apfel is een -project.

v1.18.0 · Nul configuratie · MIT

apfel

De gratis AI die al op je Mac staat.

macOS Tahoe wordt geleverd met een LLM van 3B parameters. apfel maakt het bereikbaar via de CLI met één brew install. Geen modellen downloaden, geen API-sleutels, geen configuratie: het werkt gewoon.

  • Geen tokenkosten
  • On-device AI
  • Scriptbaar
$ brew install apfel

6.6k+ sterren op github.com/Arthur-Ficial/apfel

Vereist: Apple Silicon · macOS Tahoe · Apple Intelligence ingeschakeld

Nieuw bij apfel? Start de tutorial van 60 seconden (in het Engels)

Alles draait op je eigen apparaat. Geen netwerkverkeer. Geen data verlaat je Mac.

Bekijk het in actie.

Van brew install tot AI-antwoord in 12 seconden. Geen configuratie nodig.

Terminal - apfel
$
Echte terminalopname, niets gemonteerd: apfel 1.18.0 op macOS 27.0.1, MacBook Air M2.

Nul configuratie. Nul LLM-downloads. Nul tokenkosten.

Andere lokale AI-tools zijn prima, maar vragen om modeldownloads en configuratie. apfel heeft niets nodig: het model staat al op je Mac. Eén brew install. Klaar.

$0
Tokenkosten
Geen API-sleutels. Geen abonnementen. Geen afrekening per token. Jouw hardware, jouw AI.
100%
On-device
Elke token wordt lokaal op je Apple Silicon gegenereerd. Niets verlaat je computer. Nooit.
0
Configuratiestappen
Geen YAML. Geen omgevingsvariabelen. Geen modelkeuze. Eén keer installeren, voor altijd gebruiken.

Het model onder de motorkap

Apple ML Research
~3BParameters
4,096 / 8,192Contextvenster (M1/M2 / M3+ op macOS 27)
~3.5 bpwKwantisatie
Mixed 2/4-bitPrecisie
Neural EngineDraait op
en, de, es, fr, it, ja, ko, pt, zhTalen

Drie tools. Eén installatie.

Een CLI, een OpenAI-compatibele server en een interactieve chat. Alles uit één brew install. Geen extra downloads.

>_

UNIX-tool

Pipe-vriendelijk en combineerbaar. Werkt met jq, xargs en je shellscripts. stdin, stdout, JSON-output, schema-geldige JSON met --schema, multi-turn vanuit een berichtenbestand met --messages, bijlagen, correcte exitcodes.

$ 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 vervanger op localhost:11434. Richt elke OpenAI SDK erop en klaar. Chat Completions en Responses API, streaming, tool calling, JSON Schema-output, CORS.

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

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

Interactieve chat

Gesprekken met meerdere beurten en automatisch contextbeheer. Vijf strategieën om de context in te korten. Ondersteuning voor een system prompt. Typ gewoon apfel in een terminal om te beginnen. Alles op je Mac.

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

Native MCP-ondersteuning.

Geef het on-device model van Apple tools. Welke tools dan ook.

Koppel toolservers met --mcp

apfel spreekt het Model Context Protocol. Richt het op een willekeurige MCP-server en het on-device model krijgt tools: rekenen, API's, databases, alles waarvoor je een server kunt schrijven.

  • Werkt in alle drie de modi: CLI, server en chat
  • Vindt tools automatisch via MCP tools/list bij het opstarten
  • Toolaanroepen worden automatisch herkend en uitgevoerd, de resultaten gaan terug naar het model
  • Geen --mcp-flag, geen overhead: nul extra tokens, nul wijzigingen in het codepad
  • Inclusief een rekenmachine-MCP-server als proof of concept
  • Externe MCP-servers via URL: --mcp https://... met optionele Bearer-tokenauthenticatie
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

Hoe het werkt.

Apple heeft in elke Mac een LLM ingebouwd. Het ligt er gewoon te wachten. apfel geeft het een voordeur, zonder enige configuratie.

