Foundation Models en Private Cloud Compute

El Foundation Model on-device tiene ahora un hermano. iOS 27 le da al framework un modelo a escala de servidor que se ejecuta en Private Cloud Compute, con una ventana de contexto de 32K y razonamiento, y lo alcanzas cambiando una sola línea de código¹. La misma LanguageModelSession, el mismo Generable, el mismo protocolo Tool⁴. El movimiento de fondo está debajo: Apple abrió el framework a casi cualquier LLM a través de un protocolo público, de modo que el modelo on-device, el modelo en la nube, un modelo local que tú distribuyas, un modelo de código abierto de Hugging Face y pronto Claude y Gemini responden todos a la misma API de Swift². Dejas de programar contra un modelo y empiezas a programar contra una ranura que puedes intercambiar.

Este post es la capa de nube y de proveedores sobre la referencia del framework. Si todavía no conoces LanguageModelSession, el protocolo Tool ni la generación guiada, empieza con el explicador del framework Foundation Models y el post sobre tool-calling en iOS 27, y después vuelve aquí.

TL;DR

• Private Cloud Compute trae un modelo de servidor más grande al framework Foundation Models, conmutable cambiando una línea respecto al modelo on-device. Ofrece una ventana de contexto de 32K frente a los 4K on-device, admite razonamiento en tres niveles y se ejecuta desde iOS, macOS, visionOS y watchOS¹².
• La postura de privacidad coincide con la del modelo del sistema: Apple diseñó PCC para que los datos del usuario nunca se almacenen y se usen solo para la solicitud, algo verificado de forma independiente por investigadores, sin claves de API, sin configuración de cuenta y sin costo por token para quien desarrolla¹.
• Cada usuario recibe un límite diario de solicitudes contabilizado contra su cuenta de iCloud, ampliable mediante iCloud+. Maneja el límite en tu UI consultando el estado de cuota del modelo y mostrando un control persistente y accionable en lugar de una alerta. Solicita el acceso en el sitio web para desarrolladores; está disponible para apps con menos de 2M de descargas¹.
• El nuevo protocolo LanguageModel convierte cada modelo en algo intercambiable: System, PCC, Core AI para modelos locales en el ANE, MLX para la comunidad de Hugging Face, y paquetes de proveedores de Anthropic y Google por venir².
• DynamicProfile permite que una sola sesión se mueva entre esos modelos a mitad de la conversación, de modo que un turno de lluvia de ideas puede usar PCC con temperatura alta y un turno de revisión puede bajar al modelo on-device para ahorrar llamadas al servidor³.

Un modelo más grande, las mismas tres líneas

El año pasado el argumento era que pedirle al modelo on-device toma tres líneas: crear una sesión, llamar a respond, leer la respuesta¹. Este año ese argumento se extiende a la nube. El framework ofrece una API de Swift unificada sin importar con qué modelo hables, así que pasar del modelo System on-device al modelo PCC cambia el modelo que construyes y nada más¹. La salida estructurada mediante Generable y el tool calling se comportan de forma idéntica en ambos¹.

Louis en la sesión 319: pedirle al modelo on-device toma tres líneas, y pasar al modelo de servidor PCC es un cambio de una línea hacia un modelo mucho más grande con mayor contexto y razonamiento.

La forma del intercambio, en los propios términos del framework:

import FoundationModels

// On-device: the System model.
let onDevice = LanguageModelSession(model: SystemLanguageModel.default)

// Cloud: swap the model. Same session API, same prompts, same tools.
let cloud = LanguageModelSession(model: PrivateCloudComputeLanguageModel.default)

let summary = try await cloud.respond(to: "Summarize this 30-page contract.")

Los nombres de los símbolos vienen directo de la sesión: Apple expone el modelo en la nube como PrivateCloudComputeLanguageModel, y la sesión muestra el tamaño de contexto leído desde una propiedad contextSize tanto en SystemLanguageModel como en PrivateCloudComputeLanguageModel¹. Como el modelo en la nube cumple el mismo protocolo LanguageModel que cumple cualquier otro modelo, el resto de tu código no nota la diferencia².

