苹果重组AI团队，将AI定位为软件核心而非独立部门，旨在为2026年战略重启做准备。原AI负责人专注开发基础模型，Siri团队并入软件体系，体现整合与聚焦。
苹果计划于2026年底发布、2027年发货的“Apple Glasses”被CEO库克列为最高战略优先级，旨在打造超越Meta的行业标杆产品。
苹果与普渡大学合作推出DarkDiff技术，通过将生成式扩散模型融入相机图像处理流程，显著提升智能手机在极暗环境下的拍照效果。该技术直接处理原始图像数据，有效解决传统夜景模式降噪导致的细节模糊和虚假感问题，实现在黑暗中捕捉清晰细节。
苹果推出多模态AI模型UniGen1.5，整合图像理解、生成与编辑三大功能于统一框架，显著提升效率。该模型利用图像理解能力优化生成效果，实现技术突破。
TestFlight 是苹果提供的帮助开发者测试 Beta 版 App 的平台。
OneTap改变了您在苹果设备上分享内容的方式，让您只需轻轻一点即可保存任何内容以供稍后复制和粘贴。
在苹果硅片上运行扩散模型的推理工具。
Xcode 16 提供的功能和性能提升助力开发者用比以往更快的速度构建出色的 app，将开发者的生产力标准提升到了全新层次。
mlx-community
该模型是 Kimi-Linear-48B-A3B-Instruct 的 MLX 格式转换版本，专为苹果 Mac Studio 等 Apple Silicon 设备优化。它是一个 480 亿参数的大型语言模型，支持指令跟随，适用于本地推理和对话任务。
kyr0
这是一个专为苹果硅芯片设备优化的自动语音识别模型，通过转换为MLX框架并量化为FP8格式，实现在苹果设备上的快速端上语音转录。该模型针对逐字精度进行微调，特别适用于需要高精度转录的场景。
Dogacel
这是一个基于原始DeepSeek-OCR模型的优化版本，专门支持在苹果金属性能着色器（MPS）和CPU上进行推理的OCR模型。它能够从图像中提取文本并转换为结构化格式，支持多语言文档识别。
VibeThinker-1.5B的4位量化版本，基于MLX框架针对苹果芯片优化，是一个拥有15亿参数的密集语言模型，专门用于数学推理和算法编码问题
inferencerlabs
基于MLX库实现的文本生成模型，支持多种量化方式推理，具备分布式计算能力，可在苹果硬件环境下高效运行。
DeepSeek-OCR-8bit是基于DeepSeek-OCR模型转换的MLX格式版本，专门针对苹果芯片优化的视觉语言模型，支持多语言OCR识别和图像文本理解任务。
DeepSeek-OCR-6bit是基于DeepSeek-OCR模型转换的MLX格式版本，专门针对苹果芯片优化。这是一个视觉语言模型，具备强大的光学字符识别能力，能够从图像中提取和识别文本信息。
Wwayu
这是一个基于GLM-4.6架构的混合专家模型，使用REAP方法对专家进行了40%的均匀剪枝，参数量为218B，并转换为MLX格式的3位量化版本，适用于苹果芯片设备高效运行。
lmstudio-community
Qwen3-VL-32B-Instruct是一个强大的多模态视觉语言模型，基于Qwen基础模型开发，经过优化和量化处理，专门针对苹果芯片设备进行了优化，提供高效的图像文本处理能力。
Qwen3-VL-2B-Instruct 是一款高效的图像文本转文本模型，由 Qwen 团队开发。该模型经过 MLX 8位量化优化，特别适用于苹果硅芯片设备，能够处理视觉语言任务并提供高效的解决方案。
manasmisra
该模型是基于GLM-4.5-Air使用REAP方法进行25%均匀剪枝后的专家混合模型，已转换为MLX格式的4位量化版本，适用于苹果芯片设备的高效推理。
这是美团LongCat-Flash-Chat模型的MLX格式转换版本，采用创新的DQ6_K_M量化技术，专为配备512GB内存的苹果Mac Studio M3 Ultra设备优化，在保持接近8位量化性能的同时显著减少内存占用
Qwen3-VL-8B-Instruct是由Qwen团队开发的多模态视觉语言模型，支持图像文本到文本转换。该版本经过MLX 8位量化处理，专门针对苹果硅芯片进行优化，在保持性能的同时提升运行效率。
LFM2-8B-A1B是针对苹果硅芯片优化的8位量化MLX构建版本，采用专家混合（MoE）架构，总参数约80亿，每个令牌激活约10亿参数，支持设备端快速推理。
