O apfel é um projeto .

v1.18.0 · Zero configuração · MIT

apfel

A IA gratuita que já está no seu Mac.

O macOS Tahoe traz um LLM de 3 mil milhões de parâmetros. O apfel põe-no à sua disposição na CLI com um único brew install. Sem transferir modelos, sem chaves de API, sem configuração: simplesmente funciona.

  • Zero custos por token
  • IA on-device
  • Scriptável
$ brew install apfel

6.6k+ estrelas em github.com/Arthur-Ficial/apfel

Requisitos: Apple Silicon · macOS Tahoe · Apple Intelligence ativado

Novo no apfel? Comece o tutorial de 60 segundos (em inglês)

Tudo corre no seu dispositivo. Sem chamadas de rede. Nenhum dado sai do seu Mac.

Veja-o a funcionar.

Do brew install à primeira resposta da IA em 12 segundos. Sem configuração.

Terminal - apfel
$
Gravação real do terminal, sem qualquer edição: apfel 1.18.0 no macOS 27.0.1, MacBook Air M2.

Zero configuração. Zero LLM para transferir. Zero custos por token.

Outras ferramentas de IA local são ótimas, mas obrigam a transferir modelos e a configurá-los. O apfel não precisa de nada: o modelo já está no seu Mac. Um único brew install. Está feito.

$0
Custo por token
Sem chaves de API. Sem subscrições. Sem faturação por token. O seu hardware, a sua IA.
100%
On-device
Cada token é gerado localmente no seu Apple Silicon. Nada sai do seu computador. Nunca.
0
Passos de configuração
Sem YAML. Sem variáveis de ambiente. Sem escolher modelos. Instale uma vez, use para sempre.

O modelo por dentro

Apple ML Research
~3BParâmetros
4,096 / 8,192Janela de contexto (M1/M2 / M3+ no macOS 27)
~3.5 bpwQuantização
Mixed 2/4-bitPrecisão
Neural EngineCorre em
en, de, es, fr, it, ja, ko, pt, zhIdiomas

Três ferramentas. Uma só instalação.

Uma CLI, um servidor compatível com a OpenAI e um chat interativo. Tudo a partir de um único brew install. Sem transferências extra.

>_

Ferramenta UNIX

Feita para pipes e combinável. Funciona com jq, xargs e os seus scripts de shell. stdin, stdout, saída JSON, JSON válido segundo um schema com --schema, conversas multi-turno a partir de um ficheiro de mensagens com --messages, anexos, códigos de saída corretos.

$ 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
{ }

Servidor OpenAI

Substituto direto em localhost:11434. Aponte para lá qualquer SDK da OpenAI e pronto. Chat Completions e Responses API, streaming, tool calling, saída JSON Schema, CORS.

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

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

Chat interativo

Conversas multi-turno com gestão automática do contexto. Cinco estratégias de corte. Suporte para system prompt. Para começar, basta escrever apfel num terminal. Tudo no seu Mac.

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

Suporte MCP nativo.

Dê ferramentas ao modelo on-device da Apple. Quaisquer ferramentas.

Ligue servidores de ferramentas com --mcp

O apfel fala o Model Context Protocol. Ligue-o a qualquer servidor MCP e o modelo on-device ganha ferramentas: cálculos, APIs, bases de dados, tudo aquilo para que consiga escrever um servidor.

  • Funciona nos três modos: CLI, servidor e chat
  • Descobre as ferramentas automaticamente via MCP tools/list no arranque
  • Chamadas de ferramentas detetadas e executadas, resultados devolvidos ao modelo automaticamente
  • Sem a flag --mcp, sem overhead: zero tokens extra, zero alterações no caminho do código
  • Inclui um servidor MCP de calculadora como prova de conceito
  • Servidores MCP remotos via URL: --mcp https://... com autenticação opcional por 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

Como funciona.

A Apple pôs um LLM em cada Mac. E ele está ali, parado. O apfel dá-lhe uma porta de entrada, com zero configuração.

