Apple utiliza el acceso a Google Gemini para la destilación de modelos de IA en el dispositivo

Apple está aprovechando los modelos de IA Gemini de Google para crear versiones más pequeñas en el dispositivo mediante destilación. Según The Information, Google le dio a Apple "acceso completo" a Gemini en sus propios centros de datos, permitiendo a Apple personalizar el modelo para Siri y otras funciones de IA.
Cómo funciona el proceso de destilación
Apple puede pedir al modelo principal de Gemini que realice tareas que proporcionen resultados de alta calidad, incluyendo un resumen del proceso de razonamiento. Apple luego alimenta las respuestas y la información de razonamiento de Gemini para entrenar modelos más pequeños y económicos. Esto permite que los modelos más pequeños aprendan los cálculos internos utilizados por Gemini, produciendo modelos eficientes con un rendimiento similar al de Gemini pero que requieren menos potencia de cálculo.
Detalles técnicos y desafíos
- Apple puede diseñar modelos construidos para ejecutarse en dispositivos Apple sin conectividad a internet
- Apple puede editar Gemini según sea necesario para garantizar que las respuestas se alineen con los requisitos de Apple
- Apple ha encontrado problemas porque Gemini estaba ajustado para aplicaciones de chatbot y codificación, lo que no siempre cumple con las necesidades de Apple
- La versión más inteligente de Siri como chatbot planeada para iOS 27 dependerá de los modelos Gemini de Google
Capacidades y desarrollo
Siri podrá realizar muchas de las mismas funciones que Gemini y otros chatbots, incluyendo:
- Responder preguntas
- Resumir información
- Escanear y comprender documentos subidos
- Contar historias
- Brindar apoyo emocional
- Completar tareas como reservar viajes
El equipo de Modelos Fundamentales de Apple continúa trabajando en modelos de IA de Apple distintos de los modelos Gemini, lo que indica que este es un enfoque transitorio mientras Apple desarrolla sus propias capacidades de IA.
📖 Read the full source: HN AI Agents
👀 Ver también

Claude-Code v2.1.80 agrega monitoreo de límites de tasa, mejoras en complementos y optimizaciones de memoria.
Claude-Code v2.1.80 introduce un campo rate_limits para scripts de barra de estado que muestra el uso de Claude.ai, agrega soporte para source: 'settings' en el mercado de plugins, y reduce el uso de memoria en aproximadamente 80 MB en repositorios grandes. La versión también corrige la restauración de resultados de herramientas paralelas, fallas de WebSocket y varios problemas de interfaz de usuario.

La migración a OpenClaw 5.2 interrumpe los trabajos cron y las llamadas al plugin MCP
La actualización de OpenClaw 4.23 a 5.2 hace que los plugins de herramientas MCP sean visibles pero no invocables por el agente, y el registro de tareas cron mediante CLI falla con errores de emparejamiento de dispositivos.

Según un informe, la IA de Palantir se integrará en todas las fuerzas militares de EE. UU.
Un informe indica que el ejército de EE. UU. planea integrar la tecnología de IA de Palantir en todas sus ramas. El artículo generó 37 puntos y 24 comentarios en Hacker News.

DiLoCo Desacoplado: Entrenamiento Distribuido Resiliente entre Centros de Datos con Bajo Ancho de Banda
Google DeepMind presenta Decoupled DiLoCo, que entrena LLMs en centros de datos distantes usando WAN de 2-5 Gbps, con islas de computación autocurables que aíslan fallos de hardware sin degradar el rendimiento de ML.