør den tilgjengelig gjennom FoundationModels-rammeverket - et Swift-API som gir apper tilgang til SystemLanguageModel. All inferens kjører på Neural Engine og GPU-en. Ingen nettverkskall, ingen sky, ingen API-nøkler. Modellen er bare der.

Men Apple bruker den bare til Siri

Som standard driver modellen på enheten Siri, Writing Tools og systemfunksjoner. Det finnes ingen terminalkommando, ikke noe HTTP-endepunkt, ingen måte å pipe tekst gjennom den på. FoundationModels-rammeverket finnes, men du må skrive en Swift-app for å bruke det. Det er akkurat det apfel gjør.

Hva apfel tilfører

apfel er en Swift 6.3-binær som pakker inn LanguageModelSession og gjør den tilgjengelig på tre måter: som et UNIX-kommandolinjeverktøy med stdin/stdout, som en OpenAI-kompatibel HTTP-server (bygget på Hummingbird) og som en interaktiv chat med konteksthåndtering.

Den tar seg av det Apples rå API ikke gjør: ordentlige exitkoder, JSON-utdata, filvedlegg, fem strategier for å trimme konteksten i det lille kontekstvinduet (4 096 tokens, 8 192 på M3 og nyere Macer med macOS 27), ekte tokentelling via SDK-en og konvertering av OpenAI-verktøyskjemaer til Apples eget Transcript.ToolDefinition-format.

maskinvare Apple Silicon (Neural Engine + GPU)
|
modell Apples LLM på enheten (leveres med macOS)
|
sdk FoundationModels.framework (Swift-API)
|
apfel CLI + HTTP-server + konteksthåndtering
|
du Terminal, shellskript, OpenAI SDK-er, curl
4 096 eller 8 192 tokens Kontekstvindu (inndata + utdata). 4 096 på macOS 26 og på M1/M2-Macer; 8 192 på M3 eller nyere med 12 GB+ på macOS 27. apfel leser det av ved kjøring.
1 modell Fast, kan ikke konfigureres
Swift 6.3 Strict concurrency, ingen Xcode
MIT-lisens Åpen kildekode

Privat fra grunnen av.

Ikke ett eneste HTTP-kall mens du bruker apfel. Hver påstand nedenfor lenker til Apples egen dokumentasjon.

På enheten. Fungerer offline.

FoundationModels-rammeverket kjører helt og holdent på Neural Engine i din Apple Silicon. Ingen server, ingen sky, ingen internettforbindelse nødvendig.

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

Dataene dine forblir dine.

Apple samler ikke inn prompter, svar eller noen bruksdata fra inferens på enheten. Ingenting lagres, ingenting sendes.

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

Brukes aldri til trening.

Apple trener grunnmodellene sine kun på lisensierte og offentlige data. Interaksjonene dine blir aldri en del av treningen.

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

Null sporing fra apfel.

Ingen analyse, ingen telemetri, ingen automatiske oppdateringssjekker, ingen krasjrapportering, ingenting som ringer hjem. Det eneste nettverkskallet apfel noen gang gjør, er når du uttrykkelig kjører apfel --update. Hele kodebasen er åpen kildekode.

Kraftige verktøy følger med.

Shellskript i mappen demo/. Installer apfel først, og hent så de du vil ha.

>_

cmd

Fra naturlig språk til shellkommando. Si hva du vil, og få kommandoen.

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

oneliner

Pipe-kjeder fra vanlig språk. awk, sed, sort, uniq - generert for deg.

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

mac-narrator

Forteller om systemaktiviteten på Macen din som en naturdokumentar.

$ mac-narrator --watch
?

explain

Forklarer enhver kommando, feilmelding eller kodesnutt i klartekst.

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

wtd

Hva er dette for en mappe? Rask oversikt over hvilken som helst kodebase.

$ wtd
++

gitsum

Oppsummerer de siste git-commitene i noen få setninger.

$ gitsum

30 nyttige og kule one-liners.