A Apple inclui um LLM on-device

A partir do macOS 26 (Tahoe), todos os Mac com Apple Silicon incluem um modelo de linguagem como parte do Apple Intelligence. A Apple disponibiliza-o através da framework FoundationModels, uma API Swift que dá às apps acesso a SystemLanguageModel. Toda a inferência corre no Neural Engine e na GPU. Sem chamadas de rede, sem cloud, sem chaves de API. O modelo simplesmente está lá.

Mas a Apple só o usa para a Siri

De origem, o modelo on-device alimenta a Siri, as Writing Tools e funcionalidades do sistema. Não há nenhum comando de terminal, nenhum endpoint HTTP, nenhuma forma de lhe passar texto por pipe. A framework FoundationModels existe, mas para a usar é preciso escrever uma app em Swift. É exatamente isso que o apfel faz.

O que o apfel acrescenta

O apfel é um binário Swift 6.3 que envolve LanguageModelSession e disponibiliza-o de três formas: como ferramenta UNIX de linha de comandos com stdin/stdout, como servidor HTTP compatível com a OpenAI (construído sobre Hummingbird) e como chat interativo com gestão de contexto.

Trata do que a API em bruto da Apple não faz: códigos de saída corretos, saída JSON, anexos, cinco estratégias de corte para a pequena janela de contexto (4.096 tokens, 8.192 nos Mac M3 e mais recentes com macOS 27), contagem real de tokens através do SDK e conversão dos schemas de ferramentas da OpenAI para o formato nativo da Apple, Transcript.ToolDefinition.

hardware Apple Silicon (Neural Engine + GPU)
|
modelo O LLM on-device da Apple (incluído no macOS)
|
sdk FoundationModels.framework (API Swift)
|
apfel CLI + servidor HTTP + gestão de contexto
|
você Terminal, scripts de shell, SDKs da OpenAI, curl
4.096 ou 8.192 tokens Janela de contexto (entrada + saída). 4.096 no macOS 26 e nos Mac M1/M2; 8.192 em M3 ou mais recente com 12 GB ou mais no macOS 27. O apfel lê-a em tempo de execução.
1 modelo Fixo, não configurável
Swift 6.3 Strict concurrency, sem Xcode
Licença MIT Open source

Privado de raiz.

Nem uma única chamada HTTP enquanto usa o apfel. Cada afirmação abaixo remete para a documentação da própria Apple.

On-device. Funciona offline.

A framework FoundationModels corre inteiramente no Neural Engine do seu Apple Silicon. Sem servidor, sem cloud, sem precisar de ligação à internet.

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

Os seus dados continuam seus.

A Apple não recolhe prompts, respostas nem quaisquer dados de utilização da inferência on-device. Nada é guardado, nada é enviado.

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

Nunca usados para treino.

A Apple treina os seus foundation models apenas com dados licenciados e públicos. As suas interações nunca entram no pipeline de treino.

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

O apfel não acrescenta qualquer rastreio.

Sem analytics, sem telemetria, sem verificações automáticas de atualizações, sem relatórios de falhas, sem ligações ocultas ao exterior. A única chamada de rede que o apfel faz é quando executa explicitamente apfel --update. Todo o código é open source.

Ferramentas poderosas incluídas.

Scripts de shell na pasta demo/. Instale primeiro o apfel e depois escolha os que quiser.

>_

cmd

De linguagem natural para comando de shell. Diga o que quer, receba o comando.

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

oneliner

Cadeias de pipes a partir de uma frase simples. awk, sed, sort, uniq: gerados para si.

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

mac-narrator

Narra a atividade do sistema do seu Mac como um documentário sobre a natureza.

$ mac-narrator --watch
?

explain

Explica qualquer comando, mensagem de erro ou excerto de código em linguagem simples.

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

wtd

Que pasta é esta? Orientação instantânea em qualquer codebase.

$ wtd
++

gitsum

Resume os commits git recentes em poucas frases.

$ gitsum

30 one-liners úteis e engenhosos.

Cada comando foi testado num Mac a sério. Encadeie o apfel com ps, lsof, du, vm_stat, git, pbpaste, sleep, pgrep, curl, say: uma capacidade de combinação que as IAs na cloud não conseguem igualar, porque não veem os seus processos, a sua área de transferência, o seu git diff. O apfel vê.

