apfel er et -prosjekt.

Veiledning · testet 15. november 2026

apfel KI-veiledning

Ditt første svar fra KI-en som allerede ligger på Macen din, på 60 sekunder. Deretter 11 oppgaver den gjør godt, alle klare til å kopiere med ekte utdata, og en ærlig liste over hva den ikke klarer.

Ekte terminalopptak, ingenting redigert: apfel 1.18.0 på macOS 27.0.1, MacBook Air M2.
På denne siden: 15 avsnitt
  1. Ditt første svar på 60 sekunder
  2. 1. Spør Macen om seg selv
  3. 2. Rett opp tekst du har kopiert
  4. 3. Les kvitteringer, PDF-er og skript
  5. 4. Gjør vanlig engelsk om til en shellkommando
  6. 5. Få JSON skriptene dine kan stole på
  7. 6. Automatiser dagen: git, tale og ferdige skript
  8. 7. Kjør OpenAI-koden din gratis
  9. 8. Gi den verktøy med MCP
  10. 9. Chat for å teste en prompt
  11. 10. La serveren kjøre i bakgrunnen
  12. 11. Apper bygget på apfel
  13. Begrensninger og ærlige svar
  14. Når noe går galt
  15. Hvem som laget dette, og hvordan det ble testet

Ditt første svar på 60 sekunder

Du trenger en Mac med Apple Silicon (M1 eller nyere) og macOS 26 Tahoe eller nyere, og Apple Intelligence må være slått på under Systeminnstillinger > Apple Intelligence & Siri. Sjekk de to første kravene med én linje:

Terminal
sw_vers -productVersion && uname -m
27.0.1
arm64

Versjon 26 eller høyere og arm64 betyr at du er klar. Installer apfel med Homebrew. Ingen Xcode, ingen konto, ingen API-nøkkel:

Terminal
brew install apfel

Still ditt første spørsmål:

Terminal
apfel "In one sentence: what can a small on-device language model do for me?"
A small on-device language model can help you perform tasks like text translation, summarization, and data analysis directly on your device.

Svaret kom fra Apples modell på Macen din. Ingenting ble sendt til en server, og det kostet ingenting.

Hvis det ikke virker: spør apfel om modellen er klar:

Terminal
apfel --model-info | grep -E 'available|context'
├ available:  yes
├ context:    4096 tokens

Står det available: no, slår du på Apple Intelligence i Systeminnstillinger og venter til modellen er ferdig nedlastet (ifølge installasjonsveiledningen er den på 3 til 4 GB). Macen og Siri må være satt til samme språk, og det må være et språk som støttes. apfel avslutter med exitkode 5 så lenge modellen ikke er tilgjengelig.

Videre: oppgavene nedenfor. Hver av dem starter med hva du sitter igjen med etter to minutter.

1. Spør Macen om seg selv

Etter 2 minutter har du: svar i klartekst om disk, prosessor og minne, rett fra kommandoene du allerede kan.

Når en terminalkommando spytter ut en vegg av tall, vil jeg ha svaret på én linje, så jeg kan handle uten å lese en man-side.

Send en hvilken som helst kommando til apfel med en pipe, og si hva du vil vite:

Terminal
df -h | apfel "which volume is fullest, one sentence"
/dev/disk3s1 is the fullest volume, with 630Gi used.
Terminal
ps aux | sort -k 3 -nr | head -5 | awk '{print $11, $3"%"}' | apfel "which app is using the most CPU, one sentence"
`/System/Library/CoreServices/RemoteManagement/screensharingd.bundle/Contents/MacOS/screensharingd` is using the most CPU.

Hold inndataene små: først head, awk og grep, så apfel. Modellen leser bare noen tusen ord om gangen, og færre når det er kode (se begrensninger).

Hvis det ikke virker: noen kommandoer skriver til stderr, og det blir ikke med gjennom en pipe. apfel sier fra om det: piped input was empty - if the command prints to stderr, try: command 2>&1 | apfel.

Videre: det samme trikset fungerer med git log, lsof, pmset -g batt, loggfiler og alt annet som skriver ut tekst.