Una restricción se hereda del modelo on-device y merece una comprobación firme: PCC solo se ejecuta en dispositivos compatibles con Apple Intelligence. Consulta la API de disponibilidad y maneja el caso en que Apple Intelligence no esté disponible, igual que ya controlas el modelo on-device¹.

Qué te da PCC, y qué cuesta

PCC es la respuesta de Apple a los casos de uso que el modelo on-device no puede alcanzar: asistentes que razonan sobre entradas grandes del usuario, o funciones que disparan muchas llamadas a herramientas con salidas grandes¹. La concesión es concreta y no basada en sensaciones, y la sesión la plantea como una comparación cara a cara.

Dos filas concentran la mayor parte de la decisión. El salto de 4K a 32K es lo que hace viable en el modelo en la nube la función de “resumir un documento largo con imágenes” y la deja apretada en el on-device¹. El razonamiento es la otra: donde una respuesta simple lee el prompt y genera, una respuesta con razonamiento genera texto adicional en un segmento aparte del transcript antes de responder¹. Los tres niveles escalan ese presupuesto de pensamiento. Light reúne un poco de contexto extra, moderate razona más a fondo, y deep puede producir un segmento de razonamiento más largo que la propia respuesta¹. Fijas el nivel cuando llamas a respond en la sesión¹.

El razonamiento no es gratis. El segmento de razonamiento es texto que genera el modelo, así que consume tokens y cuenta contra el presupuesto de contexto de 32K¹. La sesión es contundente sobre la disciplina que esto exige: decide entre on-device y PCC, y elige el nivel de razonamiento, a partir de datos y no de sensaciones¹. Apple lanzó un nuevo framework de Evaluations en Xcode precisamente para eso, porque el modelo on-device rinde mejor de lo que esperas en muchas tareas y la única manera de saberlo es medir¹.

La postura de privacidad es el titular

Un modelo de servidor que maneja la entrada privada del usuario suele ser donde la historia de privacidad se desmorona. PCC está construido para que no ocurra. Apple diseñó Private Cloud Compute pensando en la privacidad de extremo a extremo, garantizando que los datos del usuario nunca se almacenen y se usen solo para la solicitud, y los investigadores han verificado el diseño de forma independiente¹. PCC ya impulsa las propias tareas complejas de Apple Intelligence; el framework abre esa misma infraestructura a tu app¹.

Las consecuencias operativas son la parte que sienten quienes desarrollan. PCC está integrado en el sistema operativo junto a iCloud, así que no hay autenticación que cablear, ni claves de API que rotar, ni configuración de cuenta que pedirle al usuario¹. El usuario solo necesita un dispositivo compatible con Apple Intelligence y nada más. No hay costos por token para ti como desarrollador; cada usuario recibe un límite diario, y los usuarios pueden elevarlo mediante iCloud+¹. El modelo está disponible para apps con menos de 2M de descargas, y haces la solicitud en el sitio web para desarrolladores¹.

La sesión 319 sobre las garantías de privacidad: sin configuración de cuenta, sin autenticación, sin claves de API y sin costo por token para quien desarrolla, con las solicitudes de cada usuario contabilizadas contra su cuenta de iCloud.

Actualización, 8 de junio de 2026: PCC se mueve más allá de Apple silicon

La misma semana que se inauguró la WWDC, Apple publicó un post de seguridad que cambia dónde se ejecuta PCC. PCC ahora se extiende a Google Cloud sobre GPU de NVIDIA para nuevas cargas de trabajo de Apple Intelligence, “extendiendo nuestros compromisos de privacidad de PCC, líderes en la industria, a centros de datos de terceros por primera vez”⁵. El framework al que apuntas no cambia. La infraestructura debajo de él sí.