Hver kommando er testet på en ekte Mac. Kjed apfel sammen med ps, lsof, du, vm_stat, git, pbpaste, sleep, pgrep, curl, say - kombinerbarhet som KI i skyen ikke kan matche, fordi den ikke ser prosessene dine, utklippstavlen din eller git diff-en din. Det gjør apfel.

Systemet akkurat nå 8

Hva som spiser CPU-en min akkurat nå.

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

-> WindowServer bruker mest CPU: 42,6 %.

Hvilke apper som lytter på hvilke porter.

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

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

Hvilket volum som er nærmest fullt.

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

-> /dev/disk3s1 er fullest med 263Gi av 926Gi.

vm_stat oversatt til klartekst.

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

-> 349k sider aktive, 266k wired - mye minne i bruk.

Hvilke mapper her som tar mest diskplass.

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

-> Library med 36G og Downloads med 604M dominerer.

De største filene i denne mappen.

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

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

Hvilke apper som snakker med internett akkurat nå.

$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 ...

Batteritilstand og gjenværende tid på én linje.

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

-> Fulladet, tilstand 100%, aktiv nå.

Git 2

Oppsummer de siste commitene dine i klartekst.

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

-> Oppdateringer fra v1.2.1 til v1.3.2, søsterprosjekter lagt til ...

Skriv en release note på én linje ut fra de siste commitene.

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

-> Ga ut v1.3.2 med 5053 stjerner, 783 tester, oppdateringer.

Utklippstavlen tur-retur 4

Rett grammatikken i det som ligger på utklippstavlen, og legg rettelsen tilbake.

$pbpaste | apfel "fix grammar" | pbcopy

-> "i has went" blir til "I went" - tilbake på utklippstavlen.

Oversett utklippstavlen til japansk, og legg den tilbake.

$pbpaste | apfel "translate to japanese" | pbcopy

-> Utklippstavlen inneholder nå den japanske oversettelsen.

Oppsummer en tekstvegg fra utklippstavlen i 3 punkter.

$pbpaste | apfel "summarize in 3 bullets"

-> 3 konsise punkter i terminalen din.

Trekk ut klare oppgaver fra møtenotater på utklippstavlen.

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

-> "Sarah drafts Q3 budget", "email design team", ... tilbake på utklippstavlen.

Overvåk og si fra 6

La Macen si fra høyt når en lang oppgave er ferdig (her om 30 minutter).

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

-> Macen sier: "Your long task just finished, well done!"

Vent til en fil havner i Downloads, og si fra.

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

-> Sjekker hvert 5. sekund; når Report.pdf dukker opp, sier Macen fra.

Vent til en langvarig prosess avsluttes, og si fra.

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

-> Sjekker hvert 5. sekund; når ffmpeg dør, sier Macen fra.

Hvert 30. minutt: oppsummer høyt hva du nettopp har levert.

$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

-> Automatisk standup hver halvtime, lest høyt mens du koder videre.

Hvert 15. minutt: advar høyt hvis batteriet faller under 20 prosent.

$while sleep 900; do P=$(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

-> Stille til batteriet synker; da roper Macen ut en vennlig, men innstendig advarsel.

Overvåk en URL til den svarer med 2xx, og feir så deployen høyt.

$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

-> Sjekker hvert 30. sekund til staging er oppe; Macen sier "Your deploy is live, URL is responding!".

Nett og tekst 4

Omformuler en uformell setning til noe høflig.

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

-> "Could you please share the documents at your earliest ..."

Kall en URL og spør hva som skjer, bare ut fra headerne.

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

-> GitHub leverer en HTML-side med streng caching og sikkerhetsheadere.

Dagens Hacker News, oppsummert i én setning og lest høyt.

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

-> Macen leser opp dagens toppsaker i ett kort og konsist sammendrag.

Forklar en JSON-blob i klartekst.

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

-> En bruker ved navn Alice med pro-abonnement og 42 kreditter.

Raske oppslag 8

Matte uten å åpne en kalkulator.

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

-> 13.13

Generer et regex uten å forlate terminalen.

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

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

Spør etter bash-one-lineren du har glemt.

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

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

Forklar en kryptisk kommando i stedet for å gjette.

