apfel ஒரு திட்டம்.

v1.18.0 · Config தேவையில்லை · MIT

apfel

உங்கள் Mac-இல் ஏற்கனவே இருக்கும் இலவச AI.

macOS Tahoe-வுடன் 3B parameter LLM ஒன்று வருகிறது. apfel ஒரே brew install மூலம் அதற்கு CLI அணுகலைத் தருகிறது. Model download இல்லை, API keys இல்லை, configuration தேவையில்லை - நேரடியாக வேலை செய்யும்.

  • Token கட்டணம் இல்லை
  • சாதனத்திலேயே AI
  • Script செய்யலாம்
$ brew install apfel

github.com/Arthur-Ficial/apfel-இல் 6.6k+ stars

தேவை: Apple Silicon · macOS Tahoe · Apple Intelligence இயக்கப்பட்டிருக்க வேண்டும்

apfel-க்குப் புதியவரா? 60 வினாடி பயிற்சியைத் தொடங்குங்கள் (ஆங்கிலத்தில்)

எல்லாமே உங்கள் சாதனத்திலேயே இயங்குகிறது. Network calls இல்லை. எந்தத் தரவும் உங்கள் Mac-ஐ விட்டு வெளியேறாது.

இயங்குவதைப் பாருங்கள்.

brew install முதல் AI output வரை 12 வினாடிகளில். எந்த configuration-உம் தேவையில்லை.

Terminal - apfel
$
எதுவும் திருத்தப்படாத உண்மையான terminal பதிவு: macOS 27.0.1-இல் apfel 1.18.0, MacBook Air M2.

Config இல்லை. LLM download இல்லை. Token கட்டணம் இல்லை.

மற்ற local AI கருவிகள் நன்றாகத்தான் இருக்கின்றன, ஆனால் model download-உம் configuration-உம் தேவை. apfel-க்கு எதுவுமே தேவையில்லை - model ஏற்கனவே உங்கள் Mac-இல் இருக்கிறது. ஒரே brew install. வேலை முடிந்தது.

$0
Token கட்டணம்
API keys இல்லை. Subscriptions இல்லை. ஒவ்வொரு token-க்கும் கட்டணம் இல்லை. உங்கள் hardware, உங்கள் AI.
100%
சாதனத்திலேயே
ஒவ்வொரு token-உம் உங்கள் Apple Silicon-இலேயே உருவாகிறது. எதுவும் உங்கள் கணினியை விட்டு வெளியேறாது. ஒருபோதும்.
0
Config படிகள்
YAML இல்லை. Environment variables இல்லை. Model தேர்வு இல்லை. ஒருமுறை install செய்யுங்கள், என்றென்றும் பயன்படுத்துங்கள்.

உள்ளே இயங்கும் model

Apple ML Research
~3Bபாராமீட்டர்கள்
4,096 / 8,192Context window (M1/M2 / macOS 27-இல் M3+)
~3.5 bpwகுவான்டைசேஷன்
Mixed 2/4-bitதுல்லியம்
Neural Engineஇயங்கும் இடம்
en, de, es, fr, it, ja, ko, pt, zhமொழிகள்

மூன்று கருவிகள். ஒரே install.

ஒரு CLI, ஒரு OpenAI-compatible server, ஒரு interactive chat. எல்லாமே ஒரே brew install-இல். கூடுதல் downloads இல்லை.

>_

UNIX கருவி

Pipe-க்கு ஏற்றது, மற்ற கருவிகளுடன் எளிதாக இணைக்கலாம். jq, xargs மற்றும் உங்கள் shell scripts உடன் வேலை செய்கிறது. stdin, stdout, JSON output, --schema மூலம் schema-வுக்கு இணங்கும் JSON, --messages மூலம் ஒரு messages file-இலிருந்து multi-turn உரையாடல், file attachments, முறையான exit codes.

$ 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

localhost:11434-இல் ஒரு drop-in replacement. எந்த OpenAI SDK-ஐயும் இதை நோக்கித் திருப்புங்கள், அவ்வளவுதான். Chat Completions மற்றும் 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 ...
...

Interactive Chat

தானியங்கி context நிர்வாகத்துடன் multi-turn உரையாடல்கள். ஐந்து trimming உத்திகள். System prompt ஆதரவு. தொடங்க terminal-இல் apfel என்று type செய்தால் போதும். எல்லாமே உங்கள் Mac-இலேயே.

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

Native MCP ஆதரவு.

Apple-இன் on-device model-க்கு tools கொடுங்கள். எந்த tools வேண்டுமானாலும்.

--mcp மூலம் tool servers-ஐ இணையுங்கள்

apfel Model Context Protocol-ஐப் பேசுகிறது. எந்த MCP server-ஐ நோக்கியும் அதைத் திருப்புங்கள், on-device model-க்கு tools கிடைக்கும் - கணக்கு, APIs, databases, நீங்கள் server எழுதக்கூடிய எதுவும்.

