apfel to projekt .

v1.18.0 · Zero konfiguracji · MIT

apfel

Darmowa AI, którą już masz na Macu.

macOS Tahoe ma wbudowany LLM z 3 mld parametrów. apfel daje ci do niego dostęp z CLI po jednym brew install. Bez pobierania modeli, bez kluczy API, bez konfiguracji - po prostu działa.

  • Zero kosztów za tokeny
  • AI na urządzeniu
  • Do skryptów
$ brew install apfel

6.6k+ gwiazdek na github.com/Arthur-Ficial/apfel

Wymagania: Apple Silicon · macOS Tahoe · włączone Apple Intelligence

Nowy w apfel? Zacznij 60-sekundowy samouczek (po angielsku)

Wszystko działa na twoim urządzeniu. Żadnych połączeń sieciowych. Żadne dane nie opuszczają twojego Maca.

Zobacz, jak działa.

Od brew install do odpowiedzi AI w 12 sekund. Bez żadnej konfiguracji.

Terminal - apfel
$
Prawdziwe nagranie terminala, bez montażu: apfel 1.18.0 na macOS 27.0.1, MacBook Air M2.

Zero konfiguracji. Zero pobierania LLM. Zero kosztów za tokeny.

Inne lokalne narzędzia AI są świetne, ale wymagają pobrania modeli i konfiguracji. apfel nie potrzebuje niczego - model już jest na twoim Macu. Jedno brew install. Gotowe.

$0
Koszt tokenów
Bez kluczy API. Bez subskrypcji. Bez opłat za token. Twój sprzęt, twoja AI.
100%
Na urządzeniu
Każdy token powstaje lokalnie na twoim Apple Silicon. Nic nie opuszcza twojego komputera. Nigdy.
0
Kroki konfiguracji
Bez YAML. Bez zmiennych środowiskowych. Bez wybierania modelu. Zainstaluj raz, używaj zawsze.

Model pod maską

Apple ML Research
~3BParametry
4,096 / 8,192Okno kontekstowe (M1/M2 / M3+ na macOS 27)
~3.5 bpwKwantyzacja
Mixed 2/4-bitPrecyzja
Neural EngineDziała na
en, de, es, fr, it, ja, ko, pt, zhJęzyki

Trzy narzędzia. Jedna instalacja.

CLI, serwer zgodny z OpenAI i interaktywny czat. Wszystko z jednego brew install. Bez dodatkowego pobierania.

>_

Narzędzie UNIX

Działa w potokach i łatwo łączy się z innymi narzędziami. Współpracuje z jq, xargs i twoimi skryptami powłoki. stdin, stdout, wyjście JSON, JSON zgodny ze schematem dzięki --schema, rozmowy wieloturowe z pliku wiadomości dzięki --messages, załączniki plików, poprawne kody wyjścia.

$ 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
{ }

Serwer OpenAI

Zamiennik drop-in pod localhost:11434. Skieruj na niego dowolne OpenAI SDK i gotowe. Chat Completions i Responses API, streaming, tool calling, wyjście JSON Schema, CORS.

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

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

Interaktywny czat

Rozmowy wieloturowe z automatycznym zarządzaniem kontekstem. Pięć strategii przycinania. Obsługa promptu systemowego. Wpisz po prostu apfel w terminalu i zaczynasz. Wszystko na twoim Macu.

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

Natywna obsługa MCP.

Daj lokalnemu modelowi Apple narzędzia. Dowolne narzędzia.

Podłączaj serwery narzędzi przez --mcp

apfel obsługuje Model Context Protocol. Wskaż mu dowolny serwer MCP, a model na urządzeniu dostaje narzędzia - matematykę, API, bazy danych, wszystko, do czego da się napisać serwer.

