Apple construye una nueva arquitectura de IA sobre los modelos fundacionales de Google Gemini

Apple anunció hoy una renovación importante de su plataforma Apple Intelligence, basada en modelos fundacionales co-desarrollados con Google utilizando las tecnologías detrás de la familia Gemini. La nueva arquitectura, presentada en la WWDC 2026, está diseñada para ejecutarse tanto en el dispositivo como en servidores a través de la infraestructura existente de Private Cloud Compute de Apple.

Detalles clave

• Modelos fundacionales de Apple: Co-desarrollados con Google, estos modelos impulsan la nueva Apple Intelligence. Apple describe la colaboración como "profunda".
• Soporte multimodal: Los modelos ahora manejan comprensión y generación de imágenes, incluyendo creación de imágenes realistas, edición avanzada de fotos y respuesta a preguntas visuales.
• Variante de mayor capacidad: Algunos dispositivos obtendrán una versión con capacidades adicionales: generación de voz, mayor precisión en dictado y comprensión mejorada del lenguaje natural. Apple no especificó qué dispositivos.
• Orquestador del sistema: Un nuevo componente se sitúa en el centro de la arquitectura, coordinando funciones de forma segura entre plataformas. Adapta las respuestas según la aplicación activa y la tarea actual del usuario, permitiendo "inteligencia verdaderamente a nivel de sistema".
• Privacidad: Apple reitera que los datos del usuario solo se utilizan para ejecutar la solicitud inmediata y no son accesibles para Apple ni terceros. Expertos externos pueden verificar las garantías de privacidad en cualquier momento.

Apple presentó el anuncio como un contraste con los competidores que "avanzan rápidamente" sin considerar a los usuarios, y enfatizó su compromiso con el procesamiento en el dispositivo y Private Cloud Compute.

Para los desarrolladores que usan agentes de codificación de IA, esto significa que los futuros SDK y herramientas de Apple podrían exponer estos modelos a través de las APIs de Private Cloud Compute, permitiendo flujos de trabajo de agentes con garantías de privacidad. El patrón del orquestador podría servir como referencia para construir sistemas de enrutamiento de tareas entre modelos en el dispositivo y en la nube.