Apple nutzt Google Gemini Zugang für On-Device-AI-Modell-Destillation

Apple nutzt Googles Gemini-KI-Modelle, um durch Destillation kleinere Versionen auf dem Gerät zu erstellen. Laut The Information hat Google Apple "vollständigen Zugriff" auf Gemini in den eigenen Rechenzentren von Google gewährt, sodass Apple das Modell für Siri und andere KI-Funktionen anpassen kann.
Wie der Destillationsprozess funktioniert
Apple kann das Haupt-Gemini-Modell bitten, Aufgaben auszuführen, die hochwertige Ergebnisse liefern, einschließlich einer Zusammenfassung des Denkprozesses. Apple füttert dann die Antworten und Denkinformationen von Gemini in kleinere, kostengünstigere Modelle, um diese zu trainieren. Dadurch können die kleineren Modelle die internen Berechnungen von Gemini erlernen, was effiziente Modelle mit Gemini-ähnlicher Leistung ermöglicht, die jedoch weniger Rechenleistung benötigen.
Technische Details und Herausforderungen
- Apple kann Modelle entwerfen, die auf Apple-Geräten ohne Internetverbindung laufen
- Apple kann Gemini nach Bedarf bearbeiten, um sicherzustellen, dass die Antworten den Anforderungen von Apple entsprechen
- Apple ist auf Probleme gestoßen, weil Gemini für Chatbot- und Codierungsanwendungen optimiert wurde, was nicht immer den Bedürfnissen von Apple entspricht
- Die intelligentere Chatbot-Version von Siri, die für iOS 27 geplant ist, wird auf Googles Gemini-Modellen basieren
Fähigkeiten und Entwicklung
Siri wird viele der gleichen Funktionen wie Gemini und andere Chatbots ausführen können, darunter:
- Fragen beantworten
- Informationen zusammenfassen
- Hochgeladene Dokumente scannen und verstehen
- Geschichten erzählen
- Emotionale Unterstützung bieten
- Aufgaben wie Reisebuchungen erledigen
Das Apple Foundation Models-Team arbeitet weiterhin an eigenen Apple-KI-Modellen, die sich von Gemini-Modellen unterscheiden, was darauf hindeutet, dass dies ein Übergangsansatz ist, während Apple eigene KI-Fähigkeiten entwickelt.
📖 Read the full source: HN AI Agents
👀 Siehe auch

Subquadratic stellt 12 Millionen Token Kontextfenster für KI-Modelle vor
Subquadratic veröffentlicht ein 12-Millionen-Token-Kontextfenster und sprengt damit frühere Grenzen für LLM-Inferenz, sodass ganze Codebasen in einem einzigen Durchlauf verarbeitet werden können.

AIME 2026 Ergebnisse: Offene und geschlossene Modelle ueber 90%
KI-Modelle erreichen 90%+ bei AIME 2026, DeepSeek V3.2 fuehrt den gesamten Test fuer nur bash.09 durch.

Coding Agents ersetzen menschliche Code-Reviews: Studie argumentiert, traditionelle Überprüfung sei tot
Ein arXiv-Papier argumentiert, dass Coding-Agenten die Schwelle zur Ersetzung der menschlichen Code-Überprüfung überschritten haben, mit geringeren Kosten und höherem Durchsatz.

Mikrons 200 Milliarden Dollar Investition zur Überwindung von KI-Speicherengpässen.
Micron verpflichtet sich zu einer Investition von 200 Milliarden Dollar zur Überwindung von Engpässen in der KI-Speicherkapazität und zielt darauf ab, die KI-Verarbeitungsfähigkeiten zu verbessern.