Foundation Models na Private Cloud Compute

Model Foundation Model działający na urządzeniu doczekał się rodzeństwa. iOS 27 wyposaża framework w model w skali serwerowej, który działa na Private Cloud Compute, z oknem kontekstowym o pojemności 32K i rozumowaniem, a sięga się po niego, zmieniając jedną linię kodu¹. Ta sama LanguageModelSession, ten sam Generable, ten sam protokół Tool⁴. Większy ruch kryje się pod spodem: Apple otworzyło framework na niemal dowolny LLM za pośrednictwem publicznego protokołu, dzięki czemu model na urządzeniu, model w chmurze, lokalny model, który dostarczasz, model open source z Hugging Face, a wkrótce Claude i Gemini — wszystkie odpowiadają na to samo Swift API². Przestajesz pisać kod pod konkretny model, a zaczynasz pisać kod pod gniazdo, które można wymienić.

Ten wpis stanowi warstwę chmury i dostawców nadbudowaną na materiale referencyjnym o frameworku. Jeśli nie poznałeś jeszcze LanguageModelSession, protokołu Tool ani generowania sterowanego, zacznij od omówienia frameworka Foundation Models oraz od wpisu o wywoływaniu narzędzi w iOS 27, a potem wróć tutaj.

TL;DR

• Private Cloud Compute wprowadza do frameworka Foundation Models większy model serwerowy, przełączalny poprzez zmianę jednej linii względem modelu na urządzeniu. Oferuje okno kontekstowe 32K wobec 4K na urządzeniu, obsługuje rozumowanie na trzech poziomach i działa z iOS, macOS, visionOS oraz watchOS¹².
• Podejście do prywatności odpowiada temu z modelu systemowego: Apple zaprojektowało PCC tak, aby dane użytkownika nigdy nie były przechowywane i były wykorzystywane wyłącznie na potrzeby danego żądania, co niezależnie zweryfikowali badacze; bez kluczy API, bez konfiguracji konta i bez kosztu tokenów dla dewelopera¹.
• Każdy użytkownik otrzymuje dzienny limit żądań naliczany na poczet jego konta iCloud, który można podnieść poprzez iCloud+. Obsłuż limit w interfejsie, sprawdzając stan przydziału modelu i pokazując trwały, możliwy do podjęcia element sterujący zamiast alertu. O dostęp wnioskuje się na stronie dla deweloperów; dostępne dla aplikacji z mniej niż 2 mln pobrań¹.
• Nowy protokół LanguageModel sprawia, że każdy model staje się wymienialny: System, PCC, Core AI dla modeli lokalnych na ANE, MLX dla społeczności Hugging Face oraz pakiety dostawców od Anthropic i Google, które dopiero nadejdą².
• DynamicProfile pozwala, by pojedyncza sesja przemieszczała się między tymi modelami w trakcie rozmowy, więc tura burzy mózgów może korzystać z PCC z wysoką temperaturą, a tura weryfikacji może zejść do modelu na urządzeniu, by zaoszczędzić wywołania serwerowe³.

Większy model, te same trzy linie

W zeszłym roku argumentem było to, że odpytanie modelu na urządzeniu zajmuje trzy linie: utwórz sesję, wywołaj respond, odczytaj odpowiedź¹. W tym roku ten argument rozciąga się na chmurę. Framework oferuje ujednolicone Swift API niezależnie od tego, z którym modelem rozmawiasz, więc przejście z modelu systemowego na urządzeniu na model PCC zmienia konstruowany model i nic więcej¹. Ustrukturyzowane wyjście za pośrednictwem Generable oraz wywoływanie narzędzi zachowują się identycznie w obu przypadkach¹.

Louis w sesji 319: odpytanie modelu na urządzeniu zajmuje trzy linie, a przełączenie na model serwerowy PCC to zmiana jednej linii prowadząca do znacznie większego modelu z większym kontekstem i rozumowaniem.

