4大亮揭密果AI模型 有架化反速度率
果在 WWDC25 全球者大後，近期更一步，公了一份名「Apple Intelligence Foundation Language Models Tech Report 2025」的技告。其中深入剖析了些新模型在、化估程中的，一揭《Apple Intelligence》背後「大」的神秘面。
果在 WWDC25 全球者大後，近期更一步，公了一份名「Apple Intelligence Foundation Language Models Tech Report 2025」的技告。其中深入剖析了些新模型在、化估程中的，一揭《Apple Intelligence》背後「大」的神秘面。
[caption id="attachment_183548" align="alignnone" width="2048"]
果近期布了AI模型的多方面，包括其架、料源、、後、工具使用等。(示意/AI生成)[/caption]
份技性高但值非凡的告，巨靡地述了新模型的架、源、、後、工具使用、性能化及基等多面。其中4大亮，可一果 AI 的尖端技：
[caption id="attachment_183547" align="alignnone" width="1079"]
Apple 基模型的建模概述。(/截取自果智慧基言模型技告 2025)[/caption]
置端模型：在巧中大性能
果的置端模型（即供者使用的那款）有 30 。然而，份新告揭示了其部巧妙的：模型被分割成。 1 包含了 Transformer 的 62.5%，而 2 包含了剩的 37.5% Transformer ，但值得注意的是， 2 移除了和值投影。
新了性的效能提升。透的分割，置端模型所需的存少了 37.5%，同首次出元（Token）所需的也短了 37.5%。管行了分割，果其方式保了模型的整性能和出品不受影。
技策略的背後，是果期以在化本地 AI 性能上的探索。年前，果就曾研究如何在受限的上，透在 RAM 和快存之按需交大型言模型（LLM）部分容，行比容量更大的模型。然最的解方案有所不同，但充分展了果致力於在量上提供高性能 AI 的心。
延伸：
果新一代iPad Pro配置前置？合M5晶片穰都
iOS 26的7大革新AI功能！升你的智慧生活
端模型：「私有算」量身打造的精妙架
於其伺服器端模型，果其「私有算」（Private Cloud Compute）平台量身打造了一特的自架，名「平行道家混合模型」（Parallel-Track Mixture-of-Experts, PT-MoE）。
而言之，「家混合模型」（MoE）是突破性的 AI 模型。它不再依一大、一的模型理所有任，而是其分解多小的子路，或之「家」。些「家」只在理其相的任才被激活。例，如果您的提示烹相，那只有烹域的家被醒算，而其他家保持休眠。模化使得整模型然依然大，但其速度更快，且往往更精，避免了所有提示都必通一大一模型而致的效率低下。
果在此基上，一步新，建了一新型的 Transformer，命名「平行道 Transformer」，透 MoE 行展。的 Transformer 模型通常透一堆的次逐一理元。然而，果的打破了理模式，模型分解多平行道。每道都能立理元，在特定行同步。
更精妙的是，在每平行道部，果用 MoE 取代了部分常 Transformer。意味著每元只需激活少家，而其家保持置。由於每道都有其的局部家，模型有效避免了中，所有算必跨越整系而造成的理瓶。
此外，果加入了一巧妙的，旨在平衡局部上下文理解全局宏野，之「交全局局部注意力」（Interleaving Global and Local Attention Layers）。最，一切技的合，成就了一高度模化、高效且可展的 AI 模型，它不行速度更快、源消耗更少，同也保持了卓越的智能水平。
多言能力：全球用的基石
《Apple Intelligence》初期布，英之外言支援的局限性曾是其受批的焦。此，果在其新模型中大幅提升了多言支援能力。
告示，果在程中多言的使用量 8% 大幅提升至 30%。些源包括自然生的容和透生成技造的合成容。同，果其分器（Tokeniser）的容量大了50%，使其模型在能15不同的元，相於之前的10有了著增。
果表示，些改使得其模型在非英基中取得了「著步」，尤其是在化微之後。值得注意的是，告中，估是透母使用者的提示行的（而非翻），同了模型在地境中的性和回的自然度。意味著未像「作工具」（Writing Tools）的功能，在其他受支援言中的表更加可靠和地道。
源解析：多元化、高量私保
一如其首批模型，果新模型的主要自爬取。但果明指出，其 Applebot 爬格遵守 robots.txt 排除，表示如果站者不希望果抓取其容，可以透定告知，Applebot 便停止抓取。
以下是果新模型源的成：
公可用：
管果未具量化比例，但其的最大部分自 Applebot 爬取的容。了保品，果用了多制，除低品、不安全或不相的容，包括垃圾件面、薄或模板化的文本以及格式的容。
授：
果在告中要提及部分是出版商得授。早前界曾指出，果正 Condé Nast（旗下有《客》、《尚》、《》等）、NBC 新以及 IAC（旗下有《人物》、《每日野》和《美好家花》等）行容授判，因此些料很可能已入其集。
合成：
果透小型模型和自管生成合成，尤其用於、程式、指令微以及言任。然告未明合成在集中的比，但其在微、化和提升多言支援等步中扮演了重要角色。
值得澄清的是，合成非「空捏造」或「容」，而是透演算法有中生成具特定性、的全新，於不足、增模型健性至重要。
：
了提升像理解能力，果收集了超 100 像-合，其中包括透光字符（OCR）幕截中提取的文字，以及手。
此外，果利用自身的模型生成了外且更富的像。去有果曾 Shutterstock 行像容授判，因此部分授像素材也可能已用於此目的
料源：9to5mac
篇文章 4大亮揭密果AI模型 有架化反速度率 最早出於 科技-掌握科技新、科技最新。
- 者：Mily
- 更多科技新 »
