AppleとGoogleがGeminiアーキテクチャを基に共同開発した新Siriを2月下旬にリリース。WWDCでの約束を果たし、深い文脈理解と個人データへのアクセスで、よりスマートな対話を実現します。....
AACテクノロジーは2026年にスマートフォン用の超薄VC均熱板の生産能力を1億5000万枚追加する予定で、AI機器などの市場における放熱ニーズの増加に対応する。Apple社のiPhone 17 Proシリーズの主要サプライヤーとして、会社は2025年の出荷量が1億5000万枚に達すると予想しており、世界のスマートフォン放熱市場での主導権を占めることを目指している。
OpenAIが約1億ドルで医療スタートアップTorchを買収し、医療分野への進出を図る。TorchはAI健康アプリとして、カイザーの医療記録、プレニュボの医療画像、Apple Healthデータを統合し、ユーザーにスマートな健康管理ソリューションを提供する。....
MetaがAppleからデザイナーのAlan Dyeを引き抜き、AIグラスなどのウェアラブルデバイス開発を強化。将来のスマートデバイス市場への布石と見られる。....
Apple Watch向けに設計されたスマート音声アシスタントアプリ。スマートフォン不要で様々な操作が可能です。
Windows PCまたはApple Mac上のAI推論エンジンの性能を評価するためのベンチマークテストツールです。
Appleの新Mac miniは、パワフルな性能とコンパクトなサイズを両立。Appleらしいスマートなデザインです。
Google
$0.49
入力トークン/百万
$2.1
出力トークン/百万
1k
コンテキスト長
Openai
$2.8
$11.2
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$1
$10
256
Baidu
128
$6
$24
$4
$16
$2
$20
Dogacel
これは、元のDeepSeek-OCRモデルをベースにした最適化バージョンで、Appleのメタルパフォーマンスシェーダー（MPS）とCPUでの推論をサポートするOCRモデルです。画像からテキストを抽出し、構造化された形式に変換することができ、多言語のドキュメント認識をサポートします。
lmstudio-community
Qwen3-VL-2B-ThinkingはQwenによって開発された視覚言語モデルで、2Bのパラメータ規模を持ち、MLXを使用して8ビット量子化が行われ、Apple Siliconチップに特化した最適化が施されています。このモデルは画像とテキストのマルチモーダル理解と生成タスクをサポートしています。
Qwen
Qwen3-VL-2B-ThinkingはQwenシリーズの中で最も強力なビジュアル言語モデルの1つで、GGUF形式の重みを使用し、CPU、NVIDIA GPU、Apple Siliconなどのデバイスで効率的な推論をサポートします。このモデルは、優れたマルチモーダル理解と推論能力を備え、特にビジュアル感知、空間理解、エージェントインタラクション機能が強化されています。
Qwen3-VL-32B-Instructは強力なマルチモーダルビジュアル言語モデルで、Qwenベースモデルをベースに開発され、最適化と量子化処理が行われ、特にAppleチップデバイスに最適化されており、効率的な画像テキスト処理能力を提供します。
mlx-community
これはQwen3-VL-4B-Instructモデルの4ビット量子化バージョンで、Apple Siliconチップ向けに最適化され、MLXフレームワークを使用して変換されています。このモデルは視覚言語モデルで、画像理解とマルチモーダル対話タスクをサポートします。
Qwen3-VL-8B-InstructはQwenチームによって開発されたマルチモーダルビジュアル言語モデルで、画像とテキストからテキストへの変換をサポートしています。このバージョンはMLX 8ビット量子化処理を施され、Appleシリコンチップに特化して最適化されており、パフォーマンスを維持しながら実行効率を向上させています。
Qwen3-VL-8B-InstructはQwenによって開発された視覚言語モデルで、MLX量子化最適化を経て、Apple Siliconデバイスに特化しています。このモデルは画像とテキストのマルチモーダル入力をサポートし、画像に関連するテキスト内容を理解し生成することができます。
