Att jämföra Apples AI med ChatGPT eller Claude är ett misstag. Apple spelar inte det spelet
Till de som utesluter Apple i AI-loppet, var försiktiga. Företaget kan ha kommit sent och det kan säkert ha lite att visa idag, men dess utveckling under de senaste tre åren avslöjar tre intressanta saker. Den första, att Apple har sina egna AI-modeller.
Den andra, att de är mycket långt från de bästa av OpenAI och Claude i prestanda. För det tredje kanske det inte spelar någon roll.
Tre år av evolution. Banan för de tekniska dokument som delats av Apple under de senaste åren avslöjar en rad mer än relevanta förändringar. År 2024 begränsades dess ursprungliga förslag till små modeller med cirka 3 miljarder parametrar (3B) specialiserade på att lösa grundläggande uppgifter som att generera Genmojis eller textsammanfattningar. 2025 lanserade företaget sitt MLX-ramverk till utvecklargemenskapen för att underlätta integrationen och användningen av lokala modeller.
Nu, 2026, föreslår de en hybridinfrastruktur baserad på en grundläggande princip: Enkla förfrågningar: de körs i små lokala modeller på enheten, du behöver inte ens en internetanslutning Komplexa förfrågningar: systemet delegerar uppgiften som ska bearbetas i molnet privat genom Private Cloud Compute En (kanske) bra idé: NAND kan hjälpa. Den mest relevanta milstolpen i Apples nya tillvägagångssätt ligger i designen av dess AFM 3 Core Advanced-modell. I dagens mobiltelefoner har vi en stor flaskhals med exekvering av kapabla (stora) AI-modeller eftersom dessa enheter har en mycket begränsad mängd minne (12 GB på vissa iPhones).
För att kunna passa en modell med 20 000 miljoner parametrar (20B) har Apple beslutat att lagra den modellen i den interna SSD-enheten, inte i minnet. I AFM 3 Core Advanced-modellen finns "experterna" i mobilens SSD. De är förvalda och laddas in i RAM-minnet för att användas dynamiskt, vilket optimerar modellexekveringen.
Experter genom prompt, inte av token. Den aktiverar sedan en serie beskärningstekniker (Instruction-Following Pruning, eller IFP) för att endast aktivera mellan 1 000 och 4 000 miljoner parametrar på ett sparsamt sätt, något liknande det som görs i modeller med Mixture-of-Experts-arkitektur. Men Apple väljer dessa experter i början av varje prompt, inte token för token, vilket gör att det kan undvika den långsamma bandbredden för mobilens NAND-lagring jämfört med dess RAM-minne.
Sekretess efter flagga. Om Apples tillvägagångssätt stack ut från början för något så var det på grund av dess integritet, vilket är implicit när man använder lokala modeller. Men om begäran är komplex, omdirigerar systemet den till AI-modellerna i Apples moln, Private Cloud Compute (PCC).
Till skillnad från andra plattformar och infrastrukturer som OpenAI eller Anthropic är konversationer med Apples AI krypterade och är helt privata enligt företaget: denna data delas inte med tredje part (eftersom inte ens Apple kan se den) och den används inte för att träna sina modeller. I Xataka är Siri AI officiellt, men i Europa får vi vänta: DMA står återigen mellan Apple och Europe Five-modellerna med hjälp av Gemini. Även om Apple är besatt av total kontroll över sina produkter, var man den här gången tvungen att ge efter och alliera sig med Google så att dess Gemini-modeller kunde "visa" Apple vägen.
Resultatet är en tredje generationens modeller som är utvecklade i samarbete med Mountain View-företaget. Vi har totalt fem modeller: AFM 3 Core: tät modell med 3B parametrarAFM 3 Core Advanced: sparsam modell med 20B parametrar med aktivering av 1B till 4B parametrar beroende på uppgiften 3 Cloud Pro: Apples mest kraftfulla molnmodell Den är avsedd för autonoma agenter. Den har tränats med Google TPU:er och körs på Nvidia GPU:er inom Google Cloud-infrastrukturen
Prestanda, en okänd.
Till skillnad från vad andra företag brukar göra när de presenterar sina modeller har Apple inte publicerat mätvärden på kända benchmarks. Istället visar den "mänskliga preferenser" mätvärden där den jämför användarnöjdhet när de använder sina modeller kontra konkurrerande modeller. Jämförelserna är också med tidigare versioner av dessa modeller, vilket inte klargör så mycket vad som kan förväntas av dem.
Men de är inte med i kapplöpningen om den bästa modellen. År 2025 gjordes en jämförelse med den tidens öppna viktmodeller (Qwen-3-4B lokalt, GPT-4o eller Llama 4 Scout in the cloud) och då verkade de vara på en bra nivå när det gäller dessa alternativ. Förvänta dig att de ligger bakom de senaste modellerna från OpenAI, Anthropic eller Google själv, och det är oklart hur de jämför med de nya kinesiska modellerna med öppna vikter.