Sistema ao vivo 8

O que está a devorar o meu CPU neste momento.

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

-> O WindowServer é quem usa mais CPU, com 42,6%.

Que apps estão à escuta em que portas.

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

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

Que volume está mais perto de encher.

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

-> /dev/disk3s1 é o mais cheio: 263Gi de 926Gi.

vm_stat traduzido para linguagem simples.

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

-> 349k páginas ativas, 266k wired: muita memória em uso.

Que pastas aqui ocupam mais espaço em disco.

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

-> Dominam Library com 36G e Downloads com 604M.

Os maiores ficheiros desta pasta.

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

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

Que apps estão a comunicar com a internet neste momento.

$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 ...

Saúde da bateria e autonomia restante numa linha.

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

-> Carga completa, saúde a 100%, atualmente em uso.

Git 2

Resuma os seus commits recentes em linguagem simples.

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

-> Atualizações da v1.2.1 para a v1.3.2, projetos irmãos adicionados ...

Escreva uma nota de lançamento de uma linha a partir dos commits recentes.

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

-> Lançada a v1.3.2 com 5053 estrelas, 783 testes, atualizações.

Ida e volta pela área de transferência 4

Corrija a gramática do que estiver na área de transferência e volte a colocar lá a versão corrigida.

$pbpaste | apfel "fix grammar" | pbcopy

-> "i has went" passa a "I went", de volta à área de transferência.

Traduza a área de transferência para japonês e volte a colocá-la lá.

$pbpaste | apfel "translate to japanese" | pbcopy

-> A área de transferência tem agora a tradução em japonês.

Resuma em 3 pontos uma parede de texto que tem na área de transferência.

$pbpaste | apfel "summarize in 3 bullets"

-> 3 pontos concisos no seu terminal.

Extraia tarefas claras das notas de uma reunião copiadas para a área de transferência.

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

-> "A Sarah prepara o orçamento do T3", "enviar email à equipa de design", ... de volta à área de transferência.

Vigiar e anunciar 6

Seja avisado em voz alta quando uma tarefa longa terminar (aqui, daqui a 30 minutos).

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

-> O Mac diz: "A sua tarefa longa acabou de terminar, muito bem!"

Espere que um ficheiro chegue às Transferências e anuncie-o.

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

-> Verifica a cada 5s; quando aparece o Report.pdf, o Mac dá a notícia em voz alta.

Espere que um processo demorado termine e anuncie-o.

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

-> Verifica a cada 5s; quando o ffmpeg termina, o Mac dá a notícia em voz alta.

A cada 30 minutos, resuma em voz alta o que acabou de lançar.

$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

-> Um stand-up automático de meia em meia hora, lido em voz alta enquanto continua a programar.

A cada 15 minutos, avise em voz alta se a bateria descer abaixo dos 20 por cento.

$while sleep 900; do P=$(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

-> Silêncio até a bateria baixar; depois o Mac lança em voz alta um aviso simpático mas urgente.

Vigie um URL até devolver 2xx e celebre o deploy em voz alta.

$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

-> Verifica a cada 30s até o staging estar no ar; o Mac diz "O deploy está no ar, o URL está a responder!".

Web e texto 4

Reformule uma frase informal num tom educado.

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

-> "Poderia partilhar os documentos assim que possível ..."

Consulte um URL e pergunte o que se passa, só pelos headers.

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

-> O GitHub serve uma página HTML com headers de cache e de segurança rigorosos.

O Hacker News de hoje, resumido numa frase e lido em voz alta.

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

-> O Mac lê as principais notícias do dia num resumo compacto.

Explique um blob JSON em linguagem simples.

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

-> Uma utilizadora chamada Alice, no plano pro, com 42 créditos.

Respostas rápidas 8

Contas sem abrir a calculadora.

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

-> 13.13

Gere uma regex sem sair do terminal.

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

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

Peça aquele one-liner de bash que esqueceu.

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

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

Peça a explicação de um comando críptico em vez de adivinhar.

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

-> Descomprime e extrai um tarball gzip para a diretoria atual.