Apple levert een on-device LLM mee

Vanaf macOS 26 (Tahoe) bevat elke Mac met Apple Silicon een taalmodel als onderdeel van Apple Intelligence. Apple stelt het beschikbaar via het FoundationModels-framework, een Swift API die apps toegang geeft tot SystemLanguageModel. Alle inferentie draait op de Neural Engine en de GPU. Geen netwerkverkeer, geen cloud, geen API-sleutels. Het model is er gewoon.

Maar Apple gebruikt het alleen voor Siri

Standaard drijft het on-device model Siri, Writing Tools en systeemfuncties aan. Er is geen terminalcommando, geen HTTP-endpoint, geen manier om er tekst doorheen te pipen. Het FoundationModels-framework bestaat wel, maar om het te gebruiken moet je een Swift-app schrijven. Precies dat doet apfel.

Wat apfel toevoegt

apfel is een Swift 6.3-binary die LanguageModelSession omhult en op drie manieren beschikbaar maakt: als UNIX-commandlinetool met stdin/stdout, als OpenAI-compatibele HTTP-server (gebouwd op Hummingbird) en als interactieve chat met contextbeheer.

Het regelt wat de kale API van Apple niet doet: correcte exitcodes, JSON-output, bijlagen, vijf strategieën om de context in te korten voor het kleine contextvenster (4.096 tokens, 8.192 op Macs met M3 of nieuwer en macOS 27), echte tokentelling via de SDK en omzetting van OpenAI-toolschema's naar Apples eigen Transcript.ToolDefinition-formaat.

hardware Apple Silicon (Neural Engine + GPU)
|
model Apples on-device LLM (meegeleverd met macOS)
|
sdk FoundationModels.framework (Swift API)
|
apfel CLI + HTTP-server + contextbeheer
|
jij Terminal, shellscripts, OpenAI SDK's, curl
4.096 of 8.192 tokens Contextvenster (input + output). 4.096 op macOS 26 en op Macs met M1/M2; 8.192 op M3 of nieuwer met minstens 12 GB op macOS 27. apfel leest het uit tijdens runtime.
1 model Vast, niet instelbaar
Swift 6.3 Strict concurrency, geen Xcode
MIT-licentie Open source

Privacy by design.

Geen enkele HTTP-aanroep terwijl je apfel gebruikt. Elke bewering hieronder linkt naar de documentatie van Apple zelf.

On-device. Werkt offline.

Het FoundationModels-framework draait volledig op de Neural Engine van je Apple Silicon. Geen server, geen cloud, geen internetverbinding nodig.

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

Jouw data blijft van jou.

Apple verzamelt geen prompts, antwoorden of andere gebruiksgegevens van on-device inferentie. Er wordt niets opgeslagen en niets verstuurd.

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

Nooit gebruikt voor training.

Apple traint zijn foundation models alleen op gelicentieerde en openbare data. Jouw interacties komen nooit in de trainingspipeline terecht.

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

apfel voegt nul tracking toe.

Geen analytics, geen telemetrie, geen automatische updatechecks, geen crashrapporten en niets dat naar huis belt. De enige netwerkaanroep die apfel ooit doet, is wanneer je zelf apfel --update uitvoert. De volledige codebase is open source.

Power tools inbegrepen.

Shellscripts in de map demo/. Installeer eerst apfel en pak dan de scripts die je wilt.

>_

cmd

Van gewone taal naar shellcommando. Zeg wat je wilt, krijg het commando.

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

oneliner

Pipe-ketens uit een gewone zin. awk, sed, sort, uniq: voor je gegenereerd.

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

mac-narrator

Becommentarieert de systeemactiviteit van je Mac als een natuurdocumentaire.

$ mac-narrator --watch
?

explain

Legt elk commando, elke foutmelding of elk stukje code uit in gewone taal.

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

wtd

Wat is dit voor map? Direct overzicht in elke codebase.

$ wtd
++

gitsum

Vat recente git-commits samen in een paar zinnen.

$ gitsum

30 handige en coole one-liners.

Elk commando getest op een echte Mac. Koppel apfel aan ps, lsof, du, vm_stat, git, pbpaste, sleep, pgrep, curl, say: combineerbaarheid waar cloud-AI niet aan kan tippen, want die ziet je processen, je klembord en je git diff niet. apfel wel.