  • மூன்று modes-இலும் வேலை செய்கிறது - CLI, server, chat
  • தொடக்கத்திலேயே MCP tools/list மூலம் tools-ஐத் தானாகக் கண்டறிகிறது
  • Tool calls கண்டறியப்பட்டு, இயக்கப்பட்டு, முடிவுகள் தானாகவே திருப்பி அனுப்பப்படுகின்றன
  • --mcp flag இல்லையென்றால் எந்தச் சுமையும் இல்லை - கூடுதல் tokens இல்லை, code path-இல் எந்த மாற்றமும் இல்லை
  • Proof-of-concept ஆக ஒரு calculator MCP server உடன் வருகிறது
  • URL மூலம் remote MCP servers - --mcp https://..., விருப்பப்பட்டால் Bearer token auth உடன்
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

இது எப்படி வேலை செய்கிறது.

Apple ஒவ்வொரு Mac-க்குள்ளும் ஒரு LLM-ஐ வைத்திருக்கிறது. அது சும்மா அங்கே இருக்கிறது. apfel அதற்கு ஒரு வாசலைத் திறக்கிறது - எந்த configuration-உம் இல்லாமல்.

Apple ஒரு on-device LLM-ஐத் தருகிறது

macOS 26 (Tahoe) முதல், ஒவ்வொரு Apple Silicon Mac-இலும் Apple Intelligence-இன் ஒரு பகுதியாக ஒரு language model உள்ளது. Apple அதை FoundationModels framework மூலம் வழங்குகிறது - apps-க்கு SystemLanguageModel-ஐ அணுகத் தரும் ஒரு Swift API. எல்லா inference-உம் Neural Engine மற்றும் GPU-வில் இயங்குகிறது. Network calls இல்லை, cloud இல்லை, API keys இல்லை. Model ஏற்கனவே அங்கே இருக்கிறது.

ஆனால் Apple அதை Siri-க்கு மட்டுமே பயன்படுத்துகிறது

இயல்பாக, on-device model Siri, Writing Tools மற்றும் system அம்சங்களை இயக்குகிறது. Terminal command இல்லை, HTTP endpoint இல்லை, அதன் வழியாக text-ஐ pipe செய்ய எந்த வழியும் இல்லை. FoundationModels framework இருக்கிறது, ஆனால் அதைப் பயன்படுத்த நீங்கள் ஒரு Swift app எழுத வேண்டும். apfel செய்வது அதைத்தான்.

apfel என்ன சேர்க்கிறது

apfel என்பது LanguageModelSession-ஐச் சுற்றி அமைந்த ஒரு Swift 6.3 binary; அதை மூன்று வழிகளில் வழங்குகிறது: stdin/stdout கொண்ட UNIX command-line கருவியாக, OpenAI-compatible HTTP server ஆக (Hummingbird மீது கட்டப்பட்டது), மற்றும் context நிர்வாகத்துடன் கூடிய interactive chat ஆக.

Apple-இன் raw API செய்யாதவற்றை இது கவனித்துக்கொள்கிறது: முறையான exit codes, JSON output, file attachments, சிறிய context window-க்காக (4,096 tokens; macOS 27 இயங்கும் M3 மற்றும் புதிய Macs-இல் 8,192) ஐந்து context trimming உத்திகள், SDK மூலம் உண்மையான token எண்ணிக்கை, மற்றும் OpenAI tool schemas-ஐ Apple-இன் native Transcript.ToolDefinition வடிவத்துக்கு மாற்றுதல்.

hardware Apple Silicon (Neural Engine + GPU)
|
model Apple-இன் on-device LLM (macOS-உடன் வருகிறது)
|
sdk FoundationModels.framework (Swift API)
|
apfel CLI + HTTP server + context management
|
நீங்கள் Terminal, shell scripts, OpenAI SDKs, curl
4,096 அல்லது 8,192 tokens Context window (input + output). macOS 26-இலும் M1/M2 Macs-இலும் 4,096; macOS 27-இல் 12 GB+ கொண்ட M3 அல்லது புதிய Macs-இல் 8,192. apfel இதை runtime-இல் படிக்கிறது.
1 model நிலையானது, மாற்ற முடியாது
Swift 6.3 Strict concurrency, Xcode தேவையில்லை
MIT உரிமம் Open source

வடிவமைப்பிலேயே தனியுரிமை.

apfel பயன்படுத்தும்போது ஒரு HTTP call கூட இல்லை. கீழே உள்ள ஒவ்வொரு கூற்றும் Apple-இன் சொந்த documentation-க்கு link செய்கிறது.

சாதனத்திலேயே. Offline-இலும் இயங்கும்.

FoundationModels framework முழுவதும் உங்கள் Apple Silicon Neural Engine-இலேயே இயங்குகிறது. Server இல்லை, cloud இல்லை, internet இணைப்பு தேவையில்லை.