Apple mantiene el contrato idéntico. Los cinco requisitos centrales permanecen exactamente como estaban: “computación sin estado, garantías exigibles, sin acceso privilegiado en tiempo de ejecución, no segmentabilidad y transparencia verificable”⁵. Lo que cambia es la implementación, que Apple nombra como “NVIDIA Confidential Computing con GPU de NVIDIA, CPU de Intel con TDX y el chip Titan de Google”⁵. Apple endurece esa base por encima de un despliegue de computación confidencial estándar de dos maneras que quienes desarrollan deberían anotar. Mantiene “un registro criptográficamente verificable y solo de adición de todo el hardware de Google Cloud que forma parte de la flota de PCC”, y para los componentes que podrían exfiltrar datos del usuario, “la atestación de software está anclada en al menos dos raíces de confianza separadas de proveedores independientes”⁵.

La línea que más importa para la postura de privacidad trata sobre el control. Apple afirma que “Apple conserva el control completo sobre el software de PCC; los dispositivos Apple solo confiarán en software de PCC que esté aprobado criptográficamente por Apple”⁵. La historia de verificación para investigadores también se mantiene: Apple dice que publicará todos los binarios para inspección pública y dará acceso a nodos de PCC en vivo en modo de investigación a través del Apple Security Bounty Program⁵. El despliegue es escalonado, “avanzando hacia el conjunto completo de protecciones a lo largo del periodo de vista previa del verano”, así que una función que distribuyas contra PCC hereda un conjunto cambiante de garantías durante la vista previa en vez del conjunto final⁵.

La conclusión para el código de este post: las afirmaciones de privacidad anteriores se sostienen para el modelo PCC tanto si responde desde Apple silicon como desde Google Cloud, porque Apple mantiene los mismos cinco requisitos y la misma compuerta de confianza del lado del dispositivo. PCC es además la respuesta de primera parte de Apple donde los modelos de terceros no pueden seguirla, lo que se empareja con la respuesta de primera parte de Apple a la inyección de prompts de la misma semana.

Nota de laboratorio: las garantías de PCC se detienen en el límite del framework

Un punto sobre el que los labs de la WWDC fueron contundentes vale la pena destacar junto a esa expansión, porque traza la línea que el marketing no traza. Las garantías de PCC, cómputo sin estado, no segmentabilidad y almacenamiento efímero, no se extienden a los modelos de terceros que alcanzas a través del protocolo de modelo de lenguaje del framework, como Gemini o Claude. Cuando tu sesión se enruta a un paquete de proveedor en lugar del modelo System o PCC, quien desarrolla asume la responsabilidad de leer los términos de ese proveedor y divulgar los flujos de datos resultantes, incluso en las etiquetas nutricionales de privacidad del App Store⁶. El protocolo te da una sola API de Swift entre modelos, pero no te da una sola postura de privacidad entre ellos. Ese trabajo de divulgación recae en ti, no en Apple.

Manejar el límite diario sin romper la UI

El límite diario es el único punto donde un modelo en la nube se entromete en la UX, y la sesión tiene una opinión clara sobre cómo manejarlo. Las solicitudes se contabilizan contra la cuenta de iCloud del usuario, y una solicitud que excede el límite lanza un error¹. Mostrar ese error en bruto en la UI es la jugada equivocada, porque el error no es accionable¹.

En cambio, consulta el estado de cuota en el modelo y renderiza tu propio control. La sesión consulta isLimitReached en el quotaUsage del modelo y, cuando se excede el límite, muestra un botón que permite al usuario gestionar o ampliar su límite¹. Dos reglas rigen la presentación. No uses una alerta, porque el estado del límite debe persistir en vez de descartarse; actualiza el estado de tu UI en su lugar, por ejemplo desactivando el botón de solicitud y mostrando una etiqueta sutil con una acción de ampliación debajo¹. Y detecta también el caso cercano: el modelo expone un estado belowLimit para que puedas avisar a un usuario que está cerca, dejándolo decidir qué solicitudes valen la pena gastar¹.

