苹果公司正加紧招聘推理模型领域专家，以解决其研究揭示的大型语言模型重大缺陷。招聘聚焦开发更准确高效的新型架构，重点强化推理、规划、工具使用和基于代理的LLM能力。
苹果公司将在2025年10月檀香山举办的国际计算机视觉大会（ICCV）上展示八篇论文，聚焦多模态模型和视频生成等前沿技术，分享其在计算机视觉领域的最新研究成果。
苹果公司拟收购计算机视觉初创公司Prompt AI的团队与技术，采用"人才与技术"收购方式，旨在快速增强AI能力。Prompt AI成立于2023年，团队仅11人，其产品Seemour可通过家庭摄像头识别人、宠物及物体，并用自然语言描述。
苹果公司正就收购计算机视觉初创企业Prompt AI进行最后阶段谈判，旨在获取其核心技术及人才。该公司2023年成立，同年完成500万美元种子轮融资，核心产品Seemour应用可与家庭安防摄像头联动，提供高精度识别分析功能。
calcuis
FastVLM-0.5B是苹果公司开发的高效视觉语言模型，参数量为5亿，通过GGUF格式优化，可在资源受限环境中实现快速的文本生成和视觉语言理解任务。
gguf-org
FastVLM是由苹果公司开发的轻量级视觉语言模型，参数量为5亿，支持文本生成和视觉语言理解任务。该模型提供了多种量化版本，可通过gguf-connector工具便捷运行。
apple
OpenELM是由苹果公司推出的高效语言模型系列，采用分层缩放策略优化参数分配，提供270M至3B不同规模的预训练及指令调优模型。
timm
AIM-v2是由苹果公司开发的图像编码器模型，基于timm库兼容的架构，适用于图像特征提取任务。
基于CLIP架构的视觉变换器模型，专注于图像特征提取，由苹果公司发布。
基于CLIP架构的ViT-Huge图像编码器，由苹果公司发布的DFN5B-CLIP模型，适用于视觉特征提取任务。
基于CLIP架构的视觉Transformer模型，由苹果公司发布的DFN2B-CLIP图像编码器权重
MobileCLIP-B (LT)是苹果公司推出的高效图文模型，通过多模态强化训练实现快速零样本图像分类，性能优于同类模型。
%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)