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

-> Dekomprimerer og pakker ut en gzippet tarball i gjeldende mappe.

Glemt den nøyaktige git-kommandoen? Bare spør.

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

-> git reset --soft HEAD~1

Tyd noen andres regex i én setning.

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

-> Matcher et 3-sifret prefiks, en bindestrek og 4 sifre - et amerikansk telefonnummerformat.

Konverter en uformell datostreng til 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

Oppsummer en hel fil i 3 punkter.

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

-> 3 punkter om omfang, installasjon og bruk.

OpenAI-kompatibel.

Bytt én URL. Behold koden din.

Drop-in-erstatning

apfel snakker OpenAI API. Ethvert klientbibliotek, rammeverk eller verktøy som snakker med OpenAI, kan snakke med KI-en på Macen din i stedet. Bare bytt base-URL-en.

  • ✓ 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-deler som data-URL-er (macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ CORS for nettleserklienter
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)

Samme modell som Apples fm. Annen jobb.

macOS 27 leveres med fm, Apples eget kommandolinjegrensesnitt for modellen på enheten. Her skilles de to.

 apfelApple fm
Kjører påmacOS 26 og 27, én binærKun macOS 27
Installerbrew install apfelAllerede på plass (sudo fm license én gang)
OpenAI-klienter fungerer uendretJa: JSON som standard, usage, max_tokens respekteres, feil mappesStrømmer med mindre man ber om noe annet, ignorerer max_tokens, 500 ved guardrails
Tool calling og MCPInnebygde verktøykall, lokale og eksterne MCP-servereIngen (tools lekker maltokens inn i svaret)
Skripting--code, -o json, 9 exitkoder, --count-tokens --strictRen tekst, exit 0 eller 1
Filer som inndataTekst, PDF, bilder: OCR-tekst på begge systemene, pluss selve bildet til modellen på macOS 27Bilder til modellen, pluss innebygde verktøy for OCR og strekkoder
Chatøkter som lagresNeiNavngitte transkripsjoner, --resume
HastighetSamme modell på samme Mac, samme kontekstvindu (4 096 tokens på denne M2-en, 8 192 på M3 og nyere), identisk antall tokens. Enkeltprompt: 0,35 s mot 0,30 s.

Kort historikk. apfel kom først: første commit og v0.1.0 den 24. mars 2026, første GitHub-release den 31. mars 2026, forsiden på Hacker News i april. Apple annonserte fm på WWDC den 8. juni 2026 og lanserte det med macOS 27 den 14. september 2026. Begge bruker den samme modellen på enheten via det samme FoundationModels-rammeverket; apfel er den med åpen kildekode, og den som også kjører på macOS 26.

Hver rad ble målt på macOS 27.0.1 (Apple M2, 24 GB) den 05.10.2026 og måles på nytt ved hver apfel-release. Den fullstendige siden har servertestene, tabellen over antall tokens og alle kommandoene for å gjenskape målingene.

Populær på GitHub.

Fra null til 6,610 stjerner, og det fortsetter.

6,610
GitHub-stjerner
251 forks
2450 tester
v1.18.0 utgitt

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

Gi en stjerne på 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

Data per

Kom i gang.

Ingen modellnedlastinger. Ingen registrering. Ingen API-nøkler. Bare dette.

Homebrew

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

Bygg fra kildekode

krever CLT + macOS 27 SDK (kjører på 26 og 27)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

apfel-treet.

En voksende familie av native macOS-verktøy bygget på apfel - og søsterprosjekter som tar andre Apple-rammeverk til terminalen.

apfel-chat - privat KI-chat for macOS

apfel-chat

Chatklient for macOS med flere samtaler. Strømmende markdown, tale inn/ut, bildeanalyse - helt privat, ingen API-nøkler, ingen sky.

SwiftUI Produksjonsklar
apfelpad - formelnotisblokk med KI på enheten

apfelpad

En formelnotisblokk for tenkearbeid. Skriv =apfel("summarize this") i markdownen din og se svaret strømme rett inn i teksten. Som =SUM, bare for språk.

