在WWDC26主題演講中，蘋果發布了第三代Apple Foundation Models（AFM），此次陣容共包含五款模型，其中部分在本地端運行，部分基於雲端部署，還有一款運行於谷歌伺服器之上、依託英偉達
晶片提供算力支持。以下將對這一體系的運作方式進行詳細拆解。
回顧起點：從端側到雲端
蘋果最初於2024年發布基礎模型時，產品線涵蓋一款參數量約為30億的端側語言模型，以及一款"更大規模的伺服器端語言模型，可通過Private Cloud Compute訪問，運行於蘋果自研晶片伺服器之上"。
Private Cloud Compute是一項頗具雄心的技術舉措，旨在提供雲端AI能力的同時，保障與端側處理相同級別的用戶隱私。
也正因如此，將整套系統保持在蘋果生態內部至關重要。Private Cloud Compute運行於蘋果自建數據中心、搭載蘋果自研晶片的伺服器之上，且其隱私保障機制可供獨立第三方安全研究人員進行驗證。
然而，隨著蘋果在AI領域的推進遭遇瓶頸，公司轉而與谷歌展開合作，將Gemini作為新一輪AI戰略的核心支撐。相關成果已於本周WWDC26主題演講中正式亮相。
五款模型全覽
第三代AFM共包含五款模型：AFM 3 Core與AFM 3 Code Advanced為端側模型；AFM Cloud、ADM 3 Cloud（Image）與AFM 3 Cloud Pro則為伺服器端模型。其中ADM 3 Cloud（Image）中的"D"代表擴散（Diffusion）技術。
除AFM 3 Cloud Pro外，其餘所有模型均基於蘋果自研晶片設備運行。AFM 3 Cloud Pro則運行於託管在谷歌雲平台的英偉達GPU之上。
這一部署得以實現，源於蘋果首次將Private Cloud Compute架構延伸至第三方基礎設施，同時"保持蘋果強大的安全與隱私保護能力"。
以下是蘋果對各模型的說明：
重點解析：AFM 3 Core Advanced與AFM 3 Cloud Pro
先看AFM 3 Core Advanced，這款端側模型擁有200億參數，規模相當可觀。面向大眾市場的端側模型通常參數量僅在數十億級別的低位徘徊。
為確保AFM 3 Core Advanced高效運行，蘋果採用了稀疏架構設計，可根據不同的輸入提示，每次激活最多40億參數，而非採用密集架構將200億參數全量保持激活狀態。
這一機制在概念上與混合專家（Mixture of Experts）方法相似，但其選擇性激活策略依託的是蘋果自主研發的技術，具體細節已在一年前發布的研究論文《面向大語言模型的指令跟隨剪枝》中詳細闡述。
再看AFM 3 Cloud Pro，這是此次部署於外部基礎設施的模型。蘋果本周在其安全部落格中發布了關於這一架構擴展的技術細節，其中最值得關注的部分如下：
蘋果與谷歌在此基礎上攜手構建了一系列能力，其完備程度遠超傳統保密計算部署的範疇。
訓練數據與評估體系
蘋果在其機器學習研究部落格中表示，五款模型"在分化為各自架構與應用場景之前，共享同一初始基礎，並在此基礎上擴展了多模態能力，涵蓋音頻、圖像理解、長上下文推理以及高質量視覺生成"。
蘋果還說明，訓練數據"涵蓋公開可用資訊、經許可或購買的第三方數據、開源數據、專項研究獲取的數據，以及合成數據"。蘋果同時強調，訓練過程未使用任何用戶數據或交互記錄，且網頁發布者可選擇退出基礎模型訓練。
人工評估結果
蘋果對第三代基礎模型進行了大規模人工評估，內部評審人員從指令遵循能力、真實性、呈現效果及圖像理解等多個維度對模型響應進行評分。
各模型均與前代版本進行了對比評估（適用時），部分結果如下：
在針對通用文本能力的人工同步評估中，AFM 3 Core與AFM 3 Cloud相較前代模型的優選響應占比。結果分四個地區語言組呈現，以體現各國際版本的一致表現。"English"代表全球英語評估集，"PFIGSCJK"、"DNNSTV"與"AFIHHMPRTU"則代表其餘受支持的全球語言區域。
在英語圖像理解能力的人工同步評估中，AFM 3 Core與AFM 3 Cloud相較2025年前代模型的優選響應占比。
在聽寫任務的人工同步評估中，AFM 3 Core Advanced相較蘋果現有生產級聽寫系統在七個質量維度上的綜合表現。AFM 3 Core Advanced在整體質量上展現出正向勝率，且在所有格式化與理解維度上的優勢均保持一致。
如需深入了解第三代Apple Foundation Models的更多技術細節，歡迎訪問蘋果官方技術部落格查閱完整內容。
Q&A
Q1：蘋果第三代Apple Foundation Models包含哪些模型？
A：第三代AFM共包含五款模型。其中端側模型為AFM 3 Core與AFM 3 Code Advanced，可直接在蘋果設備本地運行；伺服器端模型包括AFM Cloud、ADM 3 Cloud（Image）和AFM 3 Cloud Pro。值得注意的是，AFM 3 Cloud Pro運行於谷歌雲平台託管的英偉達GPU之上，是蘋果首次將Private Cloud Compute架構延伸至第三方基礎設施的成果。
Q2：AFM 3 Core Advanced的200億參數是如何在端側設備上高效運行的？
A：蘋果為AFM 3 Core Advanced採用了稀疏架構設計，並非將200億參數全量激活，而是根據每次輸入的提示內容，動態激活最多40億參數。這與混合專家（Mixture of Experts）方法在概念上有相似之處，但蘋果使用的是自主研發的技術，並在論文《面向大語言模型的指令跟隨剪枝》中進行了詳細闡述，從而大幅降低了端側運行的資源開銷。
Q3：蘋果第三代基礎模型的訓練數據來源有哪些？是否使用了用戶數據？
A：蘋果表示，訓練數據來源多元，涵蓋公開可用資訊、經許可或購買的第三方數據、開源數據、專項研究數據以及合成數據。蘋果明確強調，訓練過程中未使用任何用戶數據或用戶交互記錄。此外，網頁發布者還可選擇主動退出基礎模型訓練，以保護自身內容不被用於模型訓練。
