你的Mac里，可能已经藏着一个免费的AI模型。

而且它不是刚刚下载的。

不是某个网站提供的试用额度。

也不是需要注册账号、绑定信用卡才能体验的云端服务。

它从你打开Apple Intelligence的那一刻开始，就已经存在于你的电脑里。

但过去有一个问题：

你没有入口。

除非自己写一个Swift应用，否则普通用户几乎无法直接调用它。

直到一个叫：

Apfel

的小型开源工具出现。

它打开了一扇门。

现在，你可以直接从终端调用Mac里的AI模型。

也可以从代码调用。

甚至可以把它伪装成一个OpenAI兼容接口，让现有AI应用直接连接。

最关键的是：

不用下载几十GB模型。

不用等待漫长部署。

因为模型本身，早就在你的Mac里。

Apfel不是一个新的AI模型。

它只是打开了苹果已经安装好的那把锁。

发现一个低成本 AI 平台：GPT-5.6 倍率0.08(限时)， Claude Opus5,Fable 5 都能用，倍率 0.25，首字请求速度5s内，还支持 image-2 生图。关注公众号后，后台回复 aihub 即可获取体验额度。

我这里有官方sd2.0渠道，量大(50w以上)的可以9折，有需要的可以私我！

Apfel是什么？

安装非常简单：

brew install apfel

就结束了。

没有几个GB的安装包。

没有等待模型下载。

没有进度条慢慢跑。

原因很简单：

Apple Intelligence使用的模型，本来就已经随着系统安装到了设备中。

Apfel只是提供了一种访问方式。

它需要：

• macOS 26 Tahoe或更高版本
• Apple Silicon芯片
• 已开启Apple Intelligence

底层运行的是一个大约30亿参数级别的小模型。

经过量化压缩后，它可以运行在苹果的Neural Engine上。

Apfel提供三种使用方式。

第一种：命令行调用

你可以直接：

apfel

输入内容，让本地模型回答。

适合：

快速查询；

简单文本处理；

终端工作流。

第二种：交互聊天

例如：

apfel --chat

体验类似一个本地版聊天机器人。

第三种：OpenAI兼容服务器

这是我认为最有价值的部分。

Apfel可以启动一个本地服务：

localhost:11434/v1

然后：

任何支持OpenAI SDK的程序。

都可以直接连接它。

这意味着：

你的Python代码。

你的AI工具。

你的自动化脚本。

甚至一些第三方客户端。

不需要重新适配。

只需要把API地址改成本地地址。

最有意思的是：断网也能用

很多人第一次接触本地AI，会问：

“断网还能回答吗？”

答案是：

可以。

因为整个过程不经过云端。

关闭Wi-Fi。

模型依然可以运行。

它不会：

请求服务器。

上传数据。

消耗API额度。

这带来了一个非常实际的价值：

隐私。

比如：

本地代码；

私人笔记；

公司内部资料；

敏感文本。

如果你不希望发送到第三方服务器。

本地模型就是一种选择。

Apfel最大的亮点：像OpenAI一样调用本地AI

假设你原本有这样的代码：

from openai import OpenAIclient = OpenAI(    api_key="your-key")response = client.chat.completions.create(    model="xxx",    messages=[        {"role": "user","content":"你好"        }    ])

你只需要修改地址：

client = OpenAI(    base_url="http://localhost:11434/v1",    api_key="fake-key")

然后：

代码继续工作。

这件事为什么重要？

因为很多开发者已经围绕OpenAI接口建立了工具生态。

如果每一个本地模型都需要重新学习一套API。

使用成本会非常高。

而兼容OpenAI接口，相当于直接接入现有生态。

Apfel和Ollama有什么区别？

很多人看到这里可能会想到：

“这不就是Ollama吗？”

