Apples nya AI-modeller innehåller 'inga' av Googles Gemini-assistent

Apple-chefer har detaljerat arkitekturen för företagets nya Apple Foundation Models (AFM) och klargjort exakt hur Googles teknik har påverkat deras utveckling. Craig Federighi, Apples SVP för programvaruingenjörskap, höll en teknisk pratstund efter sin keynote (via 9to5Mac) med pressen på måndagen tillsammans med AI-VD Amar Subramanya, Siri-chef Mike Rockwell och programvaru-VD Sebastien Marineau-Mes för att gå igenom hur den tredje generationens AFM-familj byggdes och hur den driver Apple Intelligence. "Mängden av Google Assistant vi använder är ingen," sa Federighi och förklarade att Apple inte använder några av Gemini-modellerna som distribuerats till Googles kunder, ingen av Googles klientkod och ingen Google Search-infrastruktur som kunskapsgrund. Självklart har vi inte Gemini-appen som vår app. Faktum är att ingen av den klientkoden är en del av hur vi kör på iOS. För dessa modeller använder vi inga av de modeller som Google distribuerar till sina kunder, och vi använder inte heller den infrastruktur och de medel genom vilka de distribuerar modeller till sina kunder. Och när det kommer till kunskapsbasen använder vi självklart inte Google Search eller något liknande som grund för vårt system. Subramanya skisserade den nya AFM-familjen, som omfattar två modeller för enheten och tre serverbaserade modeller. Enhetsnivån består av AFM Core, en nästa generations tät arkitekturmodell, och AFM Core Advanced, som använder en gles arkitektur och är inbyggt multimodal. Subramanya sa att AFM Core Advanced är "olika från alla enhetsmodeller vi har kört tidigare," vilket möjliggör nya funktioner inklusive inbjudningar och uttrycksfulla röster utan några molnförfrågningar. På serversidan hanterar AFM Cloud latensoptimerade Private Cloud Compute-förfrågningar, medan AFM Cloud Image driver bildgenerering och redigeringsfunktioner inklusive spatial omformatering. Den viktiga detaljen om Googles samarbete kom i Subramanyas beskrivning av hur dessa fyra modeller tränades. "Alla dessa är specialbyggda för Apple Silicon, tränade med hjälp av proprietär data med förstärkningsinlärning och förfinade med hjälp av utdata från Gemini-gränsmodeller," sa han och klargjorde att Googles bidrag var baserat på destillation, inte en hel adoption av Gemini. Den femte och mest kapabel modellen, AFM Cloud Pro, är designad för agentisk verktygsanvändning och komplexa resonemangsuppgifter, med kvalitet som Subramanya sa är "liknande Gemini-gränsmodeller." Denna modell markerar ett avsteg från Apples standard Private Cloud Compute-upplägg. För att köra den arbetade Apple med både Google och Nvidia för att utöka sin privata molninfrastruktur till Nvidia GPU:er som hostas i Googles moln. Marineau-Mes sa att Apple ville använda Nvidias senaste chip men krävde att de skulle konfigureras så att de inte kunde läsa innehållet på Apples servrar. En ny teknik från Nvidia kallad "ambiguous confidential compute" gav lösningen. Vi ville dra nytta av den senaste teknologin från Nvidia, och därför satte vi oss för att utöka privat molnberäkning till tredjeparts moln.