Não se lembra do comando git exato? Pergunte.

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

-> git reset --soft HEAD~1

Decifre numa frase a regex de outra pessoa.

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

-> Corresponde a um prefixo de 3 dígitos, um hífen e 4 dígitos: um formato de telefone dos EUA.

Converta uma data escrita de forma informal para 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

Resuma um ficheiro inteiro em 3 pontos.

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

-> 3 pontos sobre âmbito, instalação, utilização.

Compatível com a OpenAI.

Mude um URL. Mantenha o seu código.

Substituto direto

O apfel fala a API da OpenAI. Qualquer biblioteca cliente, framework ou ferramenta que comunique com a OpenAI pode, em vez disso, falar com a IA do seu Mac. Basta mudar o URL base.

  • ✓ POST /v1/chat/completions
  • ✓ POST /v1/responses (Responses API)
  • ✓ Streaming (SSE)
  • ✓ Tool calling / function calling
  • ✓ GET /v1/models
  • ✓ response_format: json_object, json_schema
  • ✓ Partes image_url como data URLs (macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ CORS para clientes no browser
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)

O mesmo modelo do fm da Apple. Outro propósito.

O macOS 27 inclui o fm, o front end de linha de comandos da própria Apple para o modelo on-device. Eis onde os dois seguem caminhos diferentes.

 apfelApple fm
Corre emmacOS 26 e 27, um só binárioSó macOS 27
Instalarbrew install apfelJá está lá (sudo fm license uma vez)
Os clientes OpenAI funcionam sem alteraçõesSim: JSON por omissão, usage, max_tokens respeitado, erros mapeadosFaz streaming a menos que lhe peçam o contrário, ignora max_tokens, erro 500 nos guardrails
Tool calling e MCPChamadas de ferramentas nativas, servidores MCP locais e remotosNenhum (tools deixa escapar tokens do template na resposta)
Scripting--code, -o json, 9 códigos de saída, --count-tokens --strictTexto simples, código de saída 0 ou 1
Ficheiros de entradaTexto, PDF, imagens: texto por OCR nos dois sistemas, e ainda a própria imagem enviada ao modelo no macOS 27Imagens enviadas ao modelo, mais ferramentas integradas de OCR e códigos de barras
Sessões de chat persistentesNãoTranscrições com nome, --resume
VelocidadeO mesmo modelo no mesmo Mac, a mesma janela de contexto (4.096 tokens neste M2, 8.192 em M3 e mais recentes), contagens de tokens idênticas. Prompt único: 0,35 s contra 0,30 s.

Um pouco de história. O apfel chegou primeiro: primeiro commit e v0.1.0 a 24 de março de 2026, primeira release no GitHub a 31 de março de 2026, primeira página do Hacker News em abril. A Apple anunciou o fm na WWDC a 8 de junho de 2026 e lançou-o com o macOS 27 a 14 de setembro de 2026. Ambos usam o mesmo modelo on-device através da mesma framework FoundationModels; o apfel é o open source, e o que também corre no macOS 26.

Cada linha foi medida no macOS 27.0.1 (Apple M2, 24 GB) a 05/10/2026 e volta a ser medida em cada release do apfel. A página completa tem os testes do servidor, a tabela de paridade da contagem de tokens e todos os comandos para os reproduzir.

Popular no GitHub.

De zero a 6,610 estrelas, e a contar.

6,610
Estrelas no GitHub
251 forks
2450 testes
v1.18.0 lançada

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

Dar uma estrela no 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

Dados de

Comece já.

Sem transferir modelos. Sem registos. Sem chaves de API. Só isto.

Homebrew

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

Compilar a partir do código-fonte

requer CLT + SDK do macOS 27 (corre no 26 e no 27)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

A árvore do apfel.

Uma família crescente de ferramentas nativas para macOS construídas sobre o apfel, e projetos irmãos que levam outras frameworks da Apple para o terminal.

apfel-chat - chat de IA privado para macOS

apfel-chat

Cliente de chat para macOS com várias conversas. Markdown em streaming, entrada e saída de voz, análise de imagens: totalmente privado, sem chaves de API, sem cloud.

