苹果新一代AI模型表现逊色，开发者对其创新承诺存疑

在刚刚结束的 WWDC 2025 上，苹果宣布将对其 AI 模型进行全面升级，以覆盖整个智能套件。然而，基准测试结果显示，该模型的表现甚至不及 OpenAI 等竞争对手的旧版模型。尽管苹果强调其 On-Device 和 Apple Server 在语言理解能力方面较前代有所提升，并支持超过 15 种语言，但这一结果仍引发广泛关注。

根据人工测试反馈，苹果最新设备端模型在文本生成方面的表现与谷歌和阿里巴巴的旧版模型相当。而运行于公司数据中心的 Apple Server 则被认为落后于 OpenAI 一年前推出的 GPT-4o。在图像分析能力评估中，Apple Server 的表现更被 Meta 的 Llama 4 所超越。这些评分令苹果感到意外，因为 Llama 4 在与 Google、Anthropic 和 OpenAI 等实验室的对比中并未占据明显优势。

开发者对苹果的创新承诺表示怀疑

近年来，苹果在 WWDC 上发布的内容未能激发开发者的热情。人工智能个人理财应用 Origi 的首席产品官 Atul Kakkar 表示，作为一名开发者，他并未感受到蒂姆·库克领导下的苹果所带来的强烈兴奋感。他表示，WWDC 曾经是科技界的盛会，但如今人们对这家 iPhone 制造商能否跟上 AI 巨头的步伐持怀疑态度。

苹果没有公布其 AI 的基准测试结果，而是根据一份记录不充分的面对面评估报告进行报告

但即使按照他们的标准，苹果最新的设备型号大多比谷歌的开放式 Gemma 3-4B 或 Qwen 3-4B 更差

他们的服务器 LLM 与 Llama 4 Scout 类似pic.twitter.com/hwpOG5Lgyp

— Ethan Mollick (@emollick)2025年6月10日

面对日益增长的竞争压力，苹果试图通过更新其面向开发者的 AI 工具以及打造更激动人心的消费者体验来保持领先地位。AI 育儿建议应用 Bobo 的首席执行官兼联合创始人格兰特·麦克唐纳 (Grant McDonald) 表示，虽然苹果正在尝试一些有趣的事情，但其努力尚未达到令人瞩目的水平。

McDonald 认为，苹果希望通过小型设备端 AI 模型吸引开发者构建应用，这或许是其核心价值所在。这类模型基于较小的数据集训练，计算资源消耗更低，因此可以在 iPhone 上本地运行，而无需依赖云端大型服务器。他表示，在设备上运行模型实际上比 GPT 和 Gemini 等云端模型更具成本效益。

然而，开发人员对设备端模型的实际表现持怀疑态度。一位开发者指出，他们无法基于专有数据集对模型进行微调。McDonald 补充道，虽然设备端模型对某些应用已足够好，但对于像 Bobo 这样需要高度定制化的育儿应用来说则显得不足。Bobo 的 AI 模型依托来自睡眠顾问、哺乳顾问、语言病理学家及其他育儿专家的专有数据。

苹果的人工智能研究部门难以追赶竞争对手

苹果曾承诺升级 Siri，使其具备更多个性化功能，但这一计划已被推迟，部分客户因此起诉苹果营销未兑现的产品。研究人员指出，尽管人工智能模型在数学和科学领域表现出色，但在处理复杂问题时往往仅能创造“思考的错觉”。

苹果推迟了大型语言模型的开发及其在设备中的应用，以避免陷入争议。在今年的 WWDC 上，苹果发布了 Apple Intelligence 功能，但社区普遍认为其表现不尽如人意。

研究人员发现，推理模型在某个复杂性临界点后开始失效，表现为准确率随着问题难度增加逐渐下降直至归零。Forrester Research 分析师 Dipanjan Chatterjee 表示，围绕 Siri 的沉默令人震惊。他认为，无论多少文本修正或表情符号都无法弥补交互式 AI 体验的缺失。如果不迅速采取行动，Siri 可能面临被淘汰的风险。据苹果高级软件主管 Craig Federighi 透露，Siri 的升级最早也要等到明年才能实现。

Cryptopolitan 学院：厌倦了市场波动？了解 DeFi 如何助你建立稳定的被动收入。立即注册