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

உங்கள் தரவு உங்களுடையதே.

On-device inference-இலிருந்து prompts, responses அல்லது எந்தப் பயன்பாட்டுத் தரவையும் Apple சேகரிப்பதில்லை. எதுவும் சேமிக்கப்படுவதில்லை, எதுவும் அனுப்பப்படுவதில்லை.

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

Training-க்கு ஒருபோதும் பயன்படுத்தப்படாது.

Apple தனது foundation models-ஐ உரிமம் பெற்ற மற்றும் பொதுவில் கிடைக்கும் தரவில் மட்டுமே train செய்கிறது. உங்கள் உரையாடல்கள் ஒருபோதும் training pipeline-இன் பகுதியாவதில்லை.

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

apfel எந்த tracking-ஐயும் சேர்ப்பதில்லை.

Analytics இல்லை, telemetry இல்லை, தானியங்கி update சோதனைகள் இல்லை, crash reporting இல்லை, எங்கும் தகவல் அனுப்புவதில்லை. நீங்களே apfel --update இயக்கும்போது மட்டுமே apfel ஒரு network call செய்கிறது. முழு codebase-உம் open source.

சக்திவாய்ந்த கருவிகளும் உள்ளே.

demo/ folder-இல் உள்ள shell scripts. முதலில் apfel-ஐ install செய்யுங்கள், பிறகு உங்களுக்கு வேண்டியவற்றை எடுத்துக்கொள்ளுங்கள்.

>_

cmd

சாதாரண மொழியிலிருந்து shell command. என்ன வேண்டும் என்று சொல்லுங்கள், command கிடைக்கும்.

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

oneliner

சாதாரண மொழியிலிருந்து pipe chains. awk, sed, sort, uniq - உங்களுக்காக உருவாக்கப்படுகின்றன.

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

mac-narrator

உங்கள் Mac-இன் system செயல்பாடுகளை ஒரு இயற்கை ஆவணப்படம் போல விவரிக்கிறது.

$ mac-narrator --watch
?

explain

எந்த command, error message அல்லது code snippet-ஐயும் எளிய மொழியில் விளக்குகிறது.

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

wtd

இந்த directory என்ன? எந்த codebase-இலும் உடனடியாக project-ஐப் புரிந்துகொள்ளுங்கள்.

$ wtd
++

gitsum

சமீபத்திய git commits-ஐ சில வாக்கியங்களில் சுருக்கித் தருகிறது.

$ gitsum

பயனுள்ள, கலக்கலான 30 one-liners.

ஒவ்வொரு command-உம் உண்மையான Mac-இல் சோதிக்கப்பட்டது. apfel-ஐ ps, lsof, du, vm_stat, git, pbpaste, sleep, pgrep, curl, say உடன் இணையுங்கள் - cloud AIs-ஆல் இதற்கு ஈடுகொடுக்க முடியாது, ஏனெனில் அவற்றால் உங்கள் processes, உங்கள் clipboard, உங்கள் git diff-ஐப் பார்க்க முடியாது. apfel-ஆல் முடியும்.

Live system நிலை 8

இப்போது என் CPU-ஐ எது விழுங்குகிறது.

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

-> WindowServer தான் அதிக CPU-ஐப் பயன்படுத்துகிறது: 42.6%.

எந்த apps எந்த ports-இல் listen செய்கின்றன.

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

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

எந்த volume கிட்டத்தட்ட நிரம்பிவிட்டது.

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

-> /dev/disk3s1 தான் அதிகம் நிரம்பியுள்ளது: 926Gi-இல் 263Gi.

vm_stat-ஐ எளிய மொழியில் புரியும்படி விளக்குகிறது.

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

-> 349k pages active, 266k wired - கணிசமான memory பயன்பாட்டில் உள்ளது.

இங்கே எந்த folders அதிக disk இடத்தைப் பிடிக்கின்றன.

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

-> Library 36G, Downloads 604M - இவைதான் அதிக இடத்தைப் பிடித்துள்ளன.

இந்த folder-இல் உள்ள மிகப் பெரிய files.

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

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

இப்போது எந்த apps internet-உடன் பேசிக்கொண்டிருக்கின்றன.

$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 ...

Battery health மற்றும் ETA, ஒரே வரியில்.

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

-> முழுமையாக charge ஆகியுள்ளது, health 100%, தற்போது active.

Git 2

உங்கள் சமீபத்திய commits-ஐ எளிய மொழியில் சுருக்கமாகப் பாருங்கள்.

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

-> v1.2.1-இலிருந்து v1.3.2-க்கு updates, சகோதரத் திட்டங்கள் சேர்க்கப்பட்டன ...

சமீபத்திய commits-இலிருந்து ஒரு வரி release note-ஐ உருவாக்குங்கள்.

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

-> v1.3.2 வெளியானது: 5053 stars, 783 tests, updates.