2. Rett opp tekst du har kopiert

Etter 2 minutter har du: en kommando som retter grammatikken i det som ligger på utklippstavlen, uansett app.

Når jeg skriver en kjapp melding i Slack, Mail eller nettleseren, vil jeg få den pusset opp uten å åpne en annen app, så jeg kan lime den inn igjen på sekunder.

Kopier litt tekst og kjør den midterste linjen. pbpaste leser utklippstavlen, pbcopy skriver resultatet tilbake:

Terminal
printf 'can u send me the slides from yesterdays meeting i lost them' | pbcopy
pbpaste | apfel "Rewrite the text above with correct grammar and spelling. Reply with the rewritten text only." | pbcopy
pbpaste
Can you send me the slides from yesterday’s meeting? I lost them.

Hvorfor "the text above": apfel legger teksten fra pipen først og instruksjonen din etter den (kilde). Med den korte instruksjonen "fix grammar and spelling, reply with the corrected text only" svarte modellen på meldingen i stedet for å rette den, og skrev Could you let me know which meeting you're referring to?. Da vi pekte ut teksten den skulle jobbe med, ble det riktig i testen vår.

Hvis det ikke virker: les resultatet før du sender det. En liten modell endrer av og til meningen; da vi ba den oversette denne setningen til tysk, ble "Can you send me" til "Can I send you".

Videre: legg den midterste linjen i et shell-alias eller i en "Kjør shellskript"-handling i Snarveier, og gi den en hurtigtast.

3. Les kvitteringer, PDF-er og skript

Etter 2 minutter har du: svar om et bilde, en skannet PDF eller et skript, lest på Macen din med Apples tekstgjenkjenning.

Når en kvittering, en skanning eller en ukjent fil havner i Nedlastinger, vil jeg ha den ene opplysningen jeg trenger, så jeg kan arkivere den uten å åpne den.

Legg ved en fil med -f. Vi laget et testbilde av en kvittering (receipt.png) med disse linjene:

Utdata
CAFE APFEL
2x Melange          9.80
1x Sachertorte      7.90
1x Apfelstrudel     6.50
TOTAL EUR          24.20
14.11.2026  21:14
Terminal
apfel -f receipt.png "What is the total? Just the amount."
24.20

Den samme kvitteringen lagret som en PDF som bare inneholder bilder, fungerer også, fordi apfel kjører tekstgjenkjenning på skannede sider:

Terminal
apfel -f receipt.pdf "What is the total? Just the amount."
24.20

Og hvilken som helst tekstfil, for eksempel et shellskript:

Terminal
apfel -f apfel-demos/gitsum "What does this script do? Two sentences."
This script summarizes recent Git activity by summarizing the last N commits, grouping related changes, and generating a concise report. It uses Apple Intelligence to format the output, and optionally copies the summary to the clipboard.

Det skriptet får du i oppgave 6. Flere filer legger du ved med -f a.txt -f b.txt.

Hvis det ikke virker: exitkode 4 betyr at filen er for lang for modellen (se begrensninger). Exitkode 3 betyr at Apples sikkerhetsfilter blokkerte den; veiledningen for filuttrekk foreslår å legge til --permissive i det tilfellet.

4. Gjør vanlig engelsk om til en shellkommando

Etter 2 minutter har du: kommandoen du ikke husket, skrevet ut alene, klar til å kopieres.

Når jeg har glemt flaggene til find, du eller tar, vil jeg få kommandoen ut fra en vanlig setning, så jeg kan bli i terminalen.

--code skriver bare ut koden, uten forklaring:

Terminal
apfel --code "one find command that lists files larger than 100MB in my home folder"
find /Users/yourusername/home -type f -size +100M

Flaggene er riktige, men modellen fant på en mappe. Hjemmemappen din er ~ (her: find ~ -type f -size +100M).

