苹果升级后的人工智能模型表现不及竞争对手

苹果昨日在 2025 年 WWDC 大会上宣布了其 AI 模型的最新更新，该模型将贯穿整个智能套件。与 OpenAI 等竞争对手的旧模型相比，该模型在基准测试中表现不佳。然而，这家科技巨头辩称，与之前的版本相比，其设备端和苹果服务器端模型已得到改进，能够理解超过 15 种语言。

据人类测试者称，在 iPhone 和其他设备上本地运行的最新设备端模型在文本生成方面与 Google 和阿里巴巴的旧模型表现相似。人类测试者将旨在在公司数据中心运行的苹果服务器端模型排在 OpenAI 一年前发布的 GPT-4o 之后。在另一项评估中，他们认为 Meta 的 Llama 4 在图像分析能力上优于苹果服务器端模型。这些评级让苹果感到惊讶，因为 Llama 4 与 Google、Anthropic 和 OpenAI 等 AI 实验室相比，Scout 的表现较差。

开发者对苹果的创新承诺持怀疑态度

开发者感到 负面 情绪，对包括苹果小型设备端 AI 模型在内的今年 WWDC 发布持负面看法。AI 驱动的个人理财应用 Origi 的首席产品官 Atul Kakkar 透露，作为一名开发者，他并没有感受到蒂姆·库克公司发布内容所带来的兴奋感。他认为，年度 WWDC 大会曾是科技界最受瞩目的盛会，但现在人们对其能否跟上 AI 巨头的步伐充满了怀疑。

苹果并未公布其 AI 的基准测试结果，而是发布了一份缺乏详细记录的直接对比评估。

但即便按照苹果自身的标准，其最新的设备端模型也大多不如谷歌的开源 Gemma 3-4B 或 Qwen 3-4B。

其服务器端大语言模型与 Llama 4 Scout pic.twitter.com/hwpOG5Lgyp 类似

— Ethan Mollick (@emollick) 6月 10日, 2025

这家科技巨头面临着持续更新开发者 AI 工具并在 Apple Intelligence 套件中打造令人兴奋的用户体验的压力。AI 驱动育儿建议应用 Bobo 的首席执行官兼联合创始人 Grant McDonald 表示，蒂姆·库克的公司正在做一些有趣的事情，但这还不足以打破噪音。

McDonald 认为，让开发者使用其小型设备端 AI 模型构建 AI 驱动的应用程序，可能是公司希望提供的价值。小型 AI 模型在小型数据集上进行训练，消耗的算力较少，这意味着它们可以在 iPhone 上运行，而不是在云端的大型服务器上运行。他表示，在设备上运行模型实际上比 GPT 和 Gemini 等基于云的模型更便宜。 

开发者怀疑设备端模型能否在与基于云的模型相比时表现良好。一位开发者表示，他们无法在专有数据集上对这些模型进行微调。McDonald 表示，设备端模型对于某些应用来说已经足够好，但对于 Bobo 来说还不够。这款育儿应用利用睡眠顾问、哺乳顾问、言语治疗师和其他育儿专家的专有数据对其 AI 模型进行了定制。 

苹果的 AI 研究部门难以赶上竞争对手

这家科技巨头曾承诺对 Siri 进行升级，以提供更多个性化内容，但该升级已被推迟。一些客户因公司营销尚未交付的产品而起诉了该公司。研究人员表示，虽然 AI 模型在数学和科学方面表现非常出色，但复杂问题只是提供了思考的假象。 

这家科技巨头推迟了开发大型语言模型和在设备中实施 AI 的计划，以置身事外。在 WWDC, 公司推出了 Apple Intelligence AI 功能，社区认为其表现平平。 

研究人员已经 发现 LRM 在达到某个点后开始失效。这表明所有推理模型都表现出相似的模式，即随着问题复杂性的增加，准确率逐渐下降，直至为零。根据研究人员的数据，推理模型最初会应用更多的思维令牌，但随着复杂性的增加，它们会放弃，反直觉的是，尽管问题难度增加，它们的推理努力开始减少。 

Forrester Research 分析师 Dipanjan Chatterjee 表示，围绕 Siri 的沉默震耳欲聋。他透露，没有任何文本修正或可爱的表情符号能够填补他所知道的 Siri 能够实现的令人期待的交互式 AI 体验。他认为，如果该公司不迅速行动，Siri 的时代即将结束。该公司没有提供 Siri 升级的具体时间表。然而，该公司高管、软件主管 Craig Federighi 表示，最早也要到明年才会发生。