Apple hat fünf KI-Modelle auf Google Gemini-Basis gebaut, zwei für Offline-Nutzung

Apple hat auf der WWDC 2026 die dritte Generation seiner Apple Foundation Models (AFM) vorgestellt – eine Familie aus fünf Modellen, die erstmals offen auf Googles Gemini-Technologie aufbaut. Vom 3-Milliarden-Parameter-Modell auf dem iPhone bis zum Reasoning-Kraftpaket in der Cloud verspricht Apple einen Generationssprung.

Es ist der Deal, der Apples KI-Strategie auf den Kopf gestellt hat: Am 12. Januar 2026 verkündeten Apple und Google eine mehrjährige Partnerschaft, mit der Googles Gemini-Modelle ins Zentrum der nächsten Foundation-Model-Generation rücken. „Nach sorgfältiger Prüfung haben wir festgestellt, dass Googles Technologie das leistungsfähigste Fundament für die Apple Foundation Models bietet“, hieß es im gemeinsamen Statement. Bloomberg-Reporter Mark Gurman bezifferte den Umfang auf rund eine Milliarde US-Dollar jährlich – für Zugang zu einem maßgeschneiderten Gemini-Modell mit kolportierten 1,2 Billionen Parametern.

Auf der WWDC 2026 wurde nun konkret, was aus diesem Fundament gebaut wurde. Apple spricht weiterhin von „Apple Foundation Models“, die „in Zusammenarbeit mit Google“ entstanden seien – das Branding bleibt also Apple, der Unterbau kommt von Gemini. Trainiert wurde auf Googles Cloud-TPUs, gehostet wird über Private Cloud Compute. Wichtig für die Datenschutz-Story, die Apple sich nicht nehmen lassen will: Nutzerdaten würden „niemals gespeichert oder geteilt – auch nicht mit Apple“, und Google bestätigte, keine Apple-Nutzerdaten zu erhalten.

Zwei Modelle für das Gerät

Den Kern der On-Device-Intelligenz bilden zwei Modelle, die direkt auf iPhone, iPad und Mac laufen.

AFM 3 Core ist die nächste Generation des bekannten dichten 3-Milliarden-Parameter-Modells und der Allrounder für alltägliche Aufgaben. In Apples eigenen Side-by-Side-Tests mit menschlichen Bewertern wurde es bei allgemeinen Textaufgaben in 45,6 Prozent der Fälle gegenüber dem Vorgänger bevorzugt – der 2025er-Baseline gelang das nur in 23,3 Prozent. Auch beim Bildverständnis lag die neue Generation vorne.

AFM 3 Core Advanced ist das eigentliche Highlight auf dem Gerät – und technisch das spannendste Modell der Familie. Es ist nativ multimodal und treibt Features wie ausdrucksstarke Stimmen und präzisere Diktierfunktion an. Mit 20 Milliarden Parametern wäre es eigentlich zu groß für die meisten Smartphones, doch Apple nutzt eine neue Architektur: Je nach Anfrage sind nur 1 bis 4 Milliarden Parameter gleichzeitig aktiv.

Der Trick dahinter heißt Instruction-Following Pruning (IFP), eine von Apple-Forschern entwickelte Technik. Statt das gesamte Modell in den schnellen Arbeitsspeicher (DRAM) zu zwingen, liegt es komplett im Flash-Speicher (NAND). Weil die Bandbreite zwischen NAND und DRAM zu langsam ist, um Gewichte Token für Token zu tauschen, trifft das Modell seine Routing-Entscheidung pro Prompt: Ein leichtgewichtiger Block wählt zu Beginn ein festes Set an „Experten“ aus und kombiniert sie mit dauerhaft aktiven „shared experts“. So lässt sich die Modellgröße weit über die üblichen DRAM-Grenzen hinaus skalieren – bei minimaler Latenz. Freigeschaltet wird AFM 3 Core Advanced nur auf Apples leistungsstärksten Chips.