SwiftUI Ny
apfel-quick - umiddelbart KI-overlegg for macOS

apfel-quick

Umiddelbart KI-overlegg. Trykk Ctrl+Space hvor som helst, skriv et spørsmål, og svaret strømmer til utklippstavlen din. Ingen wifi, ingen konto, ingen regning.

SwiftUI Ny
Skjermbilde av apfel-gui

apfel-gui

Native SwiftUI-debug-GUI for macOS. Chat med Apple Intelligence, inspiser forespørsler og svar, logger, tale-til-tekst, tekst-til-tale - alt på enheten.

SwiftUI
apfel-clip - KI-handlinger for utklippstavlen

apfel-clip

KI-handlinger for utklippstavlen fra menylinjen. Trykk cmd+shift+V på hvilken som helst tekst - rett grammatikk, oversett, forklar kode, oppsummer. Helt på enheten, ingen API-nøkler.

SwiftUI Produksjonsklar
apfel-mcp - MCP-servere for apfel

apfel-mcp

Gi apfel tilgang til nettet og filene dine. Fire små MCP-verktøy - url-fetch, ddg-search, search-and-fetch og en skrivebeskyttet filleser - hver trimmet for apfels lille kontekstvindu (4 096 tokens på de fleste Macer, 8 192 på M3 og nyere med macOS 27).

Python Ny
apfel-run - varig MCP-register

apfel-run

Liten UNIX-wrapper som gir apfel et varig MCP-register. Slå MCP-servere av og på etter navn i en vanlig tekstfil. Overlever omstarter, ingen GUI, ingen daemon.

Shell Ny
apfel-server-kit - Swift-pakke for økosystemets verktøy

apfel-server-kit

Felles Swift-pakke som driver økosystemet. Finn, start og strøm fra en lokal apfel --serve-prosess. Ryggraden som alle SwiftUI-apper for apfel snakker med.

Swift Ny
auge - Apples Vision-rammeverk i terminalen

auge

Søsterprosjekt. apfel tar seg av språk; auge tar seg av syn. Én CLI for OCR, bildeklassifisering, strekkoder og ansiktsdeteksjon - 100% på enheten via Apples Vision-rammeverk. Ingen API-nøkler, ingen sky.

Swift Søsterprosjekt
translate - Apples Translation-rammeverk i terminalen

translate

Søsterprosjekt. UNIX-filter pluss HTTP-server som direkte erstatter DeepL, LibreTranslate og Google v2 - drevet av Apples Translation-rammeverk på enheten. 100% på enheten, håndhevet av NetworkGuard. Ingen API-nøkler, ingen sky.

Swift Søsterprosjekt

Ofte stilte spørsmål.

Spørsmål hentet fra Hacker News og Reddit.

Hvilken macOS-versjon trenger jeg?
macOS 26 (Tahoe) eller nyere. FoundationModels-rammeverket finnes bare i Tahoe. Fungerer ikke på Sequoia eller eldre. Krever Apple Silicon (M1 eller nyere).
Får apfel tilgang til personopplysningene mine?
Nei. FoundationModels-rammeverket har ingen som helst tilgang til kontakter, e-post, kalender, bilder eller Semantic Index. Det er forbeholdt Apples egne funksjoner.
Forlater noen data Macen min?
Nei. To lag med personvern beskytter deg.

Modellen: Apples FoundationModels-rammeverk fungerer uten internettforbindelse og kjører helt og holdent på Neural Engine. Promptene og svarene dine forlater aldri enheten. Brukerdata brukes aldri til trening.

Verktøyet: apfel sørger for at det forblir slik. Ingen analyse, ingen telemetri, ingen sporing, ingen automatiske oppdateringssjekker, ingen krasjrapportering, ingenting som ringer hjem. Åpen kildekode og etterprøvbart.
Hvor stort er kontekstvinduet?
4 096 tokens (~3 000 ord) inndata og utdata til sammen på macOS 26 og på M1/M2-Macer. På macOS 27 får Macer med M3-brikke eller nyere og minst 12 GB Apples større modell på enheten (AFM 3 Core Advanced) med 8 192 tokens. apfel hardkoder det aldri: apfel --model-info viser vinduet Macen din faktisk har. Supert for shellskript, sammendrag og teksttransformasjoner. Ikke egnet for lange samtaler eller store dokumenter.
Hva er modellen god på? Hvor sliter den?
God på: shellskripting, teksttransformasjon, klassifisering, korte sammendrag, omstrukturering av JSON, oversettelse.