Clipboard-இலிருந்து, மீண்டும் clipboard-க்கு 4

Clipboard-இல் உள்ள எதன் இலக்கணத்தையும் திருத்தி, திருத்தியதை மீண்டும் அங்கேயே வையுங்கள்.

$pbpaste | apfel "fix grammar" | pbcopy

-> "i has went" என்பது "I went" ஆக மாறுகிறது - மீண்டும் clipboard-இல்.

Clipboard-ஐ ஜப்பானிய மொழிக்கு மொழிபெயர்த்து, மீண்டும் அங்கேயே வையுங்கள்.

$pbpaste | apfel "translate to japanese" | pbcopy

-> இப்போது clipboard-இல் ஜப்பானிய மொழிபெயர்ப்பு உள்ளது.

Clipboard-இல் உள்ள நீண்ட உரையை 3 bullets-ஆகச் சுருக்குங்கள்.

$pbpaste | apfel "summarize in 3 bullets"

-> உங்கள் terminal-இல் கச்சிதமான 3 bullets.

Clipboard-இல் உள்ள meeting notes-இலிருந்து தெளிவான action items-ஐப் பிரித்தெடுங்கள்.

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

-> "Sarah Q3 budget-ஐ draft செய்வார்", "design team-க்கு email அனுப்புங்கள்", ... மீண்டும் clipboard-இல்.

கண்காணித்து அறிவிக்க 6

நீண்ட task முடிந்ததும் உங்களுக்குச் சத்தமாக அறிவிக்கும் (இங்கே, 30 நிமிடங்களில்).

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

-> Mac சொல்கிறது: "உங்கள் நீண்ட task இப்போதுதான் முடிந்தது, அருமை!"

Downloads-இல் ஒரு file வரும் வரை காத்திருந்து, பிறகு அறிவிக்கும்.

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

-> ஒவ்வொரு 5s-க்கும் சரிபார்க்கும்; Report.pdf வந்ததும் Mac அந்தச் செய்தியைச் சொல்லும்.

நீண்ட நேரம் ஓடும் ஒரு process முடியும் வரை காத்திருந்து, பிறகு அறிவிக்கும்.

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

-> ஒவ்வொரு 5s-க்கும் சரிபார்க்கும்; ffmpeg நின்றதும் Mac அந்தச் செய்தியைச் சொல்லும்.

ஒவ்வொரு 30 நிமிடத்துக்கும், நீங்கள் சமீபத்தில் ship செய்ததைச் சத்தமாகச் சுருக்கிச் சொல்லும்.

$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

-> நீங்கள் coding-ஐத் தொடரும்போதே, அரை மணிக்கு ஒருமுறை தானியங்கி standup சத்தமாக வாசிக்கப்படும்.

ஒவ்வொரு 15 நிமிடத்துக்கும், battery 20 சதவீதத்துக்குக் கீழே போனால் சத்தமாக எச்சரிக்கும்.

$while sleep 900; do P=$(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

-> Battery குறையும் வரை அமைதி; பிறகு Mac நட்பான ஆனால் அவசரமான ஒரு எச்சரிக்கையைச் சத்தமாகச் சொல்லும்.

ஒரு URL 2xx தரும் வரை கண்காணித்து, பிறகு deploy வெற்றியைச் சத்தமாகக் கொண்டாடும்.

$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

-> Staging இயங்கத் தொடங்கும் வரை ஒவ்வொரு 30s-க்கும் சரிபார்க்கும்; பிறகு Mac சொல்லும்: "உங்கள் deploy live ஆகிவிட்டது, URL பதில் தருகிறது!".

Web மற்றும் உரை 4

சாதாரணமாக எழுதிய ஒரு வரியை மரியாதையான வடிவில் மாற்றி எழுதுங்கள்.

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

-> "தயவுசெய்து documents-ஐ கூடிய விரைவில் பகிர முடியுமா ..."

ஒரு URL-ஐ அழைத்து, headers-ஐ மட்டும் வைத்து அங்கே என்ன நடக்கிறது என்று கேளுங்கள்.

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

-> GitHub கடுமையான caching மற்றும் security headers உடன் ஒரு HTML page-ஐ வழங்குகிறது.

இன்றைய Hacker News, ஒரே வாக்கியத்தில் சுருக்கப்பட்டு சத்தமாக வாசிக்கப்படும்.

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

-> அன்றைய முக்கியச் செய்திகளை Mac ஒரே கச்சிதமான சுருக்கமாகச் சொல்லும்.

ஒரு JSON blob-ஐ எளிய மொழியில் விளக்குங்கள்.

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

-> Pro plan-இல் 42 credits வைத்திருக்கும் Alice என்ற user.

விரைவுத் தேடல்கள் 8

Calculator-ஐத் திறக்காமலேயே கணக்கு.

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

-> 13.13

Terminal-ஐ விட்டு வெளியேறாமலேயே ஒரு regex உருவாக்குங்கள்.

