На WWDC 2026 Apple представила масштабное обновление Foundation Models — и это уже не просто «дёрнуть локальную модель из Swift». Фреймворк превращается в полноценный слой для работы с разными моделями, источниками контекста и режимами выполнения.
Главная новость сходу: Foundation Models уходит в open source. Вместе с ядром выходит отдельный пакет Foundation Models Framework Utilities — он будет обновляться между релизами ОС, чтобы экспериментальные примитивы добирались до тебя быстрее, чем раз в год.
Новая on-device модель
Модель пересобрана с нуля. Apple обещает улучшенную логику и tool calling. Параллельно в iOS 26.4 уже появились API для проверки размера контекста и подсчёта токенов — это позволяет адаптировать промпты под конкретное железо, не гадая, влезет ли запрос.
Vision: изображения прямо в промпте
Теперь модель принимает картинки. Форматы без сюрпризов:
UIImage/NSImageCGImage- Core Image-типы (
CIImage) CoreVideoPixel Buffers- File URLs
Модель работает с любым размером и соотношением сторон — кропать и паддить не нужно. Но имей в виду: большие изображения съедают больше токенов и увеличивают latency. Мультимодальность наконец выглядит как API для реальной фичи, а не как слайд с демо.
Private Cloud Compute как ещё одна модель
Появляется PrivateCloudComputeLanguageModel — та самая модель, что стоит за многими функциями Apple Intelligence. Ключевые характеристики:
- Контекстное окно 32 000 токенов
- Встроенный reasoning: модель «думает» перед ответом, выдавая заметно лучший результат
- Параметр
reasoningLevelнаcontextOptionsуправляет глубиной рассуждений
Для разработчика это выглядит почти как обычная LanguageModelSession — только модель уже не на устройстве. Никаких API-ключей, никакой отдельной авторизации. Apple обещает нулевые cloud API costs для приложений с менее чем 2 млн first-time downloads.
Приватность по-прежнему в приоритете: промпты не хранятся, независимые исследователи могут верифицировать это утверждение.
Единый LanguageModel protocol
Возможно, главный архитектурный сдвиг. За одной абстракцией теперь могут жить:
SystemLanguageModel(on-device)PrivateCloudComputeLanguageModel(PCC)- Core AI
- MLX
- Сторонние провайдеры (Anthropic, Google, собственный backend)
Downstream-код приложения может не знать, кто именно отвечает на запрос. Это честная платформенная абстракция, а не маркетинговый слоган.
System tools: OCR, штрихкоды и Spotlight
Apple добавляет встроенные инструменты, подключённые к Vision framework и Spotlight:
- OCR
- Barcode reader
- Поиск по Spotlight index
Последний пункт особенно интересен: локальный RAG поверх Spotlight — это AI-фичи, работающие с персональным или доменным контекстом без необходимости гнать всё подряд во внешний API.
Dynamic Profiles для агентных сценариев
Вместо ручного пересоздания сессий можно декларативно описывать профили работы модели. Например:
- Профиль A анализирует изображение локальной моделью
- Профиль B переключается на PCC с reasoning для генерации идей
Это примитив для небольших агентов внутри приложения — без необходимости городить state-машину вручную.
Evaluations framework
Apple наконец признаёт очевидное: LLM-фичи недетерминированы, и тестировать их «на ощущениях после трёх запусков» — не метод. Новый Evaluations framework позволяет измерять качество изменений промптов, инструментов и моделей статистически. По сути это unit-тесты для AI-слоя.
Если ты уже думаешь, как добавить AI в iOS-приложение, сессия WWDC26 241 — один из первых докладов, которые стоит посмотреть. Не за хайпом, а чтобы принять осознанное решение: что держать на устройстве, что отдавать в PCC, а что вообще не стоит строить поверх LLM.