Kształt tej zamiany, w terminologii samego frameworka:

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.")

Nazwy symboli pochodzą wprost z sesji: Apple udostępnia model w chmurze jako PrivateCloudComputeLanguageModel, a sesja pokazuje rozmiar kontekstu odczytany z właściwości contextSize zarówno na SystemLanguageModel, jak i na PrivateCloudComputeLanguageModel¹. Ponieważ model w chmurze spełnia ten sam protokół LanguageModel, co każdy inny model, reszta Twojego kodu nie zauważa różnicy².

Jedno ograniczenie przenosi się z modelu na urządzeniu i zasługuje na rygorystyczną kontrolę: PCC działa wyłącznie na urządzeniach obsługujących Apple Intelligence. Sprawdź API dostępności i obsłuż przypadek, w którym Apple Intelligence jest niedostępne, tak samo jak już zabezpieczasz model na urządzeniu¹.

Co kupuje Ci PCC i co to kosztuje

PCC to odpowiedź Apple na przypadki użycia, których model na urządzeniu nie jest w stanie obsłużyć: asystenci rozumujący nad dużymi danymi wejściowymi użytkownika lub funkcje, które wyzwalają wiele wywołań narzędzi z dużymi wynikami¹. Kompromis jest konkretny, a nie oparty na przeczuciach, i sesja przedstawia go jako zestawienie bezpośrednie.

Dwa wiersze przesądzają o większości decyzji. Skok z 4K do 32K to właśnie to, co sprawia, że funkcja „podsumuj długi dokument z obrazami” jest wykonalna na modelu w chmurze, a ciasna na modelu na urządzeniu¹. Rozumowanie to ta druga sprawa: tam, gdzie zwykła odpowiedź czyta prompt i generuje, odpowiedź z rozumowaniem generuje dodatkowy tekst w osobnym segmencie transkryptu, zanim udzieli odpowiedzi¹. Trzy poziomy skalują ten budżet myślenia. Lekki zbiera nieco dodatkowego kontekstu, umiarkowany rozumuje głębiej, a głęboki może wytworzyć segment rozumowania dłuższy niż sama odpowiedź¹. Poziom ustawiasz przy wywołaniu respond na sesji¹.

Rozumowanie nie jest darmowe. Segment rozumowania to tekst, który model generuje, więc zużywa tokeny i wlicza się do budżetu kontekstu 32K¹. Sesja nie owija w bawełnę wymaganej dyscypliny: decyzję między modelem na urządzeniu a PCC oraz wybór poziomu rozumowania należy podejmować na podstawie danych, a nie przeczuć¹. Apple dostarczyło w Xcode nowy framework Evaluations właśnie po to, ponieważ model na urządzeniu radzi sobie lepiej, niż się spodziewasz, w wielu zadaniach, a jedynym sposobem, by się o tym przekonać, jest pomiar¹.

Podejście do prywatności to nagłówek

Model serwerowy obsługujący prywatne dane wejściowe użytkownika to zwykle miejsce, w którym opowieść o prywatności się rozsypuje. PCC zbudowano tak, by tak się nie stało. Apple zaprojektowało Private Cloud Compute z myślą o prywatności od końca do końca, gwarantując, że dane użytkownika nigdy nie są przechowywane i są wykorzystywane wyłącznie na potrzeby żądania, a badacze niezależnie zweryfikowali ten projekt¹. PCC zasila już własne złożone zadania Apple Intelligence; framework otwiera tę samą infrastrukturę dla Twojej aplikacji¹.

Konsekwencje operacyjne to ta część, którą czują deweloperzy. PCC jest zintegrowane z systemem operacyjnym obok iCloud, więc nie trzeba podłączać uwierzytelniania, nie ma kluczy API do rotacji ani konfiguracji konta, o którą trzeba prosić użytkownika¹. Użytkownik potrzebuje jedynie urządzenia obsługującego Apple Intelligence i niczego więcej. Nie ma żadnych kosztów tokenów po Twojej stronie jako dewelopera; każdy użytkownik otrzymuje dzienny limit, a użytkownicy mogą go podnieść poprzez iCloud+¹. Model jest dostępny dla aplikacji z mniej niż 2 mln pobrań, a wniosek składa się na stronie dla deweloperów¹.