Terminal
apfel --code "a python function that removes duplicates from a list but keeps the order"
def remove_duplicates_preserve_order(lst):
    seen = set()
    result = []
    for item in lst:
        if item not in seen:
            seen.add(item)
            result.append(item)
    return result

Les hver kommando før du kjører den. I testene våre lagde modellen også feil kommandoer. Da vi ba om "the 10 largest files in the current folder", skrev den ut ls -lh | head -n 10, som viser de 10 første oppføringene, ikke de største. Da vi ba den "show open ports", foreslo den netstat -tuln | grep LISTEN, som bruker Linux-flagg; på macOS skriver den ikke ut noe som helst. På en Mac viser lsof -iTCP -sTCP:LISTEN -n -P dem.

Videre: demoskriptet cmd i oppgave 6 pakker inn dette og spør før det kjører noe (-x) eller kopierer kommandoen (-c).

5. Få JSON skriptene dine kan stole på

Etter 2 minutter har du: strukturerte data hentet ut av rotete tekst, som JSON som alltid følger skjemaet ditt.

Når jeg trenger navn, tall eller datoer fra e-poster og notater, vil jeg ha felter, ikke prosa, så jeg kan sende dem videre til jq, et regneark eller et skript.

Lagre et JSON Schema som contact.schema.json:

JSON
{
  "type": "object",
  "properties": {
    "name": { "type": "string" },
    "city": { "type": "string" },
    "phone": { "type": "string" }
  },
  "required": ["name", "city", "phone"]
}

Send så teksten inn med --schema. apfel styrer modellen slik at utdataene er gyldig JSON for det skjemaet:

Terminal
echo "Hi, I am Maria Lopez from Vienna, call me on +43 660 1234567" | apfel --schema contact.schema.json "Extract the contact" | jq .
{
  "name": "Maria Lopez",
  "city": "Vienna",
  "phone": "+43 660 1234567"
}

Nøklene kommer tilbake i den rekkefølgen skjemaet ditt angir dem.

Vil du ha et hvilket som helst svar som JSON med metadata, bruker du -o json:

Terminal
apfel -o json "Translate to German: apple" | jq -r .content
Apfel

For en hel liste bruker du --batch: én JSON-linje per post inn, én resultatlinje per post ut, hver post i en ny sesjon. Tre produktanmeldelser i en tekstfil:

Terminal
cat reviews.txt
Love it, works offline and it is fast.
Crashes every time I open a PDF.
It is okay, it does the job.
jq -Rc '{custom_id: (input_line_number|tostring), prompt: ("Classify the sentiment of this review as positive, negative or neutral. Reply with one word. Review: " + .)}' reviews.txt | apfel --batch | jq -r '"\(.custom_id) \(.status) \(.content)"'
1 ok Positive
2 ok Negative
3 ok Neutral
apfel: batch: 3 records, 3 ok, 0 failed

jq -R gjør hver linje om til en post; den siste linjen er apfels oppsummering på stderr. En post som feiler, får status: "error", og resten av batchen kjører videre.

Hvis det ikke virker: apfel støtter et utvalg av JSON Schema (objekter, strenger, enums, tall, booleans, arrays, lokale $ref). Et nøkkelord som ikke støttes, for eksempel pattern, stopper med exitkode 2 og nevner det ved navn; listen står i dokumentet om API-kompatibilitet.

6. Automatiser dagen: git, tale og ferdige skript

Etter 2 minutter har du: en oppsummering av det du har jobbet med i det siste, en Mac som sier høyt fra når en lang jobb er ferdig, og åtte ferdige KI-shellskript.

Når jeg bytter oppgave eller venter på en build, vil jeg ha små automatiseringer som forklarer og varsler, så jeg kan slutte å stirre på terminalen.

Oppsummer hva du har gjort, fra et hvilket som helst git-repo:

Terminal
git log --oneline -10 | apfel "summarize what I have been working on, two sentences"
I've been updating star counts to 6,608 and refining ISO datetimes with timezone handling in the Article JSON-LD. Additionally, I've implemented the apfel AI tutorial and redesigned the pre-header with a centered line about the project.

