Американская технологическая компания PrismML объявила о значительном прорыве в области мобильных вычислений, успешно адаптировав тяжелую языковую модель Qwen 3.6 от Alibaba для работы на смартфонах iPhone 17 Pro. Благодаря инновационным методам оптимизации, инженерам удалось перенести нейросеть с колоссальными параметрами на потребительское устройство без потери качества генерации.
Революционная технология сжатия данных
Основным достижением PrismML стала глубокая оптимизация архитектуры модели. Исходная версия Qwen 3.6, объем которой составлял 54 ГБ, была уменьшена до рекордных 4 ГБ. Несмотря на сокращение занимаемого пространства более чем в 13 раз, разработчики утверждают, что производительность и точность ответов остались на прежнем уровне.
Для сравнения: стандартные модели такого масштаба обычно требуют серверных мощностей с высокопроизводительными графическими ускорителями (GPU).
Сжатая модель способна выполнять широкий спектр интеллектуальных задач непосредственно на устройстве:
- Сложные логические рассуждения и ведение контекстных диалогов.
- Написание и аудит программного кода.
- Решение аналитических задач без обращения к облачным серверам.
Сотрудничество с Apple и рыночные перспективы
Согласно инсайдерской информации, успех PrismML привлек внимание руководства корпорации Apple. В настоящий момент стороны ведут переговоры о возможной интеграции данных технологий в экосистему iOS. Это может стать ключевым шагом для обеспечения полной конфиденциальности пользователей, так как обработка данных будет происходить offline прямо на процессоре смартфона.
Технология сжатия PrismML позволяет запускать ИИ-модели промышленного уровня на мобильном железе, не жертвуя их функциональными возможностями.
Официальный релиз оптимизированной модели запланирован на ближайший вторник, когда она станет доступна для тестирования и использования. Ожидается, что этот шаг создаст новый стандарт для индустрии мобильных нейросетей, значительно расширяя возможности современных смартфонов в сфере искусственного интеллекта. Таким образом, локальный запуск мощных LLM-моделей на пользовательских гаджетах становится реальностью уже в 2026 году.