Sesja 319 o gwarancjach prywatności: bez konfiguracji konta, bez uwierzytelniania, bez kluczy API i bez kosztu tokenów dla dewelopera, przy czym żądania każdego użytkownika są naliczane na poczet jego konta iCloud.

Aktualizacja, 8 czerwca 2026: PCC schodzi z Apple silicon

W tym samym tygodniu, w którym ruszyło WWDC, Apple opublikowało wpis o bezpieczeństwie, który zmienia miejsce działania PCC. PCC rozszerza się teraz na Google Cloud na GPU NVIDIA dla nowych obciążeń Apple Intelligence, „rozszerzając nasze wiodące w branży zobowiązania dotyczące prywatności PCC na centra danych podmiotów trzecich po raz pierwszy”⁵. Framework, na który celujesz, się nie zmienia. Zmienia się infrastruktura pod nim.

Apple utrzymuje identyczny kontrakt. Pięć podstawowych wymagań pozostaje dokładnie takich, jakie były: „obliczenia bezstanowe, egzekwowalne gwarancje, brak uprzywilejowanego dostępu w czasie wykonywania, niemożność celowania oraz weryfikowalna przejrzystość”⁵. Zmienia się implementacja, którą Apple nazywa jako „NVIDIA Confidential Computing z GPU NVIDIA, CPU Intela z TDX oraz układ Titan firmy Google”⁵. Apple wzmacnia tę podstawę ponad standardowe wdrożenie confidential computing na dwa sposoby, które deweloperzy powinni odnotować. Utrzymuje „kryptograficznie weryfikowalny, tylko-dopisywany rejestr całego sprzętu Google Cloud wchodzącego w skład floty PCC”, a dla komponentów mogących wyprowadzać dane użytkownika „atestacja oprogramowania jest zakorzeniona w co najmniej dwóch odrębnych korzeniach zaufania pochodzących od niezależnych dostawców”⁵.

Linia, która ma największe znaczenie dla podejścia do prywatności, dotyczy kontroli. Apple oświadcza, że „Apple zachowuje pełną kontrolę nad oprogramowaniem PCC; urządzenia Apple będą ufać wyłącznie oprogramowaniu PCC, które zostało kryptograficznie zatwierdzone przez Apple”⁵. Historia weryfikacji dla badaczy również się przenosi: Apple zapowiada, że opublikuje wszystkie pliki binarne do publicznego wglądu i zapewni dostęp do działających węzłów PCC w trybie badawczym poprzez program Apple Security Bounty⁵. Wdrożenie jest etapowe, „dochodząc do pełnego zestawu zabezpieczeń w trakcie letniego okresu podglądowego”, więc funkcja, którą dostarczasz w oparciu o PCC, w okresie podglądu dziedziczy zmienny zestaw gwarancji, a nie ten ostateczny⁵.

Wniosek dla kodu w tym wpisie: powyższe zapewnienia dotyczące prywatności obowiązują dla modelu PCC niezależnie od tego, czy odpowiada on z Apple silicon, czy z Google Cloud, ponieważ Apple utrzymuje te same pięć wymagań i tę samą bramę zaufania po stronie urządzenia. PCC jest również własną odpowiedzią Apple tam, gdzie modele podmiotów trzecich nie są w stanie pójść, co łączy się z własną odpowiedzią Apple na prompt injection z tego samego tygodnia.

