看到數量上的優勢，蘋果在競爭激烈的人工智慧市場中採取了策略舉措，推出了八種小型人工智慧模式。這些緊湊的工具統稱為 OpenELM，旨在在設備上和離線狀態下運行，非常適合智慧型手機。
發佈於開源AI社群 擁抱臉，模型提供 270 億、450 億、1.1 億和 3 億參數版本。使用者也可以下載 Apple 的 OpenELM 的預訓練版本或指令調整版本。
預先訓練的模型提供了一個基礎，使用者可以在此基礎上進行微調和開發。經過指令調整的模型已經被編程為回應指令，使它們更適合與最終用戶的對話和互動。
雖然蘋果尚未建議這些模型的具體用例，但它們可以用於運行可以解析電子郵件和文字的助手，或根據資料提供智慧建議。這是一種類似於 由Google拍攝，該公司在其 Pixel 智慧型手機系列上部署了 Gemini AI 模型。
這些模型是在公開可用的資料集上進行訓練的，Apple 正在共享 CoreNet（用於訓練 OpenELM 的庫）的程式碼及其模型的「配方」。換句話說，用戶可以檢查蘋果是如何建造它們的。
蘋果發售後不久 微軟發布 Phi-3，一系列能夠在本地運行的小語言模型。 Phi-3 Mini 是一個在3.8 兆個代幣上訓練的3.3 億個參數模型，仍然能夠處理128K 個上下文代幣，使其與GPT-4 相當，並在代幣容量方面擊敗了Llama-3和Mistral Large。
由於開源和輕量級，Phi-3 Mini 可能會在某些任務中取代蘋果Siri 或谷歌Gemini 等傳統助手，微軟已經在iPhone 上測試了Phi-3，並報告了令人滿意的結果和快速代幣生成。
雖然蘋果尚未將這些新的 AI 語言模型功能整合到其消費性裝置中，但即將推出的 iOS 18 更新 傳聞 包括使用設備上處理來確保用戶隱私的新人工智慧功能。
Apple 硬體在本地 AI 使用方面具有優勢，因為它將裝置 RAM 與 GPU 視訊 RAM（或 VRAM）結合在一起。這意味著具有 32 GB RAM（PC 中的常見配置）的 Mac 可以像使用 GPU VRAM 一樣利用該 RAM 來運行 AI 模型。透過對比， Windows 設備 被削弱了 透過單獨的裝置 RAM 和 GPU VRAM。使用者通常需要購買強大的 32GB GPU 來增強 RAM 來運行 AI 模型。
然而，蘋果在人工智慧開發領域落後於Windows/Linux。大多數人工智慧應用程式都圍繞著英偉達設計和製造的硬件，蘋果為了支援自己的晶片而逐步淘汰了英偉達。這意味著蘋果原生的人工智慧開發相對較少，因此，在蘋果產品上使用人工智慧需要翻譯層或其他複雜的程式。