これはHuihui-GLM-4.5V-abliteratedモデルをベースに変換された視覚言語モデルで、MXFP4量子化形式を採用し、Apple MLXフレームワークに特化して最適化されており、画像理解とマルチモーダル対話タスクをサポートしています。
abnormalmapstudio
これはQwen3-Next-80B-A3B-Thinking基礎モデルに基づくApple MLX最適化4ビットmxfp4量子化バージョンで、Appleシリコンチップに特化して最適化されており、Macデバイスで効率的なローカル推論を実現し、メモリ使用量を大幅に削減しながら良好なパフォーマンスを維持します。
GLM-4.5-Airはzai-orgによって開発された効率的なテキスト生成モデルで、MLXフレームワークを用いて4ビット量子化最適化を行い、Appleチップに特化したパフォーマンス最適化を施し、高速かつ高品質なテキスト生成能力を提供します。
Mistralアーキテクチャに基づく小型の多言語ビジョン言語モデルで、画像テキスト変換タスクに最適化され、20種類以上の言語をサポートしています。MLX量子化を通じてAppleチップに対するパフォーマンスが最適化されています。
これはTHUDM/GLM-4-32B-0414モデルのMLXフォーマット版で、4ビットDWQ量子化処理が施されており、Appleチップデバイス向けの効率的な推論に適しています。
Qwen3-8B-4bit-DWQ は Qwen/Qwen3-8B を MLX フォーマットに変換した 4 ビット量子化バージョンで、Apple デバイス上で効率的に動作します。
これはQwen2.5-VL-7B-Instructをベースにしたマルチモーダルモデルで、視覚QAタスクをサポートし、Appleチップ上で効率的に動作するようMLXフォーマットに変換されています。
VL-Rethinker-72B-4bitはQwen2.5-VL-7B-Instructをベースにしたマルチモーダルモデルで、視覚QAタスクをサポートし、Appleデバイスで効率的に動作するようMLXフォーマットに変換されています。
timm
CLIPアーキテクチャに基づく視覚トランスフォーマーモデルで、画像特徴抽出に特化しており、Apple社によってリリースされました。
apple
MobileCLIP-B (LT)はApple社が開発した効率的な画像テキストモデルで、マルチモーダル強化トレーニングにより高速なゼロショット画像分類を実現し、同類モデルよりも優れた性能を発揮します。
danyloylo
これはStable Diffusion 1.5ベースのControlNetモデルで、顔画像処理に特化しており、Apple CoreMLフォーマットと互換性があります。
潜在拡散ベースのテキストから画像生成モデル、Apple Siliconハードウェア向けに最適化されたCore MLフォーマット版
Apple MCPツールセットは、MCPプロトコルに基づくAppleのネイティブツールセットで、メッセージ、メモ、連絡先、メール、リマインダー、カレンダーなどのAppleエコシステムの統合サービスを提供します。
Apple Doc MCPは、Apple開発者ドキュメントへの直接アクセスを提供するモデルコンテキストプロトコルサーバで、AIプログラミングアシスタントに統合され、スマート検索、フレームワークブラウジング、詳細なドキュメント取得をサポートします。
完全なウェブサイトアイコンセットを自動生成するMCPサービスで、PNG画像またはURLからさまざまなサイズのfavicon、Appleタッチアイコン、およびウェブアプリケーションマニフェストファイルを作成できます。
MCPサービスツールで、スマートな会議スケジューリングを行います。GoogleカレンダーとContacts APIを通じて連絡先を検索し、共通の空き時間を見つけ、自動的にGoogle Meetリンク付きの会議を作成し、macOSのAppleカレンダーに同期します。
キーノート - MCPは、AppleScriptを通じてキーノートのプレゼンテーションを自動制御するAIアシスタントサービスで、モジュール化されたアーキテクチャ、テーマ感知型のコンテンツ管理、豊富なエクスポート機能を備えています。
エンハンスト版のApple MCPサーバーで、スマートな連絡先解析、高度なメモ管理、およびAppleエコシステムの完全な統合機能を提供します。
Transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
