Core AI Models：苹果开源端侧 AI 模型工具链，从 PyTorch 到 iPhone 只需一条命令

苹果开源了。不是文档，不是 SDK，而是一整套从 PyTorch 模型到 iPhone 端侧推理的完整工具链——Core AI Models。2026 年 6 月 8 日，这个仓库悄然出现在 GitHub 上，BSD-3 协议，附带 Agent Skills，支持 Claude Code、Codex 和 Gemini CLI。对于一家以封闭著称的公司来说，这一步的意义远超代码本身。

一、Core AI Models 是什么

一句话概括：把 Hugging Face 上的开源模型变成苹果设备上能跑的 .aimodel 文件。

它不是又一个推理框架，而是苹果官方出品的模型导出工具链。整个仓库由四个模块组成：

导出流程极其简洁：

1
2
3
4
5
6
7
8

# 安装 uv（如果没有）
brew install uv

# 一行命令导出 Qwen3-0.6B
uv run coreai.llm.export Qwen/Qwen3-0.6B

# 指定 iOS 平台 + 4-bit 压缩
uv run coreai.llm.export Qwen/Qwen3-0.6B --platform iOS --compression 4bit_weight_palettized_group32

导出产物是独立的 .aimodel 文件（或包含多个文件的资源文件夹），直接拖进 Xcode 项目就能用。

二、支持哪些模型

Core AI Models 的模型覆盖范围相当全面，横跨语言、视觉、音频、扩散四大类：

语言模型（LLM）

视觉模型

CLIP、Depth Anything v3、EDSR（超分辨率）、EfficientSAM（分割）、PVT v2、SAM 3、YOLOS（目标检测）

音频模型

CLAP（音频理解）、Wav2Vec 2.0（语音表征）、Whisper（语音识别）

扩散模型

Stable Diffusion 1.5 / 2.1 / 3.5 Medium、FLUX.2

这个列表的含义很明确：苹果不是在做「一个模型」，而是在做「所有模型都能在 iPhone 上跑」的基础设施。

三、技术亮点：压缩与量化

端侧推理的核心矛盾是算力和内存。Core AI Models 提供了两套压缩方案：

macOS（动态 KV Cache）

默认 INT4 权重量化，block size 32。macOS 上的模型使用动态 KV Cache，不需要在导出时指定上下文长度：

1
2
3
4
5

# 全精度
uv run coreai.llm.export Qwen/Qwen3-0.6B --compression none

# 默认 4-bit 量化
uv run coreai.llm.export Qwen/Qwen3-0.6B

iOS（静态形状）

iOS 端需要固定上下文长度（静态形状），默认使用 4-bit 调色板压缩 + 通道分组：

1
2
3
4
5

# 4-bit 调色板，group size 32
uv run coreai.llm.export Qwen/Qwen3-0.6B --platform iOS --max-context-length 4096

# 更激进的 group size 8
uv run coreai.llm.export Qwen/Qwen3-0.6B --platform iOS --compression 4bit_weight_palettized_group8

iOS 还支持通过 YAML 配置文件自定义混合精度压缩方案，配合 coreai-opt（苹果的另一个开源项目）使用。

四、Agent Skills：让 AI 编程工具自动学会 Core AI

这是整个项目最「苹果」的部分——它不仅开源了工具链，还为 AI 编程工具准备了现成的 Skills。

三个内置 Skill：

安装方式覆盖三大主流 AI 编程工具：

1
2
3
4
5
6
7
8
9
10

# Claude Code
/plugin marketplace add git@github.com:apple/coreai-models.git
/plugin install coreai-skills@coreai-models

# Codex CLI
codex plugin marketplace add https://github.com/apple/coreai-models
codex plugin add coreai-skills@coreai-models

# Gemini CLI
gemini extensions install /path/to/coreai-models/skills

安装后，当你在 Claude Code 里说「把这个 Qwen3 模型部署到 iPhone 上」，它会自动调用正确的导出命令、处理压缩配置、生成 Swift 集成代码。

五、苹果的开源策略：不是突然变开放，而是精心布局

如果只看这一个仓库，会觉得苹果突然变开放了。但把时间线拉长看，2026 年 5-6 月苹果密集开源了一整个 AI 工具链：

这不是「偶尔开源一个项目」，而是「把整个端侧 AI 基础设施开源了」。

从战略角度看，苹果的逻辑很清晰：

1. 降低开发者门槛：以前要在 iOS 上跑自定义模型，需要手动处理 Core ML 转换、量化、Metal 优化。现在一条命令搞定
2. 绑定 Agent 生态：通过 Agent Skills，苹果把 Core AI 的最佳实践编码进了 Claude Code、Codex 等工具。开发者用 AI 写代码时，自然会用苹果的工具链
3. 不开放核心竞争力：开源的是工具链和导出配方，不是 iOS 系统本身、不是 Apple Intelligence、不是自研模型。苹果开放的是「怎么在苹果设备上跑模型」，而不是「苹果的模型」

六、局限性

坦率说，Core AI Models 目前还有几个明显的限制：

• 系统版本要求极高：需要 macOS 27 / iOS 27 + Xcode 27，这意味着目前只有开发者预览版能用
• 不接受代码贡献：README 明确写了「We are not accepting code contributions at this time」，开源但不开放协作
• 模型列表有限：虽然覆盖了主流开源模型，但相比 ONNX Runtime 或 TensorFlow Lite 的模型支持范围还有差距
• 仅限苹果生态：导出的 .aimodel 格式只能在苹果设备上运行，没有跨平台能力
• 没有 Apple Intelligence：开源的工具链和苹果自研的 Apple Intelligence 是两套独立的东西

七、对开发者意味着什么

如果你是 iOS/macOS 开发者，Core AI Models 大幅降低了在 App 中集成自定义 AI 模型的门槛。以前你需要：下载模型 → 转换为 Core ML → 处理量化 → 写 Swift 集成代码 → 调试 Metal 性能。现在：一条 uv run coreai.llm.export 命令，然后把产物拖进 Xcode。

如果你是 AI 编程工具的用户，Agent Skills 让你在 Claude Code 或 Codex 里就能完成端侧模型部署，不需要查文档、不需要记命令。

如果你关注 AI 行业，苹果这次开源释放了一个信号：端侧推理不再是大厂的专属能力，任何开发者都能把开源模型部署到 iPhone 上。

相关链接

• Core AI Models GitHub 仓库
• coreai-torch：PyTorch 桥接
• coreai-optimization：模型压缩
• Core AI 官方文档