La Macen si fra når noe er ferdig. Send svaret til say med en pipe, og sett den lange kommandoen din foran med &&:

Terminal
apfel "tell me cheerfully that my build just finished, one short sentence, no emoji" | say

Test-Macen hadde ingen lydutgang, så vi tok opp talen til en fil i stedet (| say -o build-done.aiff, 102 880 byte lyd). Setningen den sa, var Your build is finished, and I'm glad you asked!.

apfel har også med seg åtte demoskript. Skriv dem til en mappe:

Terminal
apfel --demos
apfel: wrote 9 demo files to /Users/arthurficial/work/apfel-i18n-video-2026-11-15/tut/apfel-demos
  • cmd
  • explain
  • gitsum
  • mac-narrator
  • naming
  • oneliner
  • port
  • wtd

Ett vi likte i testingen:

Terminal
./apfel-demos/naming "function that retries HTTP requests with exponential backoff"
retryExponentialBackoff | exponential_retry_backoff | exponential delay retry  
retryWithExponentialBackoff | exponential_retry_http_backoff | HTTP retry with delay  
backoffRetryHTTP | exponential_http_retry | retry with exponential pause

Ikke alle demoene var gode i kjøringene våre: oneliner "count unique IP addresses in access.log" traff lengdegrensen og skrev ut en ødelagt kommando, og explain la til en feilmelding som ikke fantes. Demo-README-en lister opp alle åtte.

7. Kjør OpenAI-koden din gratis

Etter 2 minutter har du: en lokal server som snakker OpenAI Chat Completions API, så eksisterende SDK-kode kjører mot Macen din i stedet for en betalt skymodell.

Når jeg lager prototyper med OpenAI SDK-en, vil jeg ha et gratis lokalt endepunkt, så jeg kan bygge og teste uten nøkler, uten regninger og uten å sende data ut.

Start serveren i én terminalfane:

Terminal
apfel --serve
apfel server v1.18.0
├ endpoint: http://127.0.0.1:11434
├ model:    apple-foundationmodel
├ cors:     disabled
├ origin:   localhost only (http://127.0.0.1, http://localhost, http://[::1])
├ token:    none
├ health:   public
├ max concurrent: 5
├ debug:    off
└ ready

Endpoints:
  POST http://127.0.0.1:11434/v1/chat/completions
  GET  http://127.0.0.1:11434/v1/models
  GET  http://127.0.0.1:11434/health

2026-11-15T13:39:31+0100 info Hummingbird: [HummingbirdCore] Server started and listening on 127.0.0.1:11434

I en annen fane kaller du den som om den var OpenAI:

Terminal
curl -s http://localhost:11434/v1/chat/completions -H "Content-Type: application/json" -d '{"model":"apple-foundationmodel","messages":[{"role":"user","content":"Say hello to my terminal in five words."}]}' | jq -r '.choices[0].message.content'
Hello, terminal.

Den offisielle OpenAI Python SDK-en fungerer uendret. Bare base-URL-en og modellnavnet er annerledes. Lagre som hello.py:

Python
from openai import OpenAI

client = OpenAI(base_url="http://localhost:11434/v1", api_key="unused")
reply = client.chat.completions.create(
    model="apple-foundationmodel",
    messages=[{"role": "user", "content": "Give me three names for a coffee shop run by robots."}],
)
print(reply.choices[0].message.content)
Terminal
python3 -m venv venv && ./venv/bin/pip -q install openai
./venv/bin/python hello.py
1. RoboBrew  
2. CogCafé  
3. Circuit Sip

Serveren lytter bare på din egen Mac (127.0.0.1) og avviser forespørsler fra nettsider med en annen opprinnelse (origin). Vil du åpne den for nettverket ditt, legger du til et token: apfel --serve --host 0.0.0.0 --token-auto (sikkerhetsveiledning for serveren).

Hvis det ikke virker: Connection refused betyr at serveren ikke kjører. Embeddings og det gamle endepunktet /v1/completions gir HTTP 501, fordi modellen på enheten ikke tilbyr dem.

Videre: utviklerne dokumenterer oppsett for VS Code Copilot (bare chat), opencode, Zed og Node.js, Ruby, PHP og seks andre språk. Dem har vi ikke testet på nytt for denne siden.