其实不是。

两者方向完全不同。

Ollama是什么？

Ollama负责运行开放权重模型。

例如：

Llama；

Qwen；

其他开源模型。

它需要：

下载模型。

保存权重。

管理版本。

切换模型。

优点：

自由度高。

你可以：

换模型；

调参数；

微调；

部署不同大小版本。

缺点：

需要空间。

需要配置。

需要管理模型文件。

Apfel是什么？

Apfel更像一个翻译层。

它不会下载模型。

不会管理模型。

它只是：

调用Apple FoundationModels框架。

然后把结果转换成OpenAI API格式。

所以：

Ollama像一个模型管理器。

Apfel像一个本地AI入口。

最大的区别：

Ollama：

你选择模型。

Apfel：

苹果已经帮你选择好了。

这也是它最大的优势。

也是最大的限制。

Apfel最大的缺点：模型真的不算强

先说最现实的问题。

这个模型大约30亿参数。

所以：

不要期待它达到Claude。

不要期待它接近GPT旗舰模型。

这不是同一个级别。

它比较适合：

简单命令查询；

短文本总结；

基础分类；

快速辅助。

例如：

“帮我解释这个Shell命令。”

“给这个commit写一句说明。”

“总结一下这段文字。”

这些任务完全可以。

但如果你让它：

解决复杂数学问题；

分析大型代码项目；

处理多步骤推理。

效果可能马上下降。

它不是一个超级AI。

它更像：

电脑里随时待命的小助手。

最大限制：上下文窗口

目前它最大的硬限制之一：

Context Window。

大约只有4096 Token。

什么意思？

大概就是：

一页左右文字。

整个输入和输出加起来，共享这个空间。

所以你不能：

丢进去几十万行日志。

让它分析整个项目。

让它作为大型Coding Agent。

对于现在流行的AI编程工具来说：

一个代码文件可能就已经消耗大量上下文。

更不用说：

整个仓库。

所以：

Claude Code；

Codex；

大型AI Agent。

依然不是它的目标。

苹果的安全限制也是一个问题

因为这是Apple Intelligence的一部分。

所以：

它自带苹果的安全策略。

你不能完全关闭。

有一个更宽松模式。

但本质上：

控制权依然在苹果。

这和自己运行开源模型不同。

如果你使用：

Llama；

Qwen；

其他开放权重模型。

你拥有更多控制权。

Apfel则是：

方便。

简单。

但受苹果规则约束。

谁适合使用Apfel？

如果你的需求是：

复杂推理。

长文档分析。

大型代码开发。

生产级AI应用。

那么：

继续使用Claude、OpenAI。

或者自己部署更大的开源模型。

Apfel真正适合的是：

那些每天都有很多“小问题”。

但又不值得消耗云端额度的场景。

比如：

查看Shell命令。

生成Git Commit信息。

快速分类文件。

总结当前打开的内容。

简单文本处理。

这些事情单独看很小。

但一天可能发生几十次。

如果全部调用云端API：

成本会慢慢积累。

而Apfel：

就在电脑里。

免费。

离线。

随时可用。

本地AI时代正在改变

以前所谓“免费本地AI”是什么？

下载一个模型。

然后：

配置环境。

安装依赖。

下载几十GB权重。

解决各种报错。

最后终于运行。

现在情况开始变化。

未来很多电脑可能都会：

出厂自带AI模型。

用户不需要知道模型在哪里。

只需要调用。

苹果就是一个很明显的例子。

模型已经存在。

只是缺少入口。

Apfel做的事情，就是把这个入口打开。

最终评价

Apfel不会取代Claude。

不会取代GPT。

也不是给专业开发者准备的万能AI。

它最大的价值其实非常简单：

让你发现：

你的电脑里，可能已经有一个免费的AI。

它不需要登录。

不需要联网。

不需要付费。

它就在你的机器里面。

真正重要的变化不是：

“Apfel有多强。”

而是：

本地AI开始从‘自己安装模型’，变成‘电脑默认拥有智能能力’。

未来的个人电脑，可能不只是运行软件。

它本身就是一个AI设备。

而Apfel，只是让我们第一次看见：

这个趋势已经开始发生。