  • Działa we wszystkich trzech trybach - CLI, serwer i czat
  • Przy starcie sam wykrywa narzędzia przez MCP tools/list
  • Wywołania narzędzi są wykrywane i wykonywane, a wyniki automatycznie wracają do modelu
  • Bez flagi --mcp nie ma narzutu - zero dodatkowych tokenów, zero zmian w ścieżce kodu
  • W zestawie serwer MCP z kalkulatorem jako proof of concept
  • Zdalne serwery MCP przez URL - --mcp https://... z opcjonalnym uwierzytelnianiem tokenem Bearer
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

Jak to działa.

Apple wbudowało LLM w każdego Maca. I on po prostu tam leży. apfel otwiera do niego drzwi - bez żadnej konfiguracji.

Apple dostarcza LLM działający na urządzeniu

Od macOS 26 (Tahoe) każdy Mac z Apple Silicon ma model językowy jako część Apple Intelligence. Apple udostępnia go przez framework FoundationModels - Swift API, które daje aplikacjom dostęp do SystemLanguageModel. Całe wnioskowanie działa na Neural Engine i GPU. Bez połączeń sieciowych, bez chmury, bez kluczy API. Model po prostu tam jest.

Ale Apple używa go tylko do Siri

Domyślnie model na urządzeniu napędza Siri, Writing Tools i funkcje systemowe. Nie ma polecenia w terminalu, nie ma endpointu HTTP, nie da się przepuścić przez niego tekstu potokiem. Framework FoundationModels istnieje, ale żeby z niego skorzystać, trzeba napisać aplikację w Swift. I właśnie to robi apfel.

Co dodaje apfel

apfel to binarka w Swift 6.3, która opakowuje LanguageModelSession i udostępnia ją na trzy sposoby: jako uniksowe narzędzie wiersza poleceń ze stdin/stdout, jako serwer HTTP zgodny z OpenAI (zbudowany na Hummingbird) i jako interaktywny czat z zarządzaniem kontekstem.

Załatwia to, czego surowe API Apple nie robi: poprawne kody wyjścia, wyjście JSON, załączniki plików, pięć strategii przycinania kontekstu dla małego okna kontekstowego (4 096 tokenów, 8 192 na Macach z M3 i nowszych z macOS 27), prawdziwe liczenie tokenów przez SDK oraz konwersję schematów narzędzi OpenAI do natywnego formatu Apple Transcript.ToolDefinition.

sprzęt Apple Silicon (Neural Engine + GPU)
|
model LLM Apple na urządzeniu (dostarczany z macOS)
|
sdk FoundationModels.framework (Swift API)
|
apfel CLI + serwer HTTP + zarządzanie kontekstem
|
ty Terminal, skrypty powłoki, OpenAI SDK, curl
4 096 lub 8 192 tokenów Okno kontekstowe (wejście + wyjście). 4 096 na macOS 26 i na Macach z M1/M2; 8 192 na M3 lub nowszych z 12 GB+ na macOS 27. apfel odczytuje je w czasie działania.
1 model Stały, bez możliwości zmiany
Swift 6.3 Ścisła współbieżność, bez Xcode
Licencja MIT Open source

Prywatny z założenia.

Ani jednego wywołania HTTP podczas używania apfel. Każde twierdzenie poniżej prowadzi do dokumentacji samego Apple.

Na urządzeniu. Działa offline.

Framework FoundationModels działa w całości na Neural Engine twojego Apple Silicon. Bez serwera, bez chmury, bez połączenia z internetem.

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

Twoje dane zostają twoje.

Apple nie zbiera promptów, odpowiedzi ani żadnych danych o użyciu z wnioskowania na urządzeniu. Nic nie jest zapisywane, nic nie jest wysyłane.

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

Nigdy nie służą do trenowania.

Apple trenuje swoje modele bazowe wyłącznie na licencjonowanych i publicznych danych. Twoje interakcje nigdy nie trafiają do procesu trenowania.

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

apfel nie dodaje żadnego śledzenia.