Live systeem 8

Wat vreet er nu mijn CPU op.

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

-> WindowServer gebruikt de meeste CPU: 42,6%.

Welke apps luisteren op welke poorten.

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

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

Welk volume het dichtst bij vol zit.

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

-> /dev/disk3s1 is het volst: 263Gi van 926Gi.

vm_stat vertaald naar gewone taal.

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

-> 349k pagina's actief, 266k wired: flink wat geheugen in gebruik.

Welke mappen hier de meeste schijfruimte opslokken.

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

-> Library met 36G en Downloads met 604M zijn de grootste.

De grootste bestanden in deze map.

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

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

Welke apps er nu met internet praten.

$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 ...

Batterijconditie en resterende tijd in één regel.

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

-> Volledig opgeladen, conditie 100%, momenteel actief.

Git 2

Vat je recente commits samen in gewone taal.

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

-> Updates van v1.2.1 naar v1.3.2, zusterprojecten toegevoegd ...

Schrijf een release note van één regel op basis van recente commits.

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

-> v1.3.2 uitgebracht met 5053 sterren, 783 tests, updates.

Heen en weer via het klembord 4

Verbeter de grammatica van wat er op je klembord staat en zet de verbeterde versie terug.

$pbpaste | apfel "fix grammar" | pbcopy

-> "i has went" wordt "I went", terug op het klembord.

Vertaal het klembord naar het Japans en zet het terug.

$pbpaste | apfel "translate to japanese" | pbcopy

-> Het klembord bevat nu de Japanse vertaling.

Vat een lap tekst op je klembord samen in 3 bullets.

$pbpaste | apfel "summarize in 3 bullets"

-> 3 beknopte bullets in je terminal.

Haal heldere actiepunten uit vergadernotities op je klembord.

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

-> "Sarah drafts Q3 budget", "email design team", ... terug op het klembord.

In de gaten houden en melden 6

Laat je hardop waarschuwen als een lange taak klaar is (hier over 30 minuten).

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

-> De Mac zegt: "Je lange taak is net klaar, goed gedaan!"

Wacht tot er een bestand in Downloads verschijnt en meld het.

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

-> Checkt elke 5s; zodra Report.pdf verschijnt, meldt de Mac het hardop.

Wacht tot een langlopend proces stopt en meld het.

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

-> Checkt elke 5s; zodra ffmpeg stopt, meldt de Mac het hardop.

Vat elke 30 minuten hardop samen wat je net hebt opgeleverd.

$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

-> Elk half uur een automatische stand-up, voorgelezen terwijl jij doorcodeert.

Waarschuw elke 15 minuten hardop als de batterij onder 20 procent zakt.

$while sleep 900; do P=$(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

-> Stil tot de batterij zakt; dan roept de Mac hardop een vriendelijke maar dringende waarschuwing.

Houd een URL in de gaten tot die 2xx teruggeeft en vier de deploy hardop.

$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

-> Checkt elke 30s tot staging online is; de Mac zegt "Je deploy staat live, de URL reageert!".

Web en tekst 4

Herschrijf een losse zin tot iets beleefds.

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

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

Roep een URL aan en vraag wat er aan de hand is, alleen op basis van de headers.

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

-> GitHub levert een HTML-pagina met strikte caching- en securityheaders.

Hacker News van vandaag, samengevat in één zin en hardop voorgelezen.

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

-> De Mac leest de topverhalen van de dag voor in één beknopte samenvatting.

Leg een JSON-blob uit in gewone taal.

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

-> Een gebruiker genaamd Alice met een pro-abonnement en 42 credits.

Snel opzoeken 8

Rekenen zonder een rekenmachine te openen.

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

-> 13.13

Genereer een regex zonder de terminal te verlaten.

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

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

Vraag om die bash-one-liner die je vergeten bent.

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

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

Laat een cryptisch commando uitleggen in plaats van te gokken.

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

-> Pakt een gzip-tarball uit in de huidige map.

Exacte git-commando vergeten? Vraag het gewoon.

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

-> git reset --soft HEAD~1

Ontcijfer andermans regex in één zin.