这是一个基于GLM-4.6模型转换的MLX格式版本，采用8位量化技术，分组大小为32，专为苹果芯片优化，提供高效的文本生成功能。
IBM Granite-4.0-H-Tiny模型的5-bit量化版本，专为苹果硅芯片优化。采用Mamba-2与软注意力混合架构，结合混合专家模型(MoE)，在保持高质量的同时实现高效推理。
IBM Granite-4.0-H-Tiny是经过苹果硅芯片优化的混合Mamba-2/Transformer模型，采用3位量化技术，专为长上下文、高效推理和企业使用而设计。该模型结合了Mamba-2架构和专家混合技术，在保持表达能力的同时显著降低内存占用。
Apriel-1.5-15B-Thinker是一个专为图像理解与推理设计的150亿参数多模态模型，采用中期训练方法而非RLHF训练。本版本为适用于苹果芯片的MLX量化版本，具有内存占用小、启动速度快的特点。
KAT-Dev是由Kwaipilot开发的多语言自然语言处理模型，支持多种语言交互任务，提供高效准确的语言处理能力。该版本经过MLX团队8位量化优化，专门针对苹果硅芯片进行了性能优化。
花岗石-4.0-h-微型模型是基于IBM Granite基础模型优化的语言模型，经过MLX量化处理，专门针对苹果硅芯片进行了优化，为相关应用提供高效解决方案。
Apple MCP工具集是一套基于MCP协议的苹果原生工具集合，提供消息、笔记、联系人、邮件、提醒、日历等苹果生态系统的集成服务。
一个用于通过SQL查询苹果健康数据的MCP服务器，基于DuckDB实现高效分析，支持自然语言查询和自动报告生成。
Apple Doc MCP是一个提供直接访问苹果开发者文档的模型上下文协议服务器，集成到AI编程助手中，支持智能搜索、框架浏览和详细文档获取。
一个让AI助手通过MCP协议控制苹果快捷指令的服务
Apple MCP工具集是一个为MCP协议设计的苹果原生工具集合，提供了消息、笔记、联系人、邮件、提醒、日历、网页搜索和地图等多种功能。
一个用于与macOS苹果日历交互的MCP服务器，提供标准化接口让AI模型访问和操作日历数据。
Apple RAG MCP是一个为AI代理提供苹果开发专业知识的检索增强生成系统，集成了官方Swift文档、设计指南和Apple Developer YouTube内容，通过AI驱动的混合搜索技术提供准确的技术答案。
VGGT-MPS是基于苹果芯片优化的3D视觉重建工具，使用Metal Performance Shaders加速，能够从单张或多张图像生成深度图、相机姿态和3D点云，支持稀疏注意力实现城市级重建。
自动生成完整网站图标集的MCP服务，支持从PNG图片或URL创建多种尺寸的favicon、苹果触摸图标及网页应用清单文件。
一个通过MCP协议访问苹果设备数据的服务，支持记忆存储与读取
基于MCP协议开发的苹果提醒事项管理工具，支持创建和查询提醒事项，包含设置标题、备注、日期时间等功能
一个提供苹果和谷歌应用商店市场情报分析的MCP服务
一个连接macOS苹果笔记的MCP服务器，提供笔记文件夹和内容管理功能
一个用于苹果笔记语义搜索的MCP服务，支持本地嵌入模型、全文搜索和向量存储。
Apple开发者文档MCP服务，为AI编程助手提供直接访问苹果官方开发文档的能力，支持智能搜索、框架浏览和详细文档获取。
一个简单的MCP服务器，能够从苹果笔记中读取和保存记忆信息，支持通过SSH远程访问Mac数据。
Cupertino 是一个基于 Swift 的本地化工具，用于爬取、索引并通过模型上下文协议（MCP）向 AI 智能体提供苹果开发者文档。它支持离线访问超过 23 万页的苹果平台文档、Swift 提案、设计指南和示例代码，并通过 SQLite FTS5 搜索引擎实现快速检索。
Apple Health MCP Server是一个基于FastMCP框架的模型上下文协议服务器，专为LLM代理与苹果健康数据交互设计。它提供标准化接口，通过Elasticsearch索引和查询健康数据，支持自然语言搜索、分析和统计功能，包含XML和Elasticsearch两大工具集，支持Docker部署。
一个提供苹果App Store和Google Play商店市场情报分析的MCP服务，支持获取应用详情、搜索、开发者信息、用户评价等多维度数据
Apple Notes MCP服务是一个通过自然语言与苹果笔记无缝交互的协议服务器
%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)