Bez analityki, bez telemetrii, bez automatycznego sprawdzania aktualizacji, bez raportowania awarii, bez dzwonienia do domu. Jedyne połączenie sieciowe, jakie apfel kiedykolwiek nawiązuje, następuje wtedy, gdy sam uruchomisz apfel --update. Cały kod jest open source.

Mocne narzędzia w zestawie.

Skrypty powłoki w folderze demo/. Najpierw zainstaluj apfel, potem weź te, których potrzebujesz.

>_

cmd

Z języka naturalnego na polecenie powłoki. Powiedz, czego chcesz, i dostań gotowe polecenie.

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

oneliner

Łańcuchy potoków ze zwykłego opisu. awk, sed, sort, uniq - wygenerowane za ciebie.

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

mac-narrator

Komentuje aktywność systemu twojego Maca jak film przyrodniczy.

$ mac-narrator --watch
?

explain

Wyjaśnia dowolne polecenie, komunikat błędu lub fragment kodu prostym językiem.

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

wtd

Co to za katalog? Błyskawiczne rozeznanie w dowolnym projekcie.

$ wtd
++

gitsum

Streszcza ostatnie commity git w kilku zdaniach.

$ gitsum

30 przydatnych i fajnych one-linerów.

Każde polecenie przetestowane na prawdziwym Macu. Łącz apfel z ps, lsof, du, vm_stat, git, pbpaste, sleep, pgrep, curl, say - AI w chmurze nie dorówna takiej kompozycyjności, bo nie widzi twoich procesów, schowka ani git diff. apfel widzi.

System na żywo 8

Co teraz zjada mój CPU.

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

-> Najwięcej CPU zużywa WindowServer: 42,6%.

Które aplikacje nasłuchują na jakich portach.

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

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

Który wolumin jest najbliżej zapełnienia.

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

-> Najpełniejszy jest /dev/disk3s1: 263Gi z 926Gi.

vm_stat przetłumaczony na ludzki język.

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

-> 349k stron aktywnych, 266k wired - spora część pamięci w użyciu.

Które foldery tutaj zajmują najwięcej miejsca.

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

-> Dominują Library (36G) i Downloads (604M).

Największe pliki w tym folderze.

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

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

Które aplikacje rozmawiają teraz z internetem.

$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 ...

Kondycja baterii i pozostały czas w jednej linii.

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

-> W pełni naładowana, kondycja 100%, obecnie aktywna.

Git 2

Podsumuj ostatnie commity prostym językiem.

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

-> Aktualizacje z v1.2.1 do v1.3.2, dodane projekty siostrzane ...

Napisz jednolinijkową notkę o wydaniu z ostatnich commitów.

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

-> Wydano v1.3.2: 5053 gwiazdki, 783 testy, aktualizacje.

Schowek tam i z powrotem 4

Popraw gramatykę tego, co masz w schowku, i odłóż poprawkę z powrotem.

$pbpaste | apfel "fix grammar" | pbcopy

-> „i has went” zmienia się w „I went” - i wraca do schowka.

Przetłumacz schowek na japoński i odłóż go z powrotem.

$pbpaste | apfel "translate to japanese" | pbcopy

-> Schowek zawiera teraz japońskie tłumaczenie.

Streść ścianę tekstu ze schowka w 3 punktach.

$pbpaste | apfel "summarize in 3 bullets"

-> 3 zwięzłe punkty w twoim terminalu.

Wyciągnij konkretne zadania z notatek ze spotkania w schowku.

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

-> „Sarah drafts Q3 budget”, „email design team”, ... z powrotem w schowku.

Obserwuj i ogłaszaj 6

Powiadom się na głos, gdy długie zadanie się skończy (tutaj po 30 minutach).

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

-> Mac mówi: „Twoje długie zadanie właśnie się skończyło, brawo!”

Poczekaj, aż plik pojawi się w Downloads, i ogłoś to.