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

-> Matcht een prefix van 3 cijfers, een koppelteken en 4 cijfers: een Amerikaans telefoonformaat.

Zet een losjes geschreven datum om naar 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

Vat een heel bestand samen in 3 bullets.

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

-> 3 bullets over doel, installatie, gebruik.

OpenAI-compatibel.

Verander één URL. Je code blijft.

Drop-in vervanger

apfel spreekt de OpenAI API. Elke clientbibliotheek, elk framework en elke tool die met OpenAI praat, kan in plaats daarvan met de AI van je Mac praten. Verander alleen de base-URL.

  • ✓ POST /v1/chat/completions
  • ✓ POST /v1/responses (Responses API)
  • ✓ Streaming (SSE)
  • ✓ Tool calling / function calling
  • ✓ GET /v1/models
  • ✓ response_format: json_object, json_schema
  • ✓ image_url-onderdelen als data-URL's (macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ CORS voor browserclients
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)

Hetzelfde model als Apples fm. Een andere taak.

macOS 27 levert fm mee, Apples eigen commandline-front-end voor het on-device model. Hier gaan de twee uit elkaar.

 apfelApple fm
Draait opmacOS 26 en 27, één binaryAlleen macOS 27
Installerenbrew install apfelAl aanwezig (eenmalig sudo fm license)
OpenAI-clients werken ongewijzigdJa: standaard JSON, usage, max_tokens gerespecteerd, fouten gemaptStreamt tenzij je anders vraagt, negeert max_tokens, 500 bij guardrails
Tool calling en MCPNative toolaanroepen, lokale en externe MCP-serversGeen (tools lekt templatetokens in het antwoord)
Scripting--code, -o json, 9 exitcodes, --count-tokens --strictPlatte tekst, exit 0 of 1
Bestanden als inputTekst, pdf, afbeeldingen: OCR-tekst op beide systemen, plus de afbeelding zelf naar het model op macOS 27Afbeeldingen naar het model, plus ingebouwde tools voor OCR en barcodes
Chatsessies die bewaard blijvenNeeTranscripten met naam, --resume
SnelheidHetzelfde model op dezelfde Mac, hetzelfde contextvenster (4.096 tokens op deze M2, 8.192 op M3 en nieuwer), identieke tokentellingen. Losse prompt: 0,35 s vs 0,30 s.

Een korte geschiedenis. apfel was er eerst: eerste commit en v0.1.0 op 24 maart 2026, eerste GitHub-release op 31 maart 2026, voorpagina van Hacker News in april. Apple kondigde fm op 8 juni 2026 aan op WWDC en leverde het op 14 september 2026 mee met macOS 27. Beide sturen hetzelfde on-device model aan via hetzelfde FoundationModels-framework; apfel is de open-sourcevariant, en de variant die ook op macOS 26 draait.

Elke rij is gemeten op macOS 27.0.1 (Apple M2, 24 GB) op 05-10-2026 en wordt bij elke apfel-release opnieuw gemeten. Op de volledige pagina staan de servertests, de tabel met gelijke tokentellingen en alle commando's om ze te reproduceren.

Populair op GitHub.

Van nul naar 6,610 sterren, en de teller loopt door.

6,610
GitHub-sterren
251 forks
2450 tests
v1.18.0 uitgebracht

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

Geef een ster op 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

Gegevens per

Aan de slag.

Geen modeldownloads. Geen registratie. Geen API-sleutels. Alleen dit.

Homebrew

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

Bouwen vanuit de broncode

vereist CLT + macOS 27 SDK (draait op 26 en 27)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

De apfel-boom.

Een groeiende familie native macOS-tools die op apfel zijn gebouwd, en zusterprojecten die andere Apple-frameworks naar de terminal brengen.

apfel-chat - privé AI-chat voor macOS

apfel-chat

macOS-chatclient voor meerdere gesprekken. Streaming markdown, spraak in en uit, beeldanalyse: volledig privé, geen API-sleutels, geen cloud.