// Sketch following the session's pattern.
let quota = PrivateCloudComputeLanguageModel.default.quotaUsage
if quota.isLimitReached {
    // Persistent label + upgrade button. No alert.
    showUpgradeAffordance()
} else if quota.belowLimit {
    // Optional: warn the user they are nearing the daily limit.
    showNearingLimitNotice()
}

Xcode te ayuda a construir esto sin quemar cuota real. En las Debug Options del scheme, la opción “Simulate Apple Foundation Models Availability” ofrece “Quota Usage Limit Reached” y “Nearing Usage Limit”, de modo que puedes ejercitar ambos estados de la UI en el simulador¹.

Trae tu propio LLM: el protocolo de proveedores

El cambio más profundo en iOS 27 es que Foundation Models dejó de ser un framework de un solo modelo. Apple reconstruyó el modelo System on-device y agregó tres opciones de primera parte más, y luego abrió la puerta a todos los demás. PCC trae el modelo de servidor con razonamiento y contexto de 32K. Core AI ejecuta modelos locales de forma eficiente en el Apple Neural Engine. MLX desbloquea los miles de modelos de la comunidad MLX en Hugging Face mediante su ID de modelo². Y como todo esto se asienta sobre un nuevo protocolo público, los proveedores de frontera pueden distribuir sus propios paquetes de Swift; Apple nombró a Anthropic y Google como los que llevan Claude y Gemini a quienes desarrollan en Swift a través del mismo framework².

Christopher Webb en la sesión 339: más allá del modelo del sistema, el framework agrega PCC, Core AI y MLX, y un protocolo público permite que proveedores como Anthropic y Google lo extiendan con sus propios paquetes de Swift.

El protocolo tiene dos piezas, y la división es todo el diseño. LanguageModel describe el modelo al framework: declara capacidades y devuelve una configuración. LanguageModelExecutor es donde vive el trabajo, con un inicializador que toma esa configuración, un prewarm para cargar pesos o abrir conexiones antes de la primera solicitud, y un respond que transmite la generación de vuelta a la sesión². La configuración es el vínculo entre ambas, y es la clave de búsqueda. Cada sesión mantiene un almacén de executors; cuando un modelo produce una configuración que el almacén no ha visto, el framework construye un executor y lo guarda en caché, y la sesión describe la configuración como Hashable, de modo que un segundo modelo con la misma configuración se resuelve al mismo executor². Ese almacenamiento en caché es lo que permite que una integración con estado mantenga una caché KV o una conexión persistente entre llamadas en vez de rehacer el trabajo².

Para un proveedor de modelos, el trabajo del executor es la traducción. El framework le entrega un transcript, una secuencia de entradas tipadas, y el executor mapea esas entradas a los roles que hable su propio motor de inferencia². Apple define seis tipos de entrada: instructions, prompts, tool calls, tool outputs, responses y reasoning². Un modelo con solo roles system, user y assistant mapea los tool calls y el reasoning a assistant; un modelo con un rol de herramienta dedicado se enruta allí en su lugar². Cada solicitud también lleva la intención de quien desarrolla en dos bolsas de propiedades: ContextOptions para lo que entra en el prompt, como el nivel de razonamiento o un esquema de respuesta, y GenerationOptions para el bucle del decodificador, como el muestreo, la temperatura y la longitud². A la salida, el executor transmite eventos por un canal, comenzando con una actualización de metadatos (IDs de modelo y de solicitud) y una actualización de uso (recuento de tokens del prompt) antes de los deltas de texto, de modo que quien desarrolla conoce el costo de una solicitud sin esperar a todo el stream².

La historia de errores importa para quienes desarrollan apps aunque nunca escriban un proveedor. Foundation Models incluye LanguageModelError para los casos que todo modelo enfrenta: desbordamientos de la ventana de contexto, límites de tasa, rechazos y más². Un proveedor debería lanzar uno de esos cuando encaje, porque cualquier usuario del framework ya sabe cómo capturarlo, y reservar tipos de error personalizados para fallas que solo produce su propio servicio, como un nivel de suscripción o un estado de cuenta². Los proveedores también tienen margen para diferenciarse mediante metadatos de respuesta personalizados (tokens por segundo, tiempo hasta el primer token) y tipos de segmento personalizados que extienden el protocolo a nuevas modalidades como audio o video, todo fluyendo por la misma sesión². Los proveedores en la nube reciben un recordatorio puntual sobre credenciales: no tomes una clave de API como una cadena en texto plano; ofrece un proveedor de tokens o un flujo de inicio de sesión, persiste los tokens en el Keychain y combínalo con atestación del dispositivo a través de App Attest².