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

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

மறந்துபோன bash one-liner-ஐக் கேட்டுப் பெறுங்கள்.

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

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

புரியாத command-ஐ ஊகிக்காமல், அதை விளக்கச் சொல்லுங்கள்.

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

-> gzip செய்யப்பட்ட tarball-ஐ decompress செய்து cwd-க்குள் extract செய்கிறது.

சரியான git command மறந்துவிட்டதா? கேட்டாலே போதும்.

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

-> git reset --soft HEAD~1

வேறொருவர் எழுதிய regex-ஐ ஒரே வாக்கியத்தில் புரிந்துகொள்ளுங்கள்.

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

-> 3 இலக்க prefix, ஒரு hyphen, பிறகு 4 இலக்கங்களை match செய்கிறது - US phone format.

சாதாரணமாக எழுதிய தேதியை ISO 8601 வடிவத்துக்கு மாற்றுங்கள்.

$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

ஒரு முழு file-ஐ 3 bullets-இல் சுருக்குங்கள்.

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

-> Scope, install, usage பற்றிய 3 bullets.

OpenAI-compatible.

ஒரு URL-ஐ மட்டும் மாற்றுங்கள். உங்கள் code அப்படியே இருக்கட்டும்.

அப்படியே மாற்றிப் பொருத்தலாம்

apfel OpenAI API-ஐப் பேசுகிறது. OpenAI-உடன் பேசும் எந்த client library, எந்த framework, எந்தக் கருவியும் அதற்குப் பதிலாக உங்கள் Mac-இன் AI-உடன் பேசலாம். Base URL-ஐ மாற்றினால் போதும்.

  • ✓ 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 parts-ஐ data URLs ஆக (macOS 27)
  • ✓ temperature, max_tokens, seed
  • ✓ Browser clients-க்கான CORS
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)

Apple-இன் fm-இல் உள்ள அதே model. வேலை வேறு.

macOS 27-உடன் fm வருகிறது - on-device model-க்கான Apple-இன் சொந்த command-line front end. இரண்டும் எங்கே வேறுபடுகின்றன என்பது இங்கே.

 apfelApple fm
இயங்கும் இடம்macOS 26 மற்றும் 27, ஒரே binarymacOS 27 மட்டும்
இன்ஸ்டால்brew install apfelஏற்கனவே உள்ளது (ஒருமுறை sudo fm license)
OpenAI clients மாற்றமின்றி வேலை செய்யும்ஆம்: இயல்பாகவே JSON, usage, max_tokens மதிக்கப்படுகிறது, errors சரியாக map செய்யப்படுகின்றனவேண்டாம் என்று சொல்லாவிட்டால் stream செய்யும், max_tokens-ஐப் புறக்கணிக்கும், guardrails-இல் 500 தரும்
Tool calling மற்றும் MCPNative tool calls, local மற்றும் remote MCP serversஇல்லை (tools பயன்படுத்தினால் template tokens பதிலில் கசிகின்றன)
Scripting--code, -o json, 9 exit codes, --count-tokens --strictவெறும் text, exit 0 அல்லது 1
உள்ளீட்டு filesText, PDF, images: இரண்டு OS-களிலும் OCR text, macOS 27-இல் image-உம் நேரடியாக model-க்குச் செல்லும்Images நேரடியாக model-க்கு, அத்துடன் built-in OCR மற்றும் barcode tools
சேமிக்கப்படும் chat sessionsஇல்லைபெயரிடப்பட்ட transcripts, --resume
வேகம்ஒரே Mac-இல் ஒரே model, ஒரே context window (இந்த M2-இல் 4,096 tokens, M3 மற்றும் புதியவற்றில் 8,192), token எண்ணிக்கைகள் ஒன்றே. One-shot prompt: 0.35 s vs 0.30 s.

ஒரு சிறு வரலாறு. apfel தான் முதலில் வந்தது: முதல் commit மற்றும் v0.1.0 24 மார்ச் 2026 அன்று, முதல் GitHub release 31 மார்ச் 2026 அன்று, ஏப்ரலில் Hacker News முதல் பக்கம். Apple 8 ஜூன் 2026 அன்று WWDC-இல் fm-ஐ அறிவித்து, 14 செப்டம்பர் 2026 அன்று macOS 27-உடன் வெளியிட்டது. இரண்டுமே ஒரே FoundationModels framework வழியாக ஒரே on-device model-ஐ இயக்குகின்றன; apfel தான் open-source ஆனது, macOS 26-இலும் இயங்குவதும் அதுவே.

ஒவ்வொரு வரிசையும் 2026-10-05 அன்று macOS 27.0.1 (Apple M2, 24 GB)-இல் அளவிடப்பட்டது, ஒவ்வொரு apfel release-க்கும் மீண்டும் அளவிடப்படுகிறது. முழுப் பக்கத்தில் server probes, token-count ஒப்பீட்டு அட்டவணை, அவற்றை மீண்டும் சரிபார்க்கத் தேவையான ஒவ்வொரு command-உம் உள்ளன.