SwiftUI Productie
apfelpad - formule-kladblok met on-device AI

apfelpad

Een formule-kladblok om mee te denken. Typ =apfel("summarize this") in je markdown en zie het antwoord ter plekke binnenstromen. Zoals =SUM, maar dan voor taal.

SwiftUI Nieuw
apfel-quick - directe AI-overlay voor macOS

apfel-quick

Directe AI-overlay. Druk overal op Ctrl+Spatie, typ een vraag en het antwoord stroomt naar je klembord. Geen wifi, geen account, geen rekening.

SwiftUI Nieuw
Screenshot van apfel-gui

apfel-gui

Native macOS-debug-GUI in SwiftUI. Chat met Apple Intelligence, bekijk requests en responses, logs, spraak-naar-tekst, tekst-naar-spraak: alles on-device.

SwiftUI
apfel-clip - AI-klembordacties

apfel-clip

AI-klembordacties vanuit de menubalk. Druk op cmd+shift+V bij willekeurige tekst: grammatica verbeteren, vertalen, code uitleggen, samenvatten. Volledig on-device, geen API-sleutels.

SwiftUI Productie
apfel-mcp - MCP-servers voor apfel

apfel-mcp

Geef apfel het web en je bestanden. Vier kleine MCP-tools (url-fetch, ddg-search, search-and-fetch en een alleen-lezen bestandslezer), elk ingekort zodat ze in het kleine contextvenster van apfel passen (4.096 tokens op de meeste Macs, 8.192 op M3 en nieuwer met macOS 27).

Python Nieuw
apfel-run - blijvend MCP-register

apfel-run

Piepkleine UNIX-wrapper die apfel een blijvend MCP-register geeft. Zet MCP-servers op naam aan en uit vanuit een eenvoudig configuratiebestand in platte tekst. Overleeft herstarts, geen GUI, geen daemon.

Shell Nieuw
apfel-server-kit - Swift-pakket voor de tools in het ecosysteem

apfel-server-kit

Gedeeld Swift-pakket dat het ecosysteem aandrijft. Vind, start en stream vanuit een lokaal apfel --serve-proces. De ruggengraat waar elke SwiftUI-app van apfel mee praat.

Swift Nieuw
auge - Apples Vision-framework vanuit de terminal

auge

Zusterproject. apfel doet taal, auge doet beeld. Eén CLI voor OCR, beeldclassificatie, barcodes en gezichtsherkenning, 100% on-device via Apples Vision-framework. Geen API-sleutels, geen cloud.

Swift Zusterproject
translate - Apples Translation-framework vanuit de terminal

translate

Zusterproject. UNIX-filter plus drop-in HTTP-server voor DeepL, LibreTranslate en Google v2, aangedreven door Apples on-device Translation-framework. 100% on-device, keihard afgedwongen door NetworkGuard. Geen API-sleutels, geen cloud.

Swift Zusterproject

Veelgestelde vragen.

Vragen verzameld op Hacker News en Reddit.

Welke macOS-versie heb ik nodig?
macOS 26 (Tahoe) of nieuwer. Het FoundationModels-framework zit alleen in Tahoe. Werkt niet op Sequoia of ouder. Vereist Apple Silicon (M1 of nieuwer).
Heeft apfel toegang tot mijn persoonlijke gegevens?
Nee. Het FoundationModels-framework heeft geen enkele toegang tot contacten, e-mails, agenda, foto's of de Semantic Index. Die zijn voorbehouden aan Apples eigen functies.
Verlaat er data mijn Mac?
Nee. Twee lagen privacy beschermen je.

Het model: Apples FoundationModels-framework werkt zonder internetverbinding en draait volledig op de Neural Engine. Je prompts en antwoorden verlaten het apparaat nooit. Gebruikersdata wordt nooit gebruikt voor training.