SwiftUI Em produção
apfelpad - bloco de notas com fórmulas e IA on-device

apfelpad

Um bloco de notas com fórmulas para pensar. Escreva =apfel("summarize this") no seu markdown e veja a resposta surgir em streaming no texto. Como =SOMA, mas para linguagem.

SwiftUI Novo
apfel-quick - overlay de IA instantâneo para macOS

apfel-quick

Overlay de IA instantâneo. Prima Ctrl+Espaço em qualquer lado, escreva uma pergunta e a resposta chega em streaming à área de transferência. Sem Wi-Fi, sem conta, sem fatura.

SwiftUI Novo
Captura de ecrã do apfel-gui

apfel-gui

GUI de depuração nativa para macOS em SwiftUI. Converse com o Apple Intelligence, inspecione pedidos e respostas, logs, speech-to-text, text-to-speech: tudo on-device.

SwiftUI
apfel-clip - ações de IA para a área de transferência

apfel-clip

Ações de IA para a área de transferência a partir da barra de menus. Prima cmd+shift+V em qualquer texto: corrigir gramática, traduzir, explicar código, resumir. Totalmente on-device, sem chaves de API.

SwiftUI Em produção
apfel-mcp - servidores MCP para o apfel

apfel-mcp

Dê ao apfel a web e os seus ficheiros. Quatro pequenas ferramentas MCP (url-fetch, ddg-search, search-and-fetch e um leitor de ficheiros só de leitura), cada uma reduzida ao essencial para caber na pequena janela de contexto do apfel (4.096 tokens na maioria dos Mac, 8.192 em M3 e mais recentes com macOS 27).

Python Novo
apfel-run - registo MCP persistente

apfel-run

Pequeno wrapper UNIX que dá ao apfel um registo MCP persistente. Ative e desative servidores MCP pelo nome a partir de um simples ficheiro de configuração em texto. Sobrevive a reinícios, sem GUI, sem daemon.

Shell Novo
apfel-server-kit - pacote Swift para as ferramentas do ecossistema

apfel-server-kit

Pacote Swift partilhado que dá vida ao ecossistema. Encontra e lança um processo local apfel --serve e recebe o seu streaming. A espinha dorsal com que fala cada app SwiftUI do apfel.

Swift Novo
auge - a framework Vision da Apple no terminal

auge

Projeto irmão. O apfel trata da linguagem; o auge trata da visão. Uma CLI para OCR, classificação de imagens, códigos de barras e deteção de rostos, 100% on-device através da framework Vision da Apple. Sem chaves de API, sem cloud.

Swift Projeto irmão
translate - a framework Translation da Apple no terminal

translate

Projeto irmão. Filtro UNIX e servidor HTTP de substituição direta para DeepL, LibreTranslate e Google v2, com a framework Translation on-device da Apple. 100% on-device, garantido de forma rígida pelo NetworkGuard. Sem chaves de API, sem cloud.

Swift Projeto irmão

Perguntas frequentes.

Perguntas recolhidas no Hacker News e no Reddit.

De que versão do macOS preciso?
macOS 26 (Tahoe) ou mais recente. A framework FoundationModels só vem com o Tahoe. Não funciona no Sequoia nem em versões anteriores. Requer Apple Silicon (M1 ou posterior).
O apfel acede aos meus dados pessoais?
Não. A framework FoundationModels não tem qualquer acesso a contactos, emails, calendário, fotografias ou ao Semantic Index. Esses dados estão reservados às funcionalidades da própria Apple.
Algum dado sai do meu Mac?
Não. Está protegido por duas camadas de privacidade.

O modelo: a framework FoundationModels da Apple funciona sem ligação à internet e corre inteiramente no Neural Engine. Os seus prompts e respostas nunca saem do dispositivo. Os dados dos utilizadores nunca são usados para treino.