En sak verkar klar: Apple är inte särskilt intresserade av att ha sin egen Mythos, åtminstone för närvarande.
Ditt mål är annorlunda. Apple-modeller från 2026 är "föredragna" mer än de från 2025. Logiskt, men också värdelösa när det gäller att förstå hur bra dessa modeller är jämfört med konkurrenterna.
Men integration är viktigt. Apples stora ess för att kompensera för denna skillnad i kapacitet är att dess modeller har full tillgång till användarens OS, appar och hårdvara. AFM-modeller är integrerade med iPhone-kamerasensorer, aviseringshistorik eller lokala appbehörigheter.
Detta gör att användbara uppgifter kan utföras som en LLM som är "kopplad" från hårdvaran knappast kommer att kunna replikera. Här är (eller vill vara) integrationen av modellerna med enhetens hårdvara och mjukvara grundläggande. I Xataka Det här är alla nya funktioner från Apple Intelligence och Siri AI som kommer till din iPhone med iOS 27.
Se upp för medelmåttighet. Detta tillvägagångssätt fokuserat på integration och integritet är särskilt slående och skiljer sig från sina konkurrenter, men det finns risker. Produkten är bland annat begränsad av dess funktionella kapacitet jämfört med konkurrenterna.
Om lokala modeller inte löser sig och molnmodeller inte heller beter sig tillförlitligt, riskerar Apple att ha en AI som är säker och privat men tekniskt medioker i sina svar. Siri har redan kritiserats för att vara särskilt dum: Siri AI måste just utrota den uppfattningen. I Xataka | Apple har designat Siri AI så att vi kan använda iPhone utan att röra den.
Jag har gjort samma sak på min Android-telefon i flera månader nu
Originalkälla
Publicerad av Xataka
9 june 2026, 17:30
Denna artikel har översatts automatiskt från spanska. Klicka på länken ovan för att läsa originaltexten.
Visa originaltext (spanska)
Rubrik
Comparar la IA de Apple con ChatGPT o Claude es un error. Apple no está jugando ese juego
Beskrivning
A quienes descartan a Apple en la carrera de la IA, ojito. Puede que la empresa haya llegado tarde y desde luego puede que a día de hoy tenga poco que mostrar, pero su evolución en los últimos tres años revela tres cosas interesantes. La primera, que Apple sí tiene sus propios modelos de IA. La segunda, que están muy lejos en rendimiento de los mejores de OpenAI y Claude. La tercera, que puede que eso no importe en absoluto. Tres años de evolución. La trayectoria de los documentos técnicos compartidos por Apple en los últimos años revela una serie de cambios más que relevantes. En 2024 su propuesta inicial se limitaba a modelos pequeños de unos 3.000 millones de parámetros (3B) especializados en resolver tareas básicas como generar Genmojis o resúmenes de texto. En 2025 la compañía lanzó su framework MLX a la comunidad de desarrolladores para facilitar la integración y uso de modelos locales. Ahora, en 2026, plantean una una infraestructura híbrida basada en un principio básico: Peticiones sencillas: se ejecutan en pequeños modelos locales en el dispositivo, no necesitas ni una conexión a internetPeticiones complejas: el sistema delega la tarea para que se procese en la nube de forma privada a través de la Private Cloud ComputeUna idea (quizás) genial: la NAND puede ayudar. El hito más relevante del nuevo enfoque de Apple reside en el diseño de su modelo AFM 3 Core Advanced. En los móviles actuales tenemos un gran cuello de botella con la ejecución de modelos de IA capaces (grandes) porque estos dispositivos tienen una cantidad de memoria muy limitada (12 GB en algunos iPhone). Para lograr meter un modelo de 20.000 millones de parámetros (20B), a Apple se le ha ocurrido almacenar ese modelo en la unidad SSD interna, no en memoria. En el modelo AFM 3 Core Advanced los "expertos" están en el SSD del móvil. Se preseleccionan y se cargan en RAM para usarlos de forma dinámica, optimizando la ejecución del modelo. Expertos por prompt, no por token. Luego activa una serie de técnicas de poda (Instruction-Following Pruning, o IFP) para activar únicamente entre 1.000 y 4.000 millones de parámetros de forma dispersa (sparse), de forma algo parecida a como se hace en modelos con arquitectura Mixture-of-Experts. Pero Apple selecciona a esos expertos al inicio de cada prompt, no token a token, lo que permite esquivar la lentitud del ancho de banda del almacenamiento NAND del móvil frente a su memoria RAM. Privacidad por bandera. Si por algo destacó el enfoque de Apple desde el principio fue por su privacidad, que está implícita al usar modelos locales. Pero si la petición es compleja, el sistema la redirige a los modelos de IA en la nube de Apple, la Private Cloud Compute (PCC). A diferencia de otras plataformas e infraestructuras como las de OpenAI o Anthropic, las conversaciones con la IA de Apple están cifradas y son totalmetne privadas según la empresa: esos datos no se comparten con terceros (porque ni Apple puede verlos) y tampoco se usan para entrenar sus modelos. En Xataka Siri AI es oficial, pero en Europa vamos a tener que esperar: el DMA vuelve a interponerse entre Apple y Europa Cinco modelos con ayuda de Gemini. Aunque Apple está obsesionada con el control total de sus productos, en esta ocasión tuvo que ceder y aliarse con Google para que sus modelos Gemini pudieran "enseñarle" a Apple el camino. El resultado es una tercera generación de modelos que están desarrollados en colaboración con la firma de Mountain View. Tenemos cinco modelos en total: AFM 3 Core: modelo denso de 3B parámetrosAFM 3 Core Advanced: modelo disperso de 20B parámetros con activación de 1B a 4B parámetros según la tareaAFM 3 Cloud: un modelo potente pero también eficiente y veloz que corre en la nube de Apple.ADM 3 Cloud (Image): para la generación y edición de imágenes, el corazón tanto de estas opciones como del nuevo Image PlaygroundAFM 3 Cloud Pro: el modelo en la nube más potente de Apple está destinado agentes autónomos. Se ha entrenado con TPUs de Google y se ejecuta en GPUs de Nvidia dentro de la infraestructura de Google Cloud {"videoId":"xae4ltq","autoplay":false,"title":"Apple’s next big step for Siri and iPhone", "tag":"Siri", "duration":"96"} El rendimiento, una incógnita. A diferencia de lo que suelen hacer otras empresas cuando presentan sus modelos, Apple no ha publicado métricas sobre benchmarks conocidos. En lugar de eso muestra métricas de "preferencia humana" en las que compara la satisfacción de los usuarios al usar sus modelos frente a otros de la competencia. Las comparaciones son además con versiones previas de estos modelos, lo que no aclara demasiado lo que se puede esperar de ellos. Pero no están en la carrera por el mejor modelo. En 2025 sí hubo comparación con modelos de pesos abiertos de aquella época (Qwen-3-4B en local, GPT-4o o Llama 4 Scout en la nube) y entonces parecían estar a buen nivel en referencia a esas opciones. Es de esperar que estén por detrás de los modelos más recientes de OpenAI, Anthropic o la propia Google, y no está claro cómo se comparan con los nuevos modelos chinos de pesos abiertos. Una cosa parece clara: Apple no tiene demasiado interés en contar con su propio Mythos, al menos de momento. Su objetivo es otro. Los modelos de Apple de 2026 "se prefieren" más que los de 2025. Lógico, pero también inútil a la hora de comprender cómo de buenos son esos modelos respecto a la competencia. Pero la integración es importante. El gran as en la manga de Apple para compensar esa diferencia de capacidad está en que sus modelos tienen acceso completo al SO, apps y hardware del usuario. Los modelos AFM están integrados con los sensores de cámaras del iPhone, el historial de notificaciones o los permisos locales de apps. Eso permite ejecutar tareas útiles que un LLM que esté "desconectado" del hardware difícilmente podrá replicar. Aquí la integración de los modelos con el hardware y software del dispositivo es (o quiere ser) fundamental. En Xataka Estas son todas las novedades de Apple Intelligence y Siri AI que llegan a tu iPhone con iOS 27 Cuidado con la mediocridad. Ese enfoque centrado en la integración y la privacidad es especialmente llamativo y diferencial con respecto a sus competidores, pero hay riesgos. Entre otros, que el producto esté limitado por sus capacidades funcionales frente a la competencia. Si los modelos locales no resuelven y los modelos en la nube también no se comportan de forma fiable, Apple corre el riesgo de tener una IA segura y privada pero técnicamente mediocre en sus respuestas. Siri ya fue criticada por ser especialmente tonta: Siri AI debe precisamente erradicar esa percepción. En Xataka | Apple ha diseñado Siri AI para que usemos el iPhone sin tocarlo. Llevo haciendo lo mismo en mi móvil Android desde hace meses (function() { window._JS_MODULES = window._JS_MODULES || {}; var headElement = document.getElementsByTagName('head')[0]; if (_JS_MODULES.instagram) { var instagramScript = document.createElement('script'); instagramScript.src = 'https://platform.instagram.com/en_US/embeds.js'; instagramScript.async = true; instagramScript.defer = true; headElement.appendChild(instagramScript); } })(); - La noticia Comparar la IA de Apple con ChatGPT o Claude es un error. Apple no está jugando ese juego fue publicada originalmente en Xataka por Javier Pastor .