GitHub-இல் பிரபலம்.

பூஜ்ஜியத்திலிருந்து 6,610 stars, இன்னும் வளர்ந்துகொண்டே இருக்கிறது.

6,610
GitHub stars
251 forks
2450 tests
v1.18.0 வெளியானது

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

GitHub-இல் star செய்யுங்கள்
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

நிலவரப்படி தரவு

தொடங்குங்கள்.

Model download இல்லை. Sign-up இல்லை. API keys இல்லை. இது மட்டும் போதும்.

Homebrew

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

Source-இலிருந்து build செய்யுங்கள்

CLT + macOS 27 SDK தேவை (26 மற்றும் 27-இல் இயங்கும்)
$ git clone https://github.com/Arthur-Ficial/apfel.git
$ cd apfel && make install

apfel மரம்.

apfel மீது கட்டப்பட்ட native macOS கருவிகளின் வளர்ந்து வரும் குடும்பம் - மற்ற Apple frameworks-ஐ terminal-க்குக் கொண்டு வரும் சகோதரத் திட்டங்களும் இதில் அடக்கம்.

apfel-chat - தனியுரிமை காக்கும் macOS AI chat

apfel-chat

பல உரையாடல்களைக் கையாளும் macOS chat client. Streaming markdown, பேச்சு உள்ளீடு/வெளியீடு, image பகுப்பாய்வு - முழுமையாகத் தனிப்பட்டது, API keys இல்லை, cloud இல்லை.

SwiftUI Production
apfelpad - on-device AI கொண்ட formula notepad

apfelpad

சிந்திப்பதற்கான ஒரு formula notepad. உங்கள் markdown-இல் =apfel("summarize this") என்று type செய்யுங்கள், பதில் அதே இடத்தில் stream ஆவதைப் பாருங்கள். =SUM போலத்தான், ஆனால் மொழிக்கு.

SwiftUI புதியது
apfel-quick - macOS-க்கான உடனடி AI overlay

apfel-quick

உடனடி AI overlay. எங்கிருந்தும் Ctrl+Space அழுத்துங்கள், ஒரு கேள்வியை type செய்யுங்கள், பதில் நேராக உங்கள் clipboard-க்கு stream ஆகும். Wi-Fi இல்லை, account இல்லை, கட்டணம் இல்லை.

SwiftUI புதியது
apfel-gui screenshot

apfel-gui

Native macOS SwiftUI debug GUI. Apple Intelligence-உடன் chat செய்யுங்கள், requests, responses, logs-ஐ ஆய்வு செய்யுங்கள், speech-to-text, text-to-speech - எல்லாமே சாதனத்திலேயே.

SwiftUI
apfel-clip - AI clipboard செயல்கள்

apfel-clip

Menu bar-இலிருந்தே AI clipboard செயல்கள். எந்த text-இலும் cmd+shift+V அழுத்துங்கள் - இலக்கணம் திருத்த, மொழிபெயர்க்க, code-ஐ விளக்க, சுருக்க. முழுமையாகச் சாதனத்திலேயே, API keys இல்லை.

SwiftUI Production
apfel-mcp - apfel-க்கான MCP servers

apfel-mcp

apfel-க்கு web-ஐயும் உங்கள் files-ஐயும் கொடுங்கள். நான்கு சிறிய MCP tools - url-fetch, ddg-search, search-and-fetch, மற்றும் read-only file reader - ஒவ்வொன்றும் apfel-இன் சிறிய context window-க்குள் பொருந்தும்படி சுருக்கப்பட்டவை (பெரும்பாலான Macs-இல் 4,096 tokens, macOS 27 கொண்ட M3 மற்றும் புதியவற்றில் 8,192).

Python புதியது
apfel-run - நிலைத்திருக்கும் MCP registry

apfel-run

apfel-க்கு நிலைத்திருக்கும் MCP registry-ஐத் தரும் சிறிய UNIX wrapper. ஒரு சாதாரண text config file-இலிருந்து MCP servers-ஐப் பெயர் சொல்லி இயக்கலாம், நிறுத்தலாம். Restart-க்குப் பிறகும் நிலைத்திருக்கும், GUI இல்லை, daemon இல்லை.

Shell புதியது
apfel-server-kit - ecosystem கருவிகளுக்கான Swift package

apfel-server-kit

முழு ecosystem-ஐயும் இயக்கும் பொதுவான Swift package. Local apfel --serve process-ஐக் கண்டறியலாம், தொடங்கலாம், அதிலிருந்து stream செய்யலாம். ஒவ்வொரு SwiftUI apfel app-உம் பேசும் முதுகெலும்பு இதுதான்.