Begrenset: matte, faktakunnskap, lange samtaler, kompleks kodegenerering.

Modellen avslår heller enn å hallusinere. Et bevisst designvalg fra Apple.
Er servermodusen sikker?
Av som standard. Når den er på: autentisering med Bearer-token (--token), sjekk av origin, logg-endepunkter bare i debugmodus. Detaljer i server-security.md.
Må jeg slå på Apple Intelligence?
Ja. Systeminnstillinger > Apple Intelligence & Siri > slå på. Da lastes modellen ned. Du trenger ikke å bruke Siri, bare slå det på. Apples oppsettveiledning.
Hvordan oppdaterer jeg apfel?
apfel --update. Gjenkjenner installasjonsmetoden, ser etter en nyere versjon og spør før oppgradering. Manuelt: brew upgrade apfel eller git pull && make install.
Hvilken modell bruker den?
Apples egen AFM (Apple Foundation Model), omtrent 3 milliarder parametere med blandet 2-biters og 4-biters kvantisering. Ikke OpenAI. Leveres med macOS Tahoe og kjører helt og holdent på enheten, på Neural Engine.
Hvordan skiller apfel seg fra Ollama eller LM Studio?
Ingen LLM-nedlasting, umiddelbar start, ikke noe oppsett. apfel bruker modellen som allerede ligger på Macen din. Ollama og LM Studio tilbyr flere modeller og større kontekstvinduer, men krever separate nedlastinger og konfigurasjon. Ulike verktøy for ulike behov.
Støtter apfel MCP og tool calling?
Ja. MCP er innebygd. Angi --mcp <server> for å koble til verktøy. Veiledning for tool calling.
Hvordan skiller apfel seg fra Apples egen fm-CLI på macOS 27?
Samme modell, annen jobb. macOS 27 leveres med fm, Apples kommandolinjegrensesnitt for den samme modellen på enheten. apfel legger til den OpenAI-kompatible serveren med tool calling, MCP, JSON Schema-utdata, bildeinndata som data-URL-er, ærlige exitkoder og støtte for macOS 26. Målt side om side: apfel vs fm.
Har apfel telemetri eller funksjoner som ringer hjem?
Ingen overhodet. apfel kontakter aldri noen server i bakgrunnen. Det eneste nettverkskallet skjer når du uttrykkelig kjører apfel --update, som sjekker Homebrew etter en nyere versjon. Åpen kildekode og etterprøvbart.
Hvem har laget dette?
apfel er laget av Franz Enzenhofer (systemtenker, forfatter, utvikler siden C64-tiden, KI-mekaniker) / franze på HN / grunnlegger av Full Stack Optimization og franzai.com.

Vedlikeholdes også av Arthur Ficial, en OpenClaw-instans som kjører på Anthropics Claude Opus. Utvikles i stor grad med Claude Code og Codex. Alltid i high thinking / high effort-modus.

Startet: 24. mars 2026.
Hvordan testes det?
334 enhetstester + 216 integrasjonstester (ende-til-ende, kompatibilitet med OpenAI-klienter, validering mot OpenAPI-spesifikasjonen, sikkerhet, ytelse). 550 tester totalt per 12. april 2026.
Hvordan begynte apfel?
apfel begynte som et forsøk på å kjøre OpenClaw på Apple Intelligence i en ekstremt tokensparende modus. Det gikk ikke på grunn av kontekstvinduet på 4K. Men det viste seg at en lokal, rask, skriptbar LLM som kjører på enheten, alltid er tilgjengelig, ikke krever konfigurasjon og setter personvernet først, er utrolig rå, kraftig, morsom og interessant.