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

-> Sprawdza co 5 s; gdy pojawi się Report.pdf, Mac ogłasza nowinę.

Poczekaj, aż długo działający proces się zakończy, i ogłoś to.

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

-> Sprawdza co 5 s; gdy ffmpeg się zakończy, Mac ogłasza nowinę.

Co 30 minut podsumuj na głos, co właśnie wypuściłeś.

$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

-> Automatyczny stand-up co pół godziny, czytany na głos, a ty dalej kodujesz.

Co 15 minut ostrzeż na głos, jeśli bateria spadnie poniżej 20 procent.

$while sleep 900; do P=$(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

-> Cisza, dopóki bateria nie spadnie; wtedy Mac wykrzykuje przyjazne, ale pilne ostrzeżenie.

Obserwuj URL, aż zwróci 2xx, a potem świętuj deploy na głos.

$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

-> Sprawdza co 30 s, aż staging wstanie; Mac mówi „Twój deploy działa, URL odpowiada!”.

Web i tekst 4

Przeredaguj luźne zdanie na coś uprzejmego.

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

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

Odpytaj URL i zapytaj, co się dzieje, na podstawie samych nagłówków.

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

-> GitHub serwuje stronę HTML ze ścisłym cache'owaniem i nagłówkami bezpieczeństwa.

Dzisiejszy Hacker News w jednym zdaniu, przeczytany na głos.

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

-> Mac czyta najważniejsze wiadomości dnia w jednym zwięzłym podsumowaniu.

Wyjaśnij blob JSON prostym językiem.

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

-> Użytkowniczka Alice w planie pro, ma 42 kredyty.

Szybkie sprawdzanie 8

Matematyka bez otwierania kalkulatora.

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

-> 13.13

Wygeneruj regex bez wychodzenia z terminala.

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

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

Poproś o one-liner w bashu, który wyleciał ci z głowy.

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

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

Wyjaśnij zagadkowe polecenie zamiast zgadywać.

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

-> Rozpakowuje archiwum tar skompresowane gzipem do bieżącego katalogu.

Nie pamiętasz dokładnego polecenia git? Po prostu zapytaj.

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

-> git reset --soft HEAD~1

Rozszyfruj czyjś regex w jednym zdaniu.

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

-> Dopasowuje 3-cyfrowy prefiks, łącznik i 4 cyfry - format numeru telefonu w USA.

Zamień luźno zapisaną datę na 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

Streść cały plik w 3 punktach.

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

-> 3 punkty: zakres, instalacja, użycie.

Zgodny z OpenAI.

Zmień jeden URL. Zachowaj swój kod.

Zamiennik drop-in

apfel mówi językiem OpenAI API. Każda biblioteka kliencka, framework czy narzędzie, które rozmawia z OpenAI, może zamiast tego rozmawiać z AI twojego Maca. Wystarczy zmienić bazowy 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
  • ✓ części image_url jako data URL (macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ CORS dla klientów w przeglądarce
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)

Ten sam model co fm od Apple. Inne zadanie.

macOS 27 zawiera fm, własny front-end wiersza poleceń Apple dla modelu na urządzeniu. Oto, gdzie drogi obu narzędzi się rozchodzą.

 apfelApple fm
Działa namacOS 26 i 27, jedna binarkatylko macOS 27
Instalacjabrew install apfelJuż jest (raz sudo fm license)
Klienci OpenAI działają bez zmianTak: domyślnie JSON, usage, respektuje max_tokens, zmapowane błędyStreamuje, jeśli nie poprosisz inaczej, ignoruje max_tokens, 500 przy guardrailach
Tool calling i MCPNatywne wywołania narzędzi, lokalne i zdalne serwery MCPBrak (przy tools tokeny szablonu wyciekają do odpowiedzi)
Skrypty--code, -o json, 9 kodów wyjścia, --count-tokens --strictZwykły tekst, kod wyjścia 0 lub 1
Pliki na wejściuTekst, PDF, obrazy: tekst z OCR na obu systemach, a na macOS 27 do modelu trafia też sam obrazObrazy do modelu, plus wbudowane narzędzia do OCR i kodów kreskowych
Trwałe sesje czatuNieNazwane transkrypty, --resume
SzybkośćTen sam model na tym samym Macu, to samo okno kontekstowe (4 096 tokenów na tym M2, 8 192 na M3 i nowszych), identyczna liczba tokenów. Pojedynczy prompt: 0,35 s vs 0,30 s.

