真正能运行的 Apple AI 模型

使用 FastViTHD 编码器的视觉语言模型；0.5B 可在浏览器运行。

从单张图片估计绝对深度与焦距；驱动深度图生成器。

低延迟图文编码器；零样本分类与相似度工具。

开放视觉编码器（0.3B–2.7B），支持 PyTorch、JAX 与 MLX。

一张照片生成 3D Gaussian，并在一秒内实时渲染邻近视角。

从单张物体图片生成可重打光的 PBR Gaussian 与带纹理网格。

面向图像、视频与统一多模态生成的可扩展 normalizing flow。

面向代码生成的 7B 掩码扩散语言模型。

通过连续潜在推理连接检索与生成。

极简自蒸馏方法提升代码生成能力（Apple Research）。

Apple Intelligence 背后的 AFM 3 Core、Core Advanced 与 Private Cloud Compute 模型。

用于端侧 LLM 会话、结构化生成、工具调用与多模态提示的 Swift 与 Python API。