Notatka z laboratorium: gwarancje PCC kończą się na granicy frameworka

Punkt, co do którego laboratoria WWDC były szczere, warto wyeksponować obok tego rozszerzenia, ponieważ wyznacza granicę, której nie wyznacza marketing. Gwarancje PCC — obliczenia bezstanowe, niemożność celowania i ulotne przechowywanie — nie rozciągają się na modele podmiotów trzecich, do których sięgasz poprzez protokół modelu językowego frameworka, takie jak Gemini czy Claude. Kiedy Twoja sesja kieruje się do pakietu dostawcy zamiast do modelu System lub PCC, to deweloper odpowiada za przeczytanie warunków tego dostawcy i ujawnienie wynikających z tego przepływów danych, w tym w etykietach prywatności App Store⁶. Protokół daje Ci jedno Swift API dla wielu modeli, ale nie daje Ci jednego podejścia do prywatności dla nich wszystkich. Ta praca związana z ujawnieniem spada na Ciebie, a nie na Apple.

Obsługa dziennego limitu bez psucia interfejsu

Dzienny limit to jedyne miejsce, w którym model w chmurze wkracza w UX, a sesja ma wyraźne zdanie na temat tego, jak go obsłużyć. Żądania naliczają się na poczet konta iCloud użytkownika, a żądanie przekraczające limit rzuca błąd¹. Pokazanie tego surowego błędu w interfejsie to zły ruch, ponieważ taki błąd nie daje się na niczym oprzeć¹.

Zamiast tego sprawdź stan przydziału na modelu i wyrenderuj własny element sterujący. Sesja sprawdza isLimitReached na quotaUsage modelu i, gdy limit zostaje przekroczony, pokazuje przycisk pozwalający użytkownikowi zarządzać limitem lub go podnieść¹. Dwie zasady rządzą prezentacją. Nie używaj alertu, ponieważ stan limitu powinien być trwały, a nie odrzucany; zamiast tego zaktualizuj stan swojego interfejsu, na przykład wyłączając przycisk żądania i pokazując subtelną etykietę z akcją podniesienia limitu poniżej¹. I wykrywaj też zbliżający się przypadek: model udostępnia stan belowLimit, dzięki czemu możesz ostrzec użytkownika, który jest blisko, pozwalając mu zdecydować, na które żądania warto wydać limit¹.

// 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 pomaga zbudować to bez spalania prawdziwego przydziału. W opcjach debugowania schematu ustawienie „Simulate Apple Foundation Models Availability” oferuje „Quota Usage Limit Reached” oraz „Nearing Usage Limit”, dzięki czemu możesz przećwiczyć oba stany interfejsu w symulatorze¹.

Przynieś własny LLM: protokół dostawcy

Głębsza zmiana w iOS 27 polega na tym, że Foundation Models przestał być frameworkiem jednego modelu. Apple przebudowało model systemowy na urządzeniu i dodało trzy kolejne własne opcje, a następnie otworzyło drzwi dla wszystkich pozostałych. PCC wprowadza model serwerowy z rozumowaniem i kontekstem 32K. Core AI wydajnie uruchamia modele lokalne na Apple Neural Engine. MLX odblokowuje tysiące modeli ze społeczności MLX na Hugging Face za pomocą identyfikatora modelu². A ponieważ wszystko to opiera się na nowym publicznym protokole, czołowi dostawcy mogą dostarczać własne pakiety Swift; Apple wymieniło Anthropic i Google jako wprowadzających Claude’a i Gemini do deweloperów Swift za pośrednictwem tego samego frameworka².

Christopher Webb w sesji 339: poza modelem systemowym framework dodaje PCC, Core AI i MLX, a publiczny protokół pozwala dostawcom takim jak Anthropic i Google rozszerzać go o własne pakiety Swift.