Krótka historia. apfel był pierwszy: pierwszy commit i v0.1.0 pojawiły się 24 marca 2026, pierwsze wydanie na GitHubie 31 marca 2026, a w kwietniu projekt trafił na stronę główną Hacker News. Apple ogłosiło fm na WWDC 8 czerwca 2026 i wypuściło je 14 września 2026 razem z macOS 27. Oba korzystają z tego samego modelu na urządzeniu przez ten sam framework FoundationModels; apfel to ten z otwartym kodem i ten, który działa również na macOS 26.

Każdy wiersz zmierzono na macOS 27.0.1 (Apple M2, 24 GB) dnia 2026-10-05 i mierzy się go ponownie przy każdym wydaniu apfel. Pełna strona zawiera testy serwera, tabelę zgodności liczby tokenów i wszystkie polecenia, żeby to odtworzyć.

Popularny na GitHubie.

Od zera do 6,610 gwiazdek. I wciąż ich przybywa.

6,610
Gwiazdki na GitHubie
251 forków
2450 testów
v1.18.0 wydana

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

Daj gwiazdkę na GitHubie
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

Dane na dzień

Zaczynamy.

Bez pobierania modeli. Bez rejestracji. Bez kluczy API. Tylko to.

Homebrew

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

Kompilacja ze źródeł

wymaga CLT + SDK macOS 27 (działa na 26 i 27)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

Drzewo apfel.

Rosnąca rodzina natywnych narzędzi macOS zbudowanych na apfel - oraz projekty siostrzane, które przenoszą inne frameworki Apple do terminala.

apfel-chat - prywatny czat AI dla macOS

apfel-chat

Klient czatu dla macOS z wieloma rozmowami naraz. Streaming markdownu, mowa na wejściu i wyjściu, analiza obrazów - w pełni prywatnie, bez kluczy API, bez chmury.

SwiftUI Produkcyjny
apfelpad - notatnik z formułami i AI na urządzeniu

apfelpad

Notatnik z formułami do myślenia. Wpisz =apfel("summarize this") w swoim markdownie i patrz, jak wynik streamuje się prosto w tekst. Jak =SUM, tylko dla języka.

SwiftUI Nowość
apfel-quick - błyskawiczna nakładka AI dla macOS

apfel-quick

Błyskawiczna nakładka AI. Naciśnij Ctrl+Space gdziekolwiek, wpisz pytanie, a odpowiedź streamuje się do schowka. Bez Wi-Fi, bez konta, bez rachunku.

SwiftUI Nowość
Zrzut ekranu apfel-gui

apfel-gui

Natywne GUI do debugowania dla macOS w SwiftUI. Czatuj z Apple Intelligence, podglądaj żądania i odpowiedzi, logi, zamianę mowy na tekst i tekstu na mowę - wszystko na urządzeniu.

SwiftUI
apfel-clip - akcje AI na schowku

apfel-clip

Akcje AI na schowku z paska menu. Naciśnij cmd+shift+V na dowolnym tekście - popraw gramatykę, przetłumacz, wyjaśnij kod, streść. W pełni na urządzeniu, bez kluczy API.

