Apple Foundation Models SDK for Python: نموذج Apple Intelligence المحلي داخل وكيل Hermes
طوّر فريق Sber مزوّدًا أصليًا يربط نموذج Apple Intelligence المحلي بوكيل Hermes المستقل المبني بلغة Python عبر Foundation Models SDK. يُحمَّل النموذج مباشرة داخل العملية ويعمل على Apple Silicon دون سحابة: متوسط زمن الرد على الاستعلامات القصيرة 2,8 ثانية. وفي اختبار مرجعي من 50 سؤالًا (MMLU وGSM8K وHellaSwag وغيرها)، قدّم المحوّل 46 إجابة صحيحة.
معالج بواسطة الذكاء الاصطناعي من Habr: Сбер؛ بتحرير Hamidun News
عرض مهندسو Sber في مدونتهم على Habr مزوّدًا أصليًا يربط نموذج Apple Intelligence المحلي بوكيل Hermes المستقل عبر Apple Foundation Models SDK for Python. وبحسب قياساتهم، بلغ متوسط زمن الرد على الاستعلامات القصيرة 2,8 ثانية، وقدّم المحوّل 46 إجابة صحيحة في اختبار مرجعي من 50 سؤالًا.
ما هي Foundation Models SDK for Python
Apple Foundation Models SDK for Python مكتبة تتيح الوصول المباشر إلى نموذج Apple Intelligence المحلي من شيفرة Python. أطلقتها Apple في فبراير 2026: يُحمَّل النموذج داخل العملية، ويبقى KV-cache في الذاكرة العشوائية، وينفَّذ الاستدلال على شرائح Apple Silicon دون أي اتصال بالسحابة.
واكتسبت المكتبة جمهورًا بين المطورين بسرعة. ووفق بيانات GitHub، نالت حتى الآن 1,2 ألف نجمة، فيما عرضت Apple أحدث إصداراتها 0.2.0 مع دعم الصور في مؤتمر WWDC26.
- إطلاق المكتبة — فبراير 2026
- 1,2 ألف نجمة على GitHub
- الإصدار 0.2.0 مع دعم الصور — في WWDC26
- الاستدلال محلي بالكامل على Apple Silicon
- KV-cache محفوظ في ذاكرة العملية
لماذا احتاج Hermes إلى محوّل
لم يكن هناك قبل ذلك مزوّد أصلي جاهز لوكلاء Python. فالأغلفة المبنية فوق Foundation Models تحاكي واجهة OpenAI، لكنها لا تتيح للنموذج المحلي أن يعمل بوصفه المحرك الرئيسي للوكيل بكل آلياته: محدِّد المعدل (rate limiter)، والرجوع إلى نماذج أخرى، والتدقيق. وقد استُخدمت Foundation Models مباشرة في وكيل Swift المسمى iClaw، لكن هذه الإمكانية ظلت غير متاحة للوكلاء الأكثر عمومية المبنية بلغة Python.
يسدّ المحوّل الخاص بـ Hermes هذه الفجوة: يصبح نموذج Apple المحلي محرك الاستدلال الأساسي للوكيل، لا خدمة خارجية خلف غلاف HTTP. وهذا يعني أن الطلبات الموجّهة إليه تمر عبر منطق الحدود والبدائل (fallback) والتسجيل نفسه الذي تمر به الطلبات الموجّهة إلى النماذج السحابية.
ماذا أظهرت الاختبارات المرجعية
على مجموعة اختبار من 50 سؤالًا، سجّل المزوّد 46 إجابة صحيحة. وجاءت الأسئلة من خمس مجموعات معروفة — MMLU وBoolQ وGSM8K وBIG-Bench وHellaSwag — أي أنها اختبرت المعرفة والمنطق والحساب في آن واحد. أما متوسط زمن الاستجابة للاستعلامات القصيرة فبلغ 2,8 ثانية، وهو زمن سريع بوضوح لاستدلال محلي بالكامل على حاسوب محمول.
ويشكّل الجمع بين السرعة والدقة الحجة الرئيسية لهذه الحالة: يجيب الوكيل دون تأخير شبكي ودون استهلاك رموز (tokens) عبر API.
«لماذا لا نجرّب إضافة محوّل مبني على
Foundation Models SDK for Python إلى Hermes، ونحصل على متوسط زمن استجابة 2,8 ثانية للاستعلامات القصيرة، و46 إجابة صحيحة في اختبار من 50 سؤالًا؟» — من مقال فريق Sber على Habr.
ماذا يعني ذلك
اقتربت النماذج المحلية كثيرًا من دور المحرك الرئيسي للوكلاء المستقلين: دون سحابة، ودون رسوم API، وبزمن استجابة مقبول. وفي السيناريوهات التي تهم فيها الخصوصية والعمل دون اتصال، تتحول حزمة Apple Silicon وPython من أمر غريب إلى أداة عملية.
أسئلة شائعة
ما هي Apple Foundation Models SDK for Python؟
هي مكتبة Python أصدرتها Apple في فبراير 2026، وتتيح الوصول المباشر إلى نموذج Apple Intelligence المحلي: يُحمَّل النموذج داخل العملية ويعمل على Apple Silicon دون سحابة. نالت المكتبة 1,2 ألف نجمة على GitHub، وإصدارها الحالي 0.2.0 مع دعم الصور.
ما النتائج التي حققها المحوّل الخاص بـ Hermes؟
في اختبار مرجعي من 50 سؤالًا (MMLU وBoolQ وGSM8K وBIG-Bench وHellaSwag)، قدّم المزوّد 46 إجابة صحيحة، وبلغ متوسط زمن الرد على الاستعلامات القصيرة 2,8 ثانية مع استدلال محلي بالكامل.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.