De tool: apfel houdt het zo. Geen analytics, geen telemetrie, geen tracking, geen automatische updatechecks, geen crashrapporten en niets dat naar huis belt. Open source en controleerbaar.
Hoe groot is het contextvenster?
4.096 tokens (~3.000 woorden) voor input en output samen, op macOS 26 en op Macs met M1/M2. Op macOS 27 krijgen Macs met een M3-chip of nieuwer en minstens 12 GB het grotere on-device model van Apple (AFM 3 Core Advanced) met 8.192 tokens. apfel hardcodeert dit nooit: apfel --model-info toont het venster dat je Mac echt heeft. Ideaal voor shellscripts, samenvattingen en teksttransformaties. Niet geschikt voor lange gesprekken of grote documenten.
Waar is het model goed in? Waar heeft het moeite mee?
Goed in: shellscripting, teksttransformatie, classificatie, korte samenvattingen, JSON herstructureren, vertalen.

Beperkt in: rekenen, feitenkennis, lange gesprekken, complexe codegeneratie.

Het model weigert liever dan dat het hallucineert. Een bewuste ontwerpkeuze van Apple.
Is de servermodus veilig?
Standaard uit. Indien ingeschakeld: Bearer-tokenauthenticatie (--token), origin-controle, logendpoints alleen in debugmodus. Details in server-security.md.
Moet ik Apple Intelligence inschakelen?
Ja. Systeeminstellingen > Apple Intelligence & Siri > inschakelen. Daarmee wordt het model gedownload. Je hoeft Siri niet te gebruiken, alleen in te schakelen. Installatiegids van Apple.
Hoe update ik apfel?
apfel --update. Herkent de installatiemethode, zoekt naar een nieuwere versie en vraagt om bevestiging voor het upgraden. Handmatig: brew upgrade apfel of git pull && make install.
Welk model gebruikt het?
Apples eigen AFM (Apple Foundation Model), zo'n 3 miljard parameters met gemengde 2-bit- en 4-bit-kwantisatie. Niet van OpenAI. Wordt meegeleverd met macOS Tahoe en draait volledig on-device op de Neural Engine.
Wat is het verschil tussen apfel en Ollama of LM Studio?
Nul LLM-downloads, direct starten, geen setup. apfel gebruikt het model dat al op je Mac staat. Ollama en LM Studio bieden meer modellen en grotere contextvensters, maar vragen om aparte downloads en configuratie. Verschillende tools voor verschillende behoeften.
Ondersteunt apfel MCP en tool calling?
Ja. Native MCP ingebouwd. Geef --mcp <server> mee om tools te koppelen. Handleiding tool calling.
Wat is het verschil tussen apfel en Apples eigen fm CLI op macOS 27?
Hetzelfde model, een andere taak. macOS 27 levert fm mee, Apples commandline-front-end voor hetzelfde on-device model. apfel voegt daar de OpenAI-compatibele server aan toe met tool calling, MCP, JSON Schema-output, afbeeldingen als data-URL's, eerlijke exitcodes en ondersteuning voor macOS 26. Naast elkaar gemeten: apfel vs fm.
Heeft apfel telemetrie of functies die naar huis bellen?
Helemaal niet. apfel neemt nooit op de achtergrond contact op met een server. De enige netwerkaanroep is wanneer je zelf apfel --update uitvoert, dat bij Homebrew naar een nieuwere versie kijkt. Open source en controleerbaar.
Wie heeft dit gemaakt?
apfel is gemaakt door Franz Enzenhofer (systeemdenker, auteur, developer sinds de C64-tijd, AI-monteur) / franze op HN / oprichter van Full Stack Optimization en franzai.com.

Mede onderhouden door Arthur Ficial, een OpenClaw-instantie die draait op Claude Opus van Anthropic. Grotendeels ontwikkeld met Claude Code en Codex. Altijd in high thinking / high effort-modus.

Gestart: 24 maart 2026.
Hoe wordt het getest?
334 unittests + 216 integratietests (end-to-end, compatibiliteit met OpenAI-clients, validatie van de OpenAPI-specificatie, beveiliging, prestaties). 550 tests in totaal, stand per 12 april 2026.
Hoe is apfel ontstaan?
apfel begon als poging om OpenClaw op Apple Intelligence te draaien in een ultrazuinige tokenmodus. Dat lukte niet vanwege het contextvenster van 4K. Maar het bleek dat een lokaal, snel, scriptbaar, on-device, altijd beschikbaar LLM zonder configuratie en met privacy voorop ongelooflijk gaaf, krachtig, leuk en interessant is.