SwiftUI Produkcyjny
apfel-mcp - serwery MCP dla apfel

apfel-mcp

Daj apfel dostęp do sieci i twoich plików. Cztery małe narzędzia MCP - url-fetch, ddg-search, search-and-fetch i czytnik plików tylko do odczytu - każde przycięte tak, żeby zmieściło się w małym oknie kontekstowym apfel (4 096 tokenów na większości Maców, 8 192 na M3 i nowszych z macOS 27).

Python Nowość
apfel-run - trwały rejestr MCP

apfel-run

Malutki uniksowy wrapper, który daje apfel trwały rejestr MCP. Włączaj i wyłączaj serwery MCP po nazwie w zwykłym tekstowym pliku konfiguracyjnym. Przetrwa restarty, bez GUI, bez demona.

Shell Nowość
apfel-server-kit - pakiet Swift dla narzędzi ekosystemu

apfel-server-kit

Wspólny pakiet Swift, na którym stoi cały ekosystem. Wykrywaj i uruchamiaj lokalny proces apfel --serve i streamuj z niego. Kręgosłup, z którym rozmawia każda aplikacja apfel w SwiftUI.

Swift Nowość
auge - framework Vision od Apple w terminalu

auge

Projekt siostrzany. apfel zajmuje się językiem, auge widzeniem. Jedno CLI do OCR, klasyfikacji obrazów, kodów kreskowych i wykrywania twarzy - w 100% na urządzeniu dzięki frameworkowi Vision od Apple. Bez kluczy API, bez chmury.

Swift Projekt siostrzany
translate - framework Translation od Apple w terminalu

translate

Projekt siostrzany. Filtr UNIX oraz serwer HTTP, który bezpośrednio zastępuje DeepL, LibreTranslate i Google v2 - napędzany frameworkiem Translation od Apple działającym na urządzeniu. W 100% na urządzeniu, twardo wymuszone przez NetworkGuard. Bez kluczy API, bez chmury.

Swift Projekt siostrzany

Często zadawane pytania.

Pytania zebrane z Hacker News i Reddita.

Jakiej wersji macOS potrzebuję?
macOS 26 (Tahoe) lub nowszego. Framework FoundationModels jest dostępny dopiero w Tahoe. Nie działa na Sequoia ani starszych. Wymaga Apple Silicon (M1 lub nowszy).
Czy apfel ma dostęp do moich danych osobowych?
Nie. Framework FoundationModels nie ma żadnego dostępu do kontaktów, e-maili, kalendarza, zdjęć ani Semantic Index. Są one zarezerwowane dla funkcji samego Apple.
Czy jakiekolwiek dane opuszczają mojego Maca?
Nie. Chronią cię dwie warstwy prywatności.

Model: framework FoundationModels od Apple działa bez połączenia z internetem i w całości na Neural Engine. Twoje prompty i odpowiedzi nigdy nie opuszczają urządzenia. Dane użytkowników nigdy nie służą do trenowania.

Narzędzie: apfel tego pilnuje. Bez analityki, bez telemetrii, bez śledzenia, bez automatycznego sprawdzania aktualizacji, bez raportowania awarii, bez dzwonienia do domu. Open source, każdy może to sprawdzić.
Jak duże jest okno kontekstowe?
4 096 tokenów (~3 000 słów) łącznie na wejście i wyjście na macOS 26 oraz na Macach z M1/M2. Na macOS 27 Maki z chipem M3 lub nowszym i co najmniej 12 GB dostają większy model Apple na urządzeniu (AFM 3 Core Advanced) z oknem 8 192 tokenów. apfel nigdy nie wpisuje tego na sztywno: apfel --model-info pokazuje okno, które faktycznie ma twój Mac. Świetne do skryptów powłoki, streszczeń i przekształcania tekstu. Nie nadaje się do długich rozmów ani dużych dokumentów.
W czym model jest dobry? Z czym sobie nie radzi?
Dobry w: skryptach powłoki, przekształcaniu tekstu, klasyfikacji, krótkich streszczeniach, przebudowie JSON, tłumaczeniu.