Wie groß der Sprung beim Hören und Sprechen ausfällt, zeigen die Feature-Tests: Bei der Sprachsynthese erreichte AFM 3 Core Advanced einen Mean Opinion Score von 4,15 gegenüber 3,87 beim bisherigen Produktionssystem – bei umgangssprachlichen Texten sogar 4,24 zu 3,82. Beim Diktieren wurde die Gesamtqualität in 44,7 Prozent der Fälle bevorzugt, das alte System nur in 17,6 Prozent.

Drei Modelle in der Cloud

In der Private Cloud Compute laufen drei weitere Modelle für anspruchsvollere Aufgaben.

AFM 3 Cloud ist das serverseitige Arbeitstier, optimiert auf Tempo, Effizienz und multimodales Reasoning. Apple baute hier auf der im Vorjahr eingeführten Parallel-Track-Mixture-of-Experts-Architektur (PT-MoE) auf und verfeinerte sie, um das Training zu stabilisieren und das Erinnern von Informationen im Kontextfenster zu verbessern. Der Generationssprung ist deutlich: In direkten Vergleichen wurde AFM 3 Cloud bei Textaufgaben in 64,7 Prozent der Fälle bevorzugt, das 2025er-Servermodell nur in 8,7 Prozent. Beim Bildverständnis stehen 37,8 zu 9,6 Prozent zu Buche.

ADM 3 Cloud (Image) ist das Modell für Bilderzeugung und -bearbeitung. Es treibt die fortgeschrittenen Foto-Werkzeuge, das runderneuerte Image Playground und Genmoji an. Apple betont starke Steuerbarkeit und Parameter-Effizienz: Das Modell generalisiert über verschiedene Seitenverhältnisse und Auflösungen und nutzt spezialisierte Adapter für einzelne Bearbeitungs-Features – etwa das „Spatial Reframing“ in der Fotos-App.

AFM 3 Cloud Pro ist das leistungsstärkste Servermodell für die anspruchsvollsten Anwendungsfälle: agentische Tool-Nutzung und komplexes Reasoning. Es legt gegenüber AFM 3 Cloud noch einmal rund 10 Prozent bei der Antwortqualität für Text und 14 Prozent beim Bildverständnis zu; bei Mathematik-Aufgaben sind es 14 Prozent. Bemerkenswert: Als einziges der fünf Modelle wurde AFM 3 Cloud Pro nicht für Apple Silicon, sondern für NVIDIA-GPUs optimiert. Dafür dehnte Apple gemeinsam mit Google und NVIDIA die Private Cloud Compute auf NVIDIA-GPUs in der Google Cloud aus – bei laut Apple identischen Datenschutz-Garantien.

Was das für Nutzer bedeutet

Konkret sollen die fünf Modelle eine komplett neue Siri, fortgeschrittene Foto-Bearbeitung, ein aufgewertetes Image Playground und deutlich ausdrucksstärkere Stimmen ermöglichen. Genau jene Siri-Funktionen – persönlicher Kontext, Bildschirm-Verständnis und das Ausführen mehrstufiger App-Aktionen –, die Apple bereits 2024 angekündigt und dann mehrfach verschoben hatte, sollen nun auf dem Gemini-Fundament endlich kommen.

Apple stuft die präsentierten Zahlen ausdrücklich als Momentaufnahme während der Beta-Phase ein; einen technischen Bericht mit aktualisierten Benchmarks kündigte das Unternehmen für später im Sommer an. Unabhängige Benchmarks und Tests gibt es noch nicht – weder bei Arena.ai noch bei Artificial Analysis finden sind entsprechende Bewertungen der AFMs.

Für Apple ist der Schritt ein bemerkenswerter Spagat: Das Unternehmen, das jahrelang auf eigene Modelle setzte und sich in der generativen KI ins Hintertreffen manövriert hatte, lizenziert nun die Technologie ausgerechnet vom Android-Rivalen Google – verkauft den Unterbau aber konsequent als eigene „Apple Foundation Models“ und stellt den Datenschutz über Private Cloud Compute in den Mittelpunkt. Ob diese Erzählung im Alltag trägt, wird sich zeigen, sobald die ersten Gemini-getriebenen Siri-Funktionen tatsächlich auf den Geräten landen.