8. Gi den verktøy med MCP

Etter 2 minutter har du: modellen som leser en nettside i sanntid og oppsummerer den, via et Model Context Protocol-verktøy.

Når svaret står på en nettside, vil jeg at modellen henter den selv, så jeg kan få en oppsummering uten å kopiere tekst rundt.

Installer apfel-mcp-verktøyene, som er laget for å passe i det lille kontekstvinduet:

Terminal
brew install Arthur-Ficial/tap/apfel-mcp

Koble til ett med --mcp og spør. -q skjuler verktøyets rå utdata:

Terminal
apfel -q --mcp $(which apfel-mcp-url-fetch) "Summarize https://apfel.franzai.com/ in 3 bullets"
- **Purpose**: apfel is a Swift 6.3 tool that wraps Apple’s on-device LLM (part of macOS 26’s Apple Intelligence) and exposes it via a CLI, HTTP server, and interactive chat with context management.  
- **Features**: It handles terminal commands, JSON output, file attachments, real token counting, and context trimming (4,096 or 8,192 tokens depending on hardware), while converting OpenAI tool schemas to Apple’s native format.  
- **Technical details**: Built using the FoundationModels framework, it runs on Apple Silicon’s Neural Engine and GPU without network or cloud dependencies, and is open-source under MIT license.

Den samme pakken har apfel-mcp-ddg-search (nettsøk), apfel-mcp-search-and-fetch og apfel-mcp-fs (leser en lokal fil). Enhver MCP-server fungerer: en sti til et lokalt skript eller en https://-URL.

Verktøy med flere navngitte argumenter fungerer også. Her er kalkulatoren fra apfel-repoet (mcp/calculator/server.py): modellen kaller multiply med begge argumentene, apfel kjører det, og modellen svarer med resultatet:

Terminal
apfel --mcp ./server.py "What is 15 times 27?"
mcp: /Users/arthurficial/work/apfel-i18n-video-2026-11-15/tut/./server.py - add, subtract, multiply, divide, sqrt, power, round_number
tool: multiply({"a": 15, "b": 27}) = 405
15 times 27 is 405.

Linjen tool: er apfel som viser deg hvilket kall den kjørte. Før apfel 1.18.0 så ikke modellen argumentnavnene og gjettet dem, så et kall som dette feilet (issue #555, rettet i pull request #556). Ser du invalid arguments her, oppdaterer du med brew upgrade apfel.

9. Chat for å teste en prompt

Etter 2 minutter har du: en samtale i terminalen som husker hva du sa tidligere.

Når jeg finpusser en prompt til et skript, vil jeg prøve noen runder raskt, så jeg kan se hvordan modellen reagerer før jeg automatiserer.

Terminal
apfel --chat
Apple Intelligence · on-device LLM · apfel v1.18.0
────────────────────────────────────────────────────────
Type 'quit' to exit.

you› My name is Franz. I live in Vienna.
 ai› Hello, Franz. It's nice to meet you. I'm here to help with any questions or tasks you might have. How can I assist you today?

you› Suggest one thing I could do there this weekend. One sentence.
 ai› You could visit the Kunsthistorisches Museum to explore its impressive collection of art and artifacts.

you› What is my name?
 ai› Your name is Franz.

you› quit

Goodbye.

Gi den en persona med -s, for eksempel apfel --chat -s "You are a patient Python tutor". Når en lang chat vokser ut av kontekstvinduet, dropper apfel som standard de eldste rundene; kontekstveiledningen forklarer de andre strategiene. Vil du ha et vindu med knapper, se apfel-chat.

10. La serveren kjøre i bakgrunnen

Etter 2 minutter har du: den OpenAI-kompatible serveren som starter av seg selv når du logger inn, alltid klar på port 11434.

Når verktøy på Macen min bruker det lokale endepunktet hver dag, vil jeg at det alltid er på, så jeg kan slippe å starte det for hånd.

