После WWDC 2026 Apple представила новый AI-фреймворк — Core AI. Многие разработчики сразу начали задаваться вопросом: а нужен ли теперь MLX и такие библиотеки, как MLXLLM?
На первый взгляд кажется, что Core AI должен полностью заменить существующие решения для запуска нейросетей на устройствах Apple. Но на практике всё немного сложнее.
Давайте разберёмся простыми словами.
Если вы уже запускали локальные языковые модели в Swift, то скорее всего использовали MLX или MLXLLM.
Например:
- Llama 3.2
- Qwen
- Gemma
- Mistral
Модель скачивается с Hugging Face, загружается в приложение и начинает работать прямо на устройстве пользователя.
Примерно так выглядит процесс:
Hugging Face → MLXLLM → SwiftUI приложение → iPhone
Сегодня это один из самых популярных способов добавить локальный ИИ в iOS-приложение.
Преимущества MLXLLM:
- Простая интеграция
- Большое количество готовых моделей
- Поддержка Hugging Face
- Работает уже сейчас
- Полностью локальный запуск
- Не нужны серверы и API
По сути, если вы хотите добавить чат-бота, генерацию текста или суммаризацию заметок, MLXLLM уже отлично подходит для продакшена.
Core AI — новый системный фреймворк Apple для запуска нейросетей.
Главная идея заключается в том, что теперь модель становится частью экосистемы Apple и может максимально эффективно использовать возможности устройства.
Процесс выглядит так:
Модель → .aimodel → Core AI → iPhone
Вместо загрузки модели напрямую из Hugging Face используется специальный формат .aimodel, который оптимизируется под конкретное устройство.
Самое важное отличие между MLXLLM и Core AI заключается не в том, что они умеют, а в том, как они работают.
MLXLLM — это обычная библиотека внутри приложения.
Core AI — это часть операционной системы.
Можно провести аналогию:
MLXLLM похож на сторонний Swift Package.
Core AI похож на Core Data или AVFoundation.
То есть Apple встроила поддержку AI прямо в систему.
На сегодняшний день и MLXLLM, и Core AI позволяют:
- Запускать модели локально
- Работать без интернета
- Использовать GPU устройства
- Генерировать текст
- Обрабатывать большие языковые модели
Для конечного пользователя результат будет одинаковым: он задаёт вопрос и получает ответ от нейросети.
Представьте, что у вас есть одна модель.
Сейчас MLXLLM запускает её примерно одинаково на разных устройствах.
Core AI может создавать отдельные оптимизации для:
- A17 Pro
- A18 Pro
- M4
- M5
Это похоже на то, как Metal компилирует шейдеры под конкретный GPU.
В теории это должно дать лучшую производительность.
Сегодня MLX в основном использует GPU через Metal.
Core AI изначально создавался с учётом:
- CPU
- GPU
- Apple Neural Engine
Если Apple предоставит полный доступ к Neural Engine через Core AI, это может улучшить скорость генерации и снизить расход батареи.
MLXLLM обычно работает с уже готовыми файлами модели.
Core AI позволяет заранее подготовить модель под конкретную архитектуру устройства.
Это уменьшает время запуска и может ускорить инференс.
Сегодня можно открыть Hugging Face и найти тысячи моделей:
- Llama
- Qwen
- Gemma
- DeepSeek
- Mistral
Большинство из них уже доступны в формате MLX.
Скачал модель, подключил библиотеку и всё работает.
Для Core AI пока такой экосистемы нет.
Запуск модели через MLXLLM сегодня занимает буквально несколько строк кода.
Не нужно конвертировать модели в новый формат и разбираться с дополнительными инструментами.
Многие приложения уже используют MLXLLM в реальных проектах.
Для Core AI экосистема только начинает формироваться.
Если у вас уже работает решение на MLXLLM, причин срочно переписывать приложение нет.
Например, если приложение использует:
mlx-community/Llama-3.2-3B-Instruct-4bit
и показывает хорошую скорость генерации, то пользователь вряд ли заметит принципиальную разницу после перехода на Core AI.
Более того, пока неизвестно, насколько легко будет переносить существующие модели из Hugging Face в формат Core AI.
На сегодняшний день Core AI и MLXLLM не столько конкуренты, сколько инструменты для разных задач.
MLXLLM — лучший выбор, если нужно быстро встроить локальную LLM в приложение уже сейчас.
Core AI — это направление, в котором Apple будет развивать AI-платформу в будущем.
Поэтому для большинства iOS-разработчиков оптимальная стратегия выглядит так:
Использовать MLXLLM сегодня и внимательно следить за развитием Core AI в ближайшие версии iOS и macOS.
Вполне возможно, что через несколько лет Core AI станет тем же стандартом для нейросетей, каким когда-то стали Core Data, Core Animation и Core ML.