Implicaciones agénticas: enrutar modelos dentro de una sola sesión

El protocolo de proveedores y PCC dan frutos cuando dejas de pensar en un modelo por app y empiezas a pensar en un modelo por tarea. Eso es lo que habilita DynamicProfile. Permite que una sola LanguageModelSession cambie de modelo a mitad de la conversación, seleccionando la mejor configuración para la tarea que tiene delante³.

Erik y Oliver en la sesión 242: una app de manualidades declara perfiles que actúan como agentes, generando ideas en PCC a temperatura alta, planificando con razonamiento profundo y revisando en el modelo on-device para ahorrar llamadas al servidor.

El ejemplo de la sesión es una app de manualidades con tres fases. La lluvia de ideas quiere conocimiento amplio y creatividad, así que su perfil usa PrivateCloudComputeLanguageModel con la temperatura fijada en 1³. La planificación quiere profundidad, así que se queda en PCC y fija reasoningLevel en deep³. La revisión es orientación rutinaria mientras el usuario trabaja, así que baja a SystemLanguageModel para ahorrar llamadas innecesarias al servidor, lo que además conserva la cuota diaria de PCC del usuario para el trabajo que la necesita³. El cuerpo de un DynamicProfile se reevalúa en cada prompt, de modo que a medida que la app cambia de modo la sesión cambia de persona: cambiando de sombrero, o cambiando de agente³.

Enrutar entre modelos de distintos tamaños de contexto fuerza una disciplina que el framework solo on-device nunca exigió. Pasar de los 32K de PCC a los 4K on-device puede requerir recortar entradas para que quepan, y la sesión nombra también un uso de privacidad: redactar información privada de las entradas existentes al moverse a un modelo menos privado³. El historyTransform del framework aplica una transformación local y no destructiva antes de hacer el prompt, así recortas para un modelo sin perder contexto que el siguiente turno podría necesitar³. La mutación cuesta algo: agregar al transcript preserva la caché KV y minimiza el tiempo hasta el primer token, mientras que reescribir el historial (quitar entradas, cambiar herramientas, actualizar instrucciones) normalmente invalida la caché y agrega latencia³. El año pasado la API de sesión era de solo adición para garantizar esa optimización; este año Apple quitó las rueditas de entrenamiento, y la única manera de conocer el comportamiento de caché de un modelo es medir con el Foundation Models Instrument en Xcode³.

Decisión: on-device, PCC o tu propio proveedor

Las tres opciones no son una escalera. Cada una es la correcta para una forma distinta de problema.

Recurre primero al modelo System on-device. Es gratis, funciona sin conexión, no tiene límites de solicitudes, y la reconstrucción de iOS 27 lo hizo mejor en el seguimiento de instrucciones y le agregó entrada de imágenes². Su contexto de 4K es el techo real¹. Evalúa antes de asumir que necesitas más, porque la sesión te advierte que te sorprenderá lo bien que rinde¹.

Recurre a Private Cloud Compute cuando la tarea exceda al modelo on-device y los datos sean sensibles. Documentos largos que necesitan la ventana de 32K, razonamiento de varios pasos, o muchas llamadas a herramientas con salidas grandes¹. PCC es la única opción en la nube que mantiene la postura de privacidad de Apple sin claves, sin cuenta y sin costo por token, pagada por un límite diario por usuario que diseñas en torno a él¹. Elígelo cuando de otro modo levantarías tu propio modelo de servidor y temerías la revisión de privacidad.

