Appleは、開発者が大規模言語モデル（LLM）をアプリケーションに統合する方法を簡素化するために設計されたネイティブSwift APIであるFoundation Modelsフレームワークを導入しました。このフレームワークは統合されたインターフェースを提供することで、開発者がコアロジックを書き換えることなく、ローカルのデバイス内モデルとリモートのサーバーサイドモデルを切り替えることを可能にし、複雑なマルチモデルAI体験を構築するための障壁を大幅に下げます。
デバイス内およびクラウドモデルへの統合されたアクセス
Foundation Modelsフレームワークは、さまざまなLLMとやり取りするための標準化された方法を提供します。これにより、開発者はApple Intelligenceを支えるデバイス内基礎モデルに直接アクセスでき、これらは高いプライバシーとオフライン機能を必要とするタスクに理想的です。
この画像は、モデル統合のためのフレームワークの統合インターフェースのコアコンセプトを説明しています。
より複雑なワークフロー向けに、このフレームワークはClaudeやGeminiを含むサーバーサイドモデルまで拡張されます。これは「Language Model」プロトコルを通じて実現されており、これは任意のプロバイダーがエコシステムに参加するためのSwiftパッケージを作成できるようにする基本コンポーネントです。
「Foundation Modelsフレームワークは、アプリ内であらゆる大規模言語モデルを使用するための最良の方法です。」
— Foundation Models framework - Apple Developer
マルチモーダル機能とDynamic Profiles
このフレームワークは、画像理解機能にVisionフレームワークを直接統合しています。これにより、アプリはテキストプロンプトに画像を添付するだけで、テキスト抽出のためのOCRやバーコードスキャンなどのタスクを実行できます。
この視覚資料は、フレームワークがどのように画像理解とマルチモーダルプロンプトを処理するかについての説明をサポートします。
主な革新の一つは「Dynamic Profiles」です。これは、セッションのモデル、ツール、および指示を動的に更新するための宣言型APIです。セッションのトランスクリプトはプロファイル間の切り替え時にも共有されるため、アプリは基礎となる推論レベルやツールセットを変更しながらもコンテキストを維持することができます。
開発者ツールとコストの考慮事項
テストを支援するために、Appleは開発者がプロンプトを「ヒルクライミング（最適化）」および洗練させるのを助けるEvaluationsフレームワークを組み込みました。このツールは、モデルの切り替えやプロファイルの調整を行う際に、標準的なユニットテストでは見逃される可能性のある動作の不整合を検出するように設計されています。
このフレームワークは幅広いアクセスを提供しますが、クラウド利用については特定のコスト構造があります。初回ダウンロード数が200万回未満のApp Store Small Business Programに登録している開発者は、クラウドAPIコストなしでPrivate Cloud Compute上のApple Foundation Modelsを利用できます。
この画像は、サーバーサイドモデルの実行にPrivate Cloud Computeを利用するフレームワークの能力に関連しています。