Protokół ma dwa elementy, a ten podział to cały zamysł projektu. LanguageModel opisuje model frameworkowi: deklaruje możliwości i zwraca konfigurację. LanguageModelExecutor to miejsce, w którym dzieje się praca, z inicjalizatorem przyjmującym tę konfigurację, prewarm służącym do ładowania wag lub otwierania połączeń z wyprzedzeniem przed pierwszym żądaniem oraz respond, który strumieniuje generowanie z powrotem do sesji². Konfiguracja jest łącznikiem między nimi i to ona jest kluczem wyszukiwania. Każda sesja przechowuje magazyn executorów; gdy model wytwarza konfigurację, której magazyn nie widział, framework buduje executor i go buforuje, a sesja opisuje konfigurację jako Hashable, więc drugi model z tą samą konfiguracją rozwiązuje się do tego samego executora². To buforowanie jest tym, co pozwala integracji stanowej trzymać cache KV lub trwałe połączenie między wywołaniami, zamiast ponownie wykonywać pracę².

Dla dostawcy modelu zadaniem executora jest tłumaczenie. Framework przekazuje mu transkrypt, sekwencję wpisów z typami, a executor mapuje te wpisy na dowolne role, którymi posługuje się jego własny silnik wnioskowania². Apple definiuje sześć typów wpisów: instrukcje, prompty, wywołania narzędzi, wyniki narzędzi, odpowiedzi i rozumowanie². Model z jedynie rolami system, user i assistant mapuje wywołania narzędzi i rozumowanie na assistant; model z dedykowaną rolą narzędzia kieruje je tam². Każde żądanie niesie też intencję dewelopera w dwóch workach właściwości: ContextOptions na to, co trafia do promptu, jak poziom rozumowania czy schemat odpowiedzi, oraz GenerationOptions na pętlę dekodera, jak próbkowanie, temperatura i długość². Po stronie wyjścia executor strumieniuje zdarzenia na kanale, zaczynając od aktualizacji metadanych (identyfikatory modelu i żądania) oraz aktualizacji zużycia (liczby tokenów promptu) przed deltami tekstu, dzięki czemu deweloper poznaje koszt żądania bez czekania na cały strumień².

Historia błędów ma znaczenie dla deweloperów aplikacji, nawet jeśli nigdy nie napiszą dostawcy. Foundation Models dostarcza LanguageModelError na przypadki, które trafiają się każdemu modelowi: przepełnienia okna kontekstowego, limity szybkości, odmowy i nie tylko². Dostawca powinien rzucić jeden z nich, gdy pasuje, ponieważ każdy użytkownik frameworka już wie, jak go przechwycić, a niestandardowe typy błędów rezerwować na awarie produkowane wyłącznie przez jego własną usługę, jak poziom subskrypcji czy stan konta². Dostawcy mają też przestrzeń, by się wyróżnić, dzięki niestandardowym metadanym odpowiedzi (tokeny na sekundę, czas do pierwszego tokenu) oraz niestandardowym typom segmentów, które rozszerzają protokół na nowe modalności, takie jak audio czy wideo, a wszystko to płynie przez tę samą sesję². Dostawcy chmurowi dostają konkretne przypomnienie o poświadczeniach: nie przyjmuj klucza API jako zwykłego ciągu znaków; zaoferuj dostawcę tokenów lub przepływ logowania, przechowuj tokeny w Keychain i połącz to z atestacją urządzenia poprzez App Attest².

Implikacje agentowe: kieruj modele wewnątrz jednej sesji

Protokół dostawcy i PCC opłacają się, gdy przestaniesz myśleć o jednym modelu na aplikację, a zaczniesz myśleć o jednym modelu na zadanie. To właśnie umożliwia DynamicProfile. Pozwala pojedynczej LanguageModelSession przełączać modele w trakcie rozmowy, wybierając najlepszą konfigurację dla zadania, które ma przed sobą³.

Erik i Oliver w sesji 242: aplikacja rękodzielnicza deklaruje profile działające jak agenci, prowadzące burzę mózgów na PCC z wysoką temperaturą, planujące z głębokim rozumowaniem i weryfikujące na modelu na urządzeniu, by zaoszczędzić wywołania serwerowe.