Swift புதியது
auge - terminal-இலிருந்து Apple Vision framework

auge

சகோதரத் திட்டம். apfel மொழியைக் கையாள்கிறது; auge பார்வையைக் கையாள்கிறது. OCR, image classification, barcodes, face detection - அனைத்துக்கும் ஒரே CLI, Apple-இன் Vision framework வழியாக 100% சாதனத்திலேயே. API keys இல்லை, cloud இல்லை.

Swift சகோதரத் திட்டம்
translate - terminal-இலிருந்து Apple Translation framework

translate

சகோதரத் திட்டம். ஒரு UNIX filter, அத்துடன் DeepL, LibreTranslate மற்றும் Google v2-க்கான drop-in HTTP server - Apple-இன் on-device Translation framework மூலம் இயங்குகிறது. 100% சாதனத்திலேயே, NetworkGuard மூலம் கண்டிப்பாக உறுதி செய்யப்படுகிறது. API keys இல்லை, cloud இல்லை.

Swift சகோதரத் திட்டம்

அடிக்கடி கேட்கப்படும் கேள்விகள்.

Hacker News மற்றும் Reddit-இலிருந்து திரட்டப்பட்ட கேள்விகள்.

எனக்கு எந்த macOS பதிப்பு தேவை?
macOS 26 (Tahoe) அல்லது அதற்குப் பிந்தையது. FoundationModels framework Tahoe-வுடன் மட்டுமே வருகிறது. Sequoia அல்லது அதற்கு முந்தைய பதிப்புகளில் வேலை செய்யாது. Apple Silicon (M1 அல்லது அதற்குப் பிந்தையது) தேவை.
apfel என் தனிப்பட்ட தரவை அணுகுகிறதா?
இல்லை. FoundationModels framework-க்கு contacts, emails, calendar, photos அல்லது Semantic Index-ஐ அணுக எந்த அனுமதியும் இல்லை. அவை Apple-இன் சொந்த அம்சங்களுக்கு மட்டுமே.
ஏதேனும் தரவு என் Mac-ஐ விட்டு வெளியேறுகிறதா?
இல்லை. இரண்டு அடுக்குத் தனியுரிமை உங்களைப் பாதுகாக்கிறது.

Model: Apple-இன் FoundationModels framework internet இணைப்பு இல்லாமலேயே வேலை செய்கிறது, முழுவதும் Neural Engine-இலேயே இயங்குகிறது. உங்கள் prompts-உம் responses-உம் ஒருபோதும் சாதனத்தை விட்டு வெளியேறுவதில்லை. பயனர் தரவு ஒருபோதும் training-க்குப் பயன்படுத்தப்படுவதில்லை.

கருவி: apfel அதை அப்படியே வைத்திருக்கிறது. Analytics இல்லை, telemetry இல்லை, tracking இல்லை, தானியங்கி update சோதனைகள் இல்லை, crash reporting இல்லை, எங்கும் தகவல் அனுப்புவதில்லை. Open source, யார் வேண்டுமானாலும் சரிபார்க்கலாம்.
Context window எவ்வளவு?
macOS 26-இலும் M1/M2 Macs-இலும் input + output சேர்த்து 4,096 tokens (~3,000 சொற்கள்). macOS 27-இல், M3 அல்லது புதிய chip மற்றும் குறைந்தது 12 GB கொண்ட Macs-க்கு Apple-இன் பெரிய on-device model (AFM 3 Core Advanced) 8,192 tokens உடன் கிடைக்கிறது. apfel இதை ஒருபோதும் hardcode செய்வதில்லை: உங்கள் Mac-இல் உண்மையில் உள்ள window-ஐ apfel --model-info காட்டும். Shell scripts, சுருக்கங்கள், text மாற்றங்களுக்கு மிகச் சிறந்தது. நீண்ட உரையாடல்களுக்கோ பெரிய ஆவணங்களுக்கோ ஏற்றதல்ல.
Model எதில் சிறந்தது? எதில் தடுமாறுகிறது?
சிறந்தது: shell scripting, text மாற்றம், classification, சிறு சுருக்கங்கள், JSON மறுசீரமைப்பு, மொழிபெயர்ப்பு.

வரம்புகள்: கணக்கு, உண்மைத் தகவல்களை நினைவுகூர்தல், நீண்ட உரையாடல்கள், சிக்கலான code உருவாக்கம்.