Recurre a tu propio proveedor cuando necesites un modelo específico que la plataforma no te da. Core AI para un modelo local que empaquetas y ejecutas en el ANE, MLX para un modelo de código abierto por ID, o un paquete de proveedor (Claude, Gemini) para un modelo de frontera². Asumes el manejo de credenciales, la atestación y la divulgación de privacidad, y a cambio obtienes un modelo concreto detrás de la misma LanguageModelSession que tu app ya habla². La sesión es explícita en que los modelos on-device y en la nube tienen características de privacidad muy distintas, y el usuario merece saber cuál está respondiendo².

Mézclalos en una sola sesión cuando las fases difieran. Ese es el caso de DynamicProfile: PCC para los turnos pesados de creatividad o razonamiento, el modelo on-device para los rutinarios, cada perfil llevando su propio modelo, temperatura y nivel de razonamiento³.

FAQ

¿Cómo cambio del modelo on-device a Private Cloud Compute?

Cambia el modelo que le pasas a LanguageModelSession. El framework ofrece una API de Swift unificada entre modelos, así que pasar del modelo System on-device a PrivateCloudComputeLanguageModel es un cambio de una línea, y tus prompts, tu salida Generable y tus herramientas funcionan igual¹. PCC solo se ejecuta en dispositivos compatibles con Apple Intelligence, así que conserva tu comprobación de disponibilidad¹.

¿Es Private Cloud Compute tan privado como el modelo on-device?

Apple diseñó PCC para que los datos del usuario nunca se almacenen y se usen solo para la solicitud, y el diseño ha sido verificado de forma independiente por investigadores¹. Está integrado en el sistema operativo junto a iCloud, así que no hay claves de API, ni configuración de cuenta, ni autenticación que tengas que gestionar¹. On-device sigue ganando en operación sin conexión y solicitudes ilimitadas; PCC gana en tamaño de contexto y razonamiento¹.

¿Cuánto cuesta PCC, y cuál es el límite diario?

No hay costos por token para ti como desarrollador¹. Cada usuario recibe un límite diario de solicitudes contabilizado contra su cuenta de iCloud, y los usuarios pueden ampliarlo mediante iCloud+ para un límite mayor¹. Maneja el límite en tu UI consultando el estado de cuota del modelo (isLimitReached, belowLimit) y mostrando un control de ampliación persistente y accionable en lugar de una alerta¹. El modelo está disponible para apps con menos de 2M de descargas, y haces la solicitud en el sitio web para desarrolladores¹.

¿Qué significa realmente “trae tu propio proveedor de LLM”?

Apple agregó un protocolo LanguageModel público, de modo que cualquier modelo puede conectarse al framework Foundation Models y ser llamado a través de la misma API que el propio de Apple². Más allá del modelo System y PCC, el framework agrega Core AI para modelos locales en el ANE y MLX para modelos de la comunidad de Hugging Face, y Apple nombró a Anthropic y Google como los que distribuyen paquetes de Swift para Claude y Gemini². Un proveedor implementa LanguageModel más un LanguageModelExecutor que traduce el transcript del framework a su propio formato y transmite la generación de vuelta².

¿Puede una sola sesión usar más de un modelo?

Sí. DynamicProfile permite que una sola LanguageModelSession cambie de modelo a mitad de la conversación, eligiendo la mejor configuración por tarea³. Un perfil lleva su propio modelo, instrucciones, temperatura y nivel de razonamiento, y el cuerpo del perfil se reevalúa en cada prompt, de modo que una sesión puede generar ideas en PCC y revisar en el modelo on-device dentro de la misma conversación³. Vigila la brecha de tamaño de contexto entre modelos y el costo de la caché KV de reescribir el historial cuando lo hagas³.

El clúster completo de Apple Ecosystem: el explicador del framework Foundation Models; los controles de tool-calling de iOS 27; la distinción del flujo de trabajo agéntico; y el LLM on-device. El hub es la Serie Apple Ecosystem. Para un contexto más amplio sobre iOS con agentes de IA, consulta la guía de Desarrollo de Agentes en iOS.