Przykład z sesji to aplikacja rękodzielnicza z trzema fazami. Burza mózgów wymaga szerokiej wiedzy i kreatywności, więc jej profil używa PrivateCloudComputeLanguageModel z temperaturą ustawioną na 1³. Planowanie wymaga głębi, więc pozostaje na PCC i ustawia reasoningLevel na głęboki³. Weryfikacja to rutynowe wskazówki w trakcie pracy użytkownika, więc schodzi do SystemLanguageModel, by zaoszczędzić niepotrzebne wywołania serwerowe, co również zachowuje dzienny przydział PCC użytkownika na pracę, która go potrzebuje³. Ciało DynamicProfile ponownie ewaluuje się przy każdym prompcie, więc gdy aplikacja zmienia tryb, sesja zmienia osobowość: zmieniając kapelusze albo zmieniając agentów³.

Kierowanie między modelami o różnych rozmiarach kontekstu wymusza dyscyplinę, której framework wyłącznie na urządzeniu nigdy nie wymagał. Przejście z 32K w PCC do 4K na urządzeniu może wymagać przycięcia wpisów, by się zmieściły, a sesja wymienia też zastosowanie związane z prywatnością: redaguj prywatne informacje z istniejących wpisów przy przechodzeniu do mniej prywatnego modelu³. historyTransform z frameworka stosuje lokalną, nieniszczącą transformację przed wystawieniem promptu, więc przycinasz dla jednego modelu, nie tracąc kontekstu, którego następna tura może potrzebować³. Mutacja kosztuje: dopisywanie do transkryptu zachowuje cache KV i minimalizuje czas do pierwszego tokenu, podczas gdy przepisywanie historii (usuwanie wpisów, zmiana narzędzi, aktualizacja instrukcji) zwykle unieważnia cache i dodaje opóźnienie³. W zeszłym roku API sesji było wyłącznie dopisujące, by zagwarantować tę optymalizację; w tym roku Apple zdjęło boczne kółka, a jedynym sposobem, by poznać zachowanie buforowania modelu, jest pomiar za pomocą instrumentu Foundation Models w Xcode³.

Decyzja: na urządzeniu, PCC czy własny dostawca

Te trzy opcje nie są drabiną. Każda jest właściwa dla innego kształtu problemu.

Sięgnij najpierw po model systemowy na urządzeniu. Jest darmowy, działa offline, nie ma limitów żądań, a przebudowa w iOS 27 poprawiła go w podążaniu za instrukcjami i dodała wejście obrazowe². Jego kontekst 4K to realny sufit¹. Oceń, zanim założysz, że potrzebujesz więcej, ponieważ sesja ostrzega, że zaskoczy Cię to, jak dobrze sobie radzi¹.

Sięgnij po Private Cloud Compute, gdy zadanie przekracza model na urządzeniu, a dane są wrażliwe. Długie dokumenty wymagające okna 32K, wieloetapowe rozumowanie lub wiele wywołań narzędzi z dużymi wynikami¹. PCC to jedyna opcja chmurowa zachowująca podejście Apple do prywatności bez kluczy, bez konta i bez kosztu tokenów, opłacana dziennym limitem na użytkownika, wokół którego projektujesz¹. Wybierz ją, gdy w przeciwnym razie postawiłbyś własny model serwerowy i obawiałbyś się przeglądu prywatności.

Sięgnij po własnego dostawcę, gdy potrzebujesz konkretnego modelu, którego platforma Ci nie daje. Core AI dla lokalnego modelu, który dołączasz i uruchamiasz na ANE, MLX dla modelu open source po identyfikatorze albo pakiet dostawcy (Claude, Gemini) dla modelu z najwyższej półki². Bierzesz na siebie obsługę poświadczeń, atestację i ujawnienie prywatności, a w zamian otrzymujesz nazwany model za tą samą LanguageModelSession, którą Twoja aplikacja już się posługuje². Sesja wprost mówi, że modele na urządzeniu i w chmurze mają bardzo różne cechy prywatności, a użytkownik zasługuje na to, by wiedzieć, który z nich odpowiada².