Terminal
brew services start apfel
==> Successfully started `apfel` (label: sh.brew.apfel)
curl -s http://127.0.0.1:11434/health | jq -c '{status, model_available, context_window}'
{"status":"ok","model_available":true,"context_window":4096}
brew services stop apfel
Stopping `apfel`... (might take a while)
==> Successfully stopped `apfel` (label: sh.brew.apfel)

Innstillinger som porten, et token eller MCP-servere er miljøvariabler, for eksempel APFEL_PORT=8080 brew services start apfel. Alle står oppført i veiledningen for bakgrunnstjenesten.

11. Apper bygget på apfel

Etter 2 minutter har du: den samme lokale modellen i et vindu, i menylinjen eller bak en hurtigtast, hvis du foretrekker apper fremfor terminalen.

Disse kommer fra de samme utviklerne ("apfel-treet" i README-en). Vi sjekket 15. november 2026 at hvert installasjonsnavn finnes i Homebrew; appene har vi ikke testet for denne siden.

App Hva den gjør Installasjon
apfel-chat Chatapp med strømmede svar, tale og bildeanalyse brew install Arthur-Ficial/tap/apfel-chat
apfel-clip Handlinger for utklippstavlen i menylinjen: oppsummer, oversett, skriv om brew install Arthur-Ficial/tap/apfel-clip
apfel-quick Trykk på en tast, spør, få svaret, lukk brew install Arthur-Ficial/tap/apfel-quick
apfelpad Notatblokk der KI-en er en formel du setter i en celle brew install Arthur-Ficial/tap/apfelpad
apfel-mcp MCP-verktøy tilpasset det lille vinduet (oppgave 8) brew install Arthur-Ficial/tap/apfel-mcp
apfel-run apfel med en lagret konfigurasjon og en liste over MCP-servere brew install Arthur-Ficial/tap/apfel-run
apfel-tag Stikkord, temaer og følelser for all tekst du sender inn via pipe brew install Arthur-Ficial/tap/apfel-tag
apfel-gui Feilsøkingsvindu: forespørsler, MCP-meldinger, tale brew install Arthur-Ficial/tap/apfel-gui

Begrensninger og ærlige svar

apfel gir deg Apples lokale modell. Ifølge README-en har den rundt 3 milliarder parametere, langt mindre enn skymodellene bak ChatGPT eller Claude. Den er god på korte, avgrensede tekstoppgaver. Dette er begrensningene vi støtte på, eller som dokumentasjonen nevner.

Kontekstvinduet er lite. Spørsmål og svar må til sammen få plass i 4 096 tokens på macOS 26 og på Macer med M1 og M2, eller 8 192 tokens på Macer med M3 eller nyere og minst 12 GB som kjører macOS 27 (README). apfel --model-info viser hva du har. apfels egen README er for lang for den. Tell før du sender:

Terminal
apfel --count-tokens -f README.md "summarize in 3 bullets"
8272/3584 tokens (over budget)
  prompt=7, README.md=8258
apfel -f README.md "summarize in 3 bullets"; echo "exit code: $?"
error: [context overflow] Input exceeds the model's context window: the input is 8264 tokens, the window is 4096 tokens. Shorten the conversation history.
exit code: 4

3 584 er vinduet på 4 096 minus 512 tokens som holdes av til svaret. README-en har rundt 3 000 ord, men Markdown og kode koster mange tokens per ord. Del opp lange filer (head -c 6000 file) og send én del om gangen.

Den vet ikke hvilken dato det er i dag. Den fant på en:

Terminal
apfel "What is today's date?"
Today's date is October 27, 2024.
apfel -s "Today is $(date '+%B %d, %Y')." "What is today's date? One sentence."
Today's date is November 15, 2026.

Gi den alle fakta den trenger i selve prompten. Den har ikke internett med mindre du kobler til et MCP-verktøy.

Den tar av og til feil, og er skråsikker likevel. Du så det ovenfor: feil shellkommandoer i oppgave 4, en oversettelse som snudde meningen i oppgave 2. Sjekk alt som er viktig.