Słabszy w: matematyce, przywoływaniu faktów, długich rozmowach, generowaniu złożonego kodu.

Model woli odmówić, niż halucynować. To świadoma decyzja projektowa Apple.
Czy tryb serwera jest bezpieczny?
Domyślnie wyłączony. Po włączeniu: uwierzytelnianie tokenem Bearer (--token), sprawdzanie origin, endpointy logów tylko w trybie debug. Szczegóły w server-security.md.
Czy muszę włączyć Apple Intelligence?
Tak. Ustawienia systemowe > Apple Intelligence & Siri > włącz. Spowoduje to pobranie modelu. Nie musisz używać Siri, wystarczy ją włączyć. Instrukcja konfiguracji od Apple.
Jak zaktualizować apfel?
apfel --update. Wykrywa sposób instalacji, sprawdza, czy jest nowsza wersja, i pyta przed aktualizacją. Ręcznie: brew upgrade apfel lub git pull && make install.
Jakiego modelu używa?
Własnego AFM od Apple (Apple Foundation Model), około 3 mld parametrów z mieszaną kwantyzacją 2-bitową i 4-bitową. Nie OpenAI. Jest dostarczany z macOS Tahoe i działa w całości na urządzeniu, na Neural Engine.
Czym apfel różni się od Ollama czy LM Studio?
Zero pobierania LLM, natychmiastowy start, bez konfiguracji. apfel używa modelu, który już jest na twoim Macu. Ollama i LM Studio oferują więcej modeli i większe okna kontekstowe, ale wymagają osobnego pobierania i konfiguracji. Różne narzędzia do różnych potrzeb.
Czy apfel obsługuje MCP i tool calling?
Tak. Natywne MCP jest wbudowane. Podaj --mcp <server>, żeby podłączyć narzędzia. Przewodnik po tool calling.
Czym apfel różni się od fm, własnego CLI Apple w macOS 27?
Ten sam model, inne zadanie. macOS 27 zawiera fm, front-end wiersza poleceń Apple dla tego samego modelu na urządzeniu. apfel dodaje serwer zgodny z OpenAI z tool calling, MCP, wyjściem JSON Schema, obrazami na wejściu jako data URL, uczciwymi kodami wyjścia i obsługą macOS 26. Porównanie z pomiarami: apfel vs fm.
Czy apfel ma telemetrię albo dzwoni do domu?
Żadnych. apfel nigdy nie łączy się w tle z żadnym serwerem. Jedyne połączenie sieciowe następuje, gdy sam uruchomisz apfel --update, które sprawdza w Homebrew, czy jest nowsza wersja. Open source, każdy może to sprawdzić.
Kto to stworzył?
apfel stworzył Franz Enzenhofer (myśliciel systemowy, autor, programista od czasów C64, mechanik AI) / franze na HN / założyciel Full Stack Optimization i franzai.com.

Współopiekun projektu: Arthur Ficial, instancja OpenClaw działająca na Claude Opus od Anthropic. Rozwijany w dużej mierze z pomocą Claude Code i Codex. Zawsze w trybie high thinking / high effort.

Start: 24 marca 2026.
Jak jest testowany?
334 testy jednostkowe + 216 testów integracyjnych (end-to-end, zgodność z klientami OpenAI, walidacja specyfikacji OpenAPI, bezpieczeństwo, wydajność). Łącznie 550 testów według stanu na 12 kwietnia 2026.
Jak powstał apfel?
apfel zaczął się jako próba uruchomienia OpenClaw na Apple Intelligence w trybie ultraoszczędzania tokenów. Nie wyszło, bo okno kontekstowe ma tylko 4K. Okazało się jednak, że lokalny, szybki, skryptowalny LLM na urządzeniu, zawsze dostępny, bez konfiguracji i z prywatnością na pierwszym miejscu, to rzecz niesamowicie fajna, potężna, zabawna i ciekawa.