Mieszaj je w jednej sesji, gdy fazy się różnią. To przypadek DynamicProfile: PCC na ciężkie tury kreatywne lub rozumowe, model na urządzeniu na rutynowe, przy czym każdy profil niesie własny model, temperaturę i poziom rozumowania³.

FAQ

Jak przełączyć się z modelu na urządzeniu na Private Cloud Compute?

Zmień model przekazywany do LanguageModelSession. Framework oferuje ujednolicone Swift API dla wielu modeli, więc przejście z modelu systemowego na urządzeniu na PrivateCloudComputeLanguageModel to zmiana jednej linii, a Twoje prompty, wyjście Generable i narzędzia działają tak samo¹. PCC działa wyłącznie na urządzeniach obsługujących Apple Intelligence, więc zachowaj swoje sprawdzenie dostępności¹.

Czy Private Cloud Compute jest tak prywatne jak model na urządzeniu?

Apple zaprojektowało PCC tak, aby dane użytkownika nigdy nie były przechowywane i były wykorzystywane wyłącznie na potrzeby żądania, a projekt został niezależnie zweryfikowany przez badaczy¹. Jest zintegrowane z systemem operacyjnym obok iCloud, więc nie ma kluczy API, konfiguracji konta ani uwierzytelniania, którymi musiałbyś zarządzać¹. Model na urządzeniu nadal wygrywa pod względem działania offline i nieograniczonych żądań; PCC wygrywa pod względem rozmiaru kontekstu i rozumowania¹.

Ile kosztuje PCC i jaki jest dzienny limit?

Nie ma żadnych kosztów tokenów po Twojej stronie jako dewelopera¹. Każdy użytkownik otrzymuje dzienny limit żądań naliczany na poczet jego konta iCloud, a użytkownicy mogą podnieść go poprzez iCloud+ do wyższego limitu¹. Obsłuż limit w interfejsie, sprawdzając stan przydziału modelu (isLimitReached, belowLimit) i pokazując trwały, możliwy do podjęcia element sterujący podniesieniem limitu zamiast alertu¹. Model jest dostępny dla aplikacji z mniej niż 2 mln pobrań, a wniosek składa się na stronie dla deweloperów¹.

Co właściwie oznacza „przynieś własnego dostawcę LLM”?

Apple dodało publiczny protokół LanguageModel, dzięki czemu dowolny model może podłączyć się do frameworka Foundation Models i być wywoływany przez to samo API, co własny model Apple². Poza modelem systemowym i PCC framework dodaje Core AI dla modeli lokalnych na ANE oraz MLX dla modeli społeczności Hugging Face, a Apple wymieniło Anthropic i Google jako dostarczających pakiety Swift dla Claude’a i Gemini². Dostawca implementuje LanguageModel plus LanguageModelExecutor, który tłumaczy transkrypt frameworka na własny format i strumieniuje generowanie z powrotem².

Czy jedna sesja może używać więcej niż jednego modelu?

Tak. DynamicProfile pozwala pojedynczej LanguageModelSession przełączać modele w trakcie rozmowy, wybierając najlepszą konfigurację na zadanie³. Profil niesie własny model, instrukcje, temperaturę i poziom rozumowania, a ciało profilu ponownie ewaluuje się przy każdym prompcie, więc sesja może prowadzić burzę mózgów na PCC i weryfikować na modelu na urządzeniu w tej samej rozmowie³. Uważaj na różnicę rozmiaru kontekstu między modelami oraz na koszt cache KV przy przepisywaniu historii, gdy to robisz³.

Pełny klaster Apple Ecosystem: omówienie frameworka Foundation Models; elementy sterujące wywoływaniem narzędzi w iOS 27; rozróżnienie przepływu agentowego; oraz LLM na urządzeniu. Centrum stanowi seria Apple Ecosystem. Po szerszy kontekst iOS z agentami AI sięgnij do przewodnika po rozwoju agentów iOS.