இந்த model hallucinate செய்வதை விட மறுப்பதையே விரும்புகிறது. இது Apple வேண்டுமென்றே எடுத்த வடிவமைப்பு முடிவு.
Server mode பாதுகாப்பானதா?
இயல்பாக முடக்கப்பட்டுள்ளது. இயக்கினால்: Bearer token auth (--token), origin சரிபார்ப்பு, debug mode-இல் மட்டும் log endpoints. விவரங்கள் server-security.md-இல்.
Apple Intelligence-ஐ இயக்க வேண்டுமா?
ஆம். System Settings > Apple Intelligence & Siri > இயக்குங்கள். இது model-ஐ download செய்யும். Siri-ஐப் பயன்படுத்த வேண்டியதில்லை, இயக்கினால் போதும். Apple-இன் setup வழிகாட்டி.
apfel-ஐ எப்படி update செய்வது?
apfel --update. Install முறையைக் கண்டறிந்து, புதிய பதிப்பு உள்ளதா எனச் சரிபார்த்து, upgrade செய்வதற்கு முன் உங்களிடம் கேட்கும். கைமுறையாக: brew upgrade apfel அல்லது git pull && make install.
இது எந்த model-ஐப் பயன்படுத்துகிறது?
Apple-இன் சொந்த AFM (Apple Foundation Model), சுமார் 3 பில்லியன் parameters, கலப்பு 2-bit மற்றும் 4-bit quantization உடன். OpenAI அல்ல. macOS Tahoe-வுடன் வருகிறது, Neural Engine-இல் முழுவதும் சாதனத்திலேயே இயங்குகிறது.
Ollama அல்லது LM Studio-விலிருந்து apfel எப்படி வேறுபடுகிறது?
LLM download இல்லை, உடனடித் தொடக்கம், setup இல்லை. apfel உங்கள் Mac-இல் ஏற்கனவே உள்ள model-ஐப் பயன்படுத்துகிறது. Ollama-வும் LM Studio-வும் அதிக models-ஐயும் பெரிய context windows-ஐயும் தருகின்றன, ஆனால் தனியாக download-உம் configuration-உம் தேவை. வெவ்வேறு தேவைகளுக்கு வெவ்வேறு கருவிகள்.
apfel MCP மற்றும் tool calling-ஐ ஆதரிக்கிறதா?
ஆம். Native MCP உள்ளேயே உள்ளது. Tools-ஐ இணைக்க --mcp <server> கொடுங்கள். Tool calling வழிகாட்டி.
macOS 27-இல் உள்ள Apple-இன் சொந்த fm CLI-யிலிருந்து apfel எப்படி வேறுபடுகிறது?
அதே model, வேறு வேலை. macOS 27-உடன் fm வருகிறது - அதே on-device model-க்கான Apple-இன் command-line front end. apfel இவற்றைச் சேர்க்கிறது: tool calling கொண்ட OpenAI-compatible server, MCP, JSON Schema output, data URLs ஆக image உள்ளீடு, நம்பகமான exit codes, macOS 26 ஆதரவு. அருகருகே வைத்து அளவிடப்பட்டது: apfel vs fm.
apfel-இல் ஏதேனும் telemetry அல்லது தகவல் அனுப்பும் செயல்பாடுகள் உள்ளனவா?
எதுவும் இல்லை. apfel பின்னணியில் எந்த server-ஐயும் தொடர்பு கொள்வதில்லை. நீங்களே apfel --update இயக்கும்போது மட்டுமே network call நடக்கும்; அது புதிய பதிப்புக்காக Homebrew-ஐச் சரிபார்க்கும். Open source, யார் வேண்டுமானாலும் சரிபார்க்கலாம்.
இதை உருவாக்கியவர் யார்?
apfel-ஐ உருவாக்கியவர் Franz Enzenhofer (Systems Thinker, எழுத்தாளர், C64 காலம் முதல் developer, AI Mechanic) / HN-இல் franze / Full Stack Optimization மற்றும் franzai.com நிறுவனர்.

இணை-maintainer: Arthur Ficial, Anthropic-இன் Claude Opus-இல் இயங்கும் ஒரு OpenClaw instance. பெரும்பாலும் Claude Code மற்றும் Codex உடன் உருவாக்கப்பட்டது. எப்போதும் high thinking / high effort mode-இல்.

தொடக்கம்: 24 மார்ச் 2026.
இது எப்படிச் சோதிக்கப்படுகிறது?
334 unit tests + 216 integration tests (end-to-end, OpenAI client compatibility, OpenAPI spec validation, security, performance). 12 ஏப்ரல் 2026 நிலவரப்படி மொத்தம் 550 tests.
apfel எப்படித் தொடங்கியது?
apfel முதலில் OpenClaw-ஐ Apple Intelligence-இல் மிகக் குறைந்த token பயன்பாட்டு mode-இல் இயக்கும் முயற்சியாகத்தான் தொடங்கியது. 4K context window காரணமாக அது சரிவரவில்லை. ஆனால் local, வேகமான, script செய்யக்கூடிய, சாதனத்திலேயே இயங்கும், எப்போதும் கிடைக்கும், config தேவையில்லாத, தனியுரிமைக்கு முன்னுரிமை தரும் ஒரு LLM நம்ப முடியாத அளவுக்கு அருமையானது, சக்திவாய்ந்தது, சுவாரஸ்யமானது, பயன்படுத்த மகிழ்ச்சியானது என்பது தெரியவந்தது.