Apples sikkerhetsfilter kan blokkere harmløs tekst. apfel stopper da med exitkode 3 og meldingen The request was blocked by Apple's safety guardrails. Formuler deg annerledes, eller legg til --permissive for kreativ skriving og dokumenter; dokumentet om guardrails forklarer hva det endrer. Vi ble ikke blokkert i kjøringene til denne siden.

Svarene blir forskjellige hver gang. Dette er ekte utdata fra én kjøring hver. Dine vil være formulert annerledes. Bruk --temperature 0 for svar som er lettere å gjenta; apfel lover ikke identiske utdata mellom kjøringer eller macOS-oppdateringer (stabilitetspolicy).

Hastighet: de fleste svarene i kjøringene våre kom tilbake på 1 til 2 sekunder. Oppsummeringen av nettsiden med et MCP-verktøy tok 8 sekunder.

Kravene er strenge: bare Apple Silicon, macOS 26 eller nyere, Apple Intelligence slått på og ett av de 15 språkene som --model-info lister opp. Intel-Macer kan ikke kjøre den.

Når noe går galt

apfel melder fra om problemer med en exitkode, så skript kan reagere. Sjekk den med echo $? rett etter kommandoen.

Exitkode eller feil Betydning Hva du gjør
2 Feil flagg eller valg Flagg står før prompten; apfel --help lister dem opp
3 Apples sikkerhetsfilter blokkerte forespørselen Formuler deg annerledes, eller legg til --permissive
4 Inndataene er for lange for kontekstvinduet Send mindre tekst; sjekk med apfel --count-tokens
5 Modellen er ikke tilgjengelig Slå på Apple Intelligence, vent på nedlastingen, bruk samme språk på Macen og i Siri
6 Modellen er opptatt, eller grensen for antall forespørsler er nådd Vent og kjør på nytt, eller legg til --retry
Connection refused Ingen server på port 11434 Start apfel --serve eller brew services start apfel
HTTP 501 Et endepunkt modellen på enheten ikke tilbyr (embeddings, /v1/completions) Bruk /v1/chat/completions
piped input was empty Kommandoen skrev til stderr command 2>&1 \| apfel "..."

Står du fortsatt fast? Søk, eller opprett en issue på GitHub.

Hvem som laget dette, og hvordan det ble testet

apfel er gratis og åpen kildekode (MIT-lisens), et franzai-prosjekt av Franz Enzenhofer. Det vedlikeholdes sammen med Arthur Ficial, KI-assistenten til Franz, som også skrev denne veiledningen. Fordi det er apfels egne utviklere som har skrevet siden, har vi tatt med hver eneste feil vi så, i stedet for å utelate dem.

Slik testet vi: 15. november 2026 kjørte vi hver kommando på denne siden på en MacBook Air M2 (24 GB) med macOS 27.0.1 (build 26A434). Vi brukte den signerte apfel 1.18.0-binærfilen fra GitHub-utgivelsen (den samme filen som Homebrew-tappen installerer), i en ekte terminaløkt, og kopierte utdataene uendret. Den første versjonen av denne siden (14. november 2026, apfel 1.16.0) viste feilen med verktøy med flere argumenter i oppgave 8; 1.18.0 retter den, så vi kjørte hver kommando på nytt for denne versjonen. Der det første resultatet var feil, beholdt vi det feilaktige resultatet på siden og sa det. Vi kjørte bare på nytt for å finne svar som ikke trengte redigering: én oppsummering av en nettside inneholdt en lang tankestrek, som dette nettstedet ikke viser, så vi kjørte den på nytt og beholdt den tredje kjøringen. Taleeksempelet ble sjekket ved å skrive lyden til en fil, fordi test-Macen ikke hadde lydutgang. Demoskriptene ble skrevet av apfel --demos fra apfel 1.18.0.

Hva andre har skrevet om apfel: Show HN-innlegget (3. april 2026, 743 poeng), en guide fra Better Stack, en artikkel fra GIGAZINE og en praktisk anmeldelse på danilchenko.dev.

Kilder: apfel-README-en, CLI-referansen, installasjonsveiledningen, demoskriptene, apfel vs Apples fm og issue-trackeren, lest 15. november 2026.