A ferramenta: o apfel mantém tudo assim. Sem analytics, sem telemetria, sem rastreio, sem verificações automáticas de atualizações, sem relatórios de falhas, sem ligações ocultas ao exterior. Open source e auditável.
Qual é o tamanho da janela de contexto?
4.096 tokens (~3.000 palavras) entre entrada e saída, no macOS 26 e nos Mac M1/M2. No macOS 27, os Mac com chip M3 ou mais recente e pelo menos 12 GB recebem o modelo on-device maior da Apple (AFM 3 Core Advanced), com 8.192 tokens. O apfel nunca fixa este valor no código: apfel --model-info mostra a janela que o seu Mac tem de facto. Ótima para scripts de shell, resumos e transformações de texto. Não é indicada para conversas longas nem documentos grandes.
Em que é que o modelo é bom? Onde tem dificuldades?
Bom em: scripting de shell, transformação de texto, classificação, resumos curtos, reestruturação de JSON, tradução.

Limitado em: matemática, memória factual, conversas longas, geração de código complexo.

O modelo prefere recusar a alucinar. É uma escolha de design deliberada da Apple.
O modo servidor é seguro?
Desligado por omissão. Quando ativo: autenticação por Bearer token (--token), verificação da origem, endpoints de log só em modo de depuração. Detalhes em server-security.md.
Tenho de ativar o Apple Intelligence?
Sim. Definições do Sistema > Apple Intelligence & Siri > ativar. Isto transfere o modelo. Não precisa de usar a Siri, basta ativá-la. Guia de configuração da Apple.
Como atualizo o apfel?
apfel --update. Deteta o método de instalação, procura uma versão mais recente e pede confirmação antes de atualizar. Manualmente: brew upgrade apfel ou git pull && make install.
Que modelo usa?
O AFM da própria Apple (Apple Foundation Model), com cerca de 3 mil milhões de parâmetros e quantização mista de 2 e 4 bits. Não é da OpenAI. Vem com o macOS Tahoe e corre inteiramente on-device, no Neural Engine.
Em que é que o apfel difere do Ollama ou do LM Studio?
Zero LLM para transferir, arranque instantâneo, sem configuração. O apfel usa o modelo que já está no seu Mac. O Ollama e o LM Studio oferecem mais modelos e janelas de contexto maiores, mas exigem transferências separadas e configuração. Ferramentas diferentes para necessidades diferentes.
O apfel suporta MCP e tool calling?
Sim. MCP nativo integrado. Passe --mcp <server> para ligar ferramentas. Guia de tool calling.
Em que é que o apfel difere do fm, a CLI da própria Apple no macOS 27?
O mesmo modelo, outro propósito. O macOS 27 inclui o fm, o front end de linha de comandos da Apple para o mesmo modelo on-device. O apfel acrescenta o servidor compatível com a OpenAI com tool calling, MCP, saída JSON Schema, entrada de imagens como data URLs, códigos de saída honestos e suporte para o macOS 26. Medidos lado a lado: apfel vs fm.
O apfel tem telemetria ou ligações ocultas ao exterior?
Nenhuma. O apfel nunca contacta nenhum servidor em segundo plano. A única chamada de rede acontece quando executa explicitamente apfel --update, que consulta o Homebrew à procura de uma versão mais recente. Open source e auditável.
Quem criou isto?
O apfel foi criado por Franz Enzenhofer (pensador sistémico, autor, programador desde os tempos do C64, mecânico de IA) / franze no HN / fundador da Full Stack Optimization e da franzai.com.

Comantido por Arthur Ficial, uma instância OpenClaw que corre no Claude Opus da Anthropic. Desenvolvido em grande parte com Claude Code e Codex. Sempre em modo high thinking / high effort.

Início: 24 de março de 2026.
Como é testado?
334 testes unitários + 216 testes de integração (end-to-end, compatibilidade com clientes OpenAI, validação da especificação OpenAPI, segurança, desempenho). 550 testes no total a 12 de abril de 2026.
Como nasceu o apfel?
O apfel começou como uma tentativa de pôr o OpenClaw a correr sobre o Apple Intelligence num modo de poupança extrema de tokens. Não resultou, por causa da janela de contexto de 4K. Mas descobriu-se que um LLM local, rápido, scriptável, on-device, sempre disponível, sem configuração e com a privacidade em primeiro lugar é incrivelmente fantástico, poderoso, divertido e interessante.