昨年11月、私たちは本ブログで AnyLanguageModel を紹介しました。これは Apple の Foundation Models フレームワークに対するドロップイン(即座に置き換え可能な)代替ソリューションであり、アプリで使用するモデルやプロバイダーを自由に選択できるようにするものです。多くのアプリ開発者から、「ローカルモデルに関心はあるものの何から始めればよいかわからない」、あるいは「複数の推論プロバイダー(inference providers)をサポートすることによる余計な複雑さを避けたい」という声が寄せられていました。AnyLanguageModel はまさにそうしたフィードバックから誕生しました。 ローカル推論とクラウドのホスト型推論にはそれぞれ長所があり、次世代のインテリジェントなアプリケーションを構築する上でどちらも重要な役割を果たします。統一された API により、タスクごとに最適なモデルをより容易に選定できるようになります。
1年間の歳月と数十回にわたるリビジョンを経て、AnyLanguageModel 1.0 が正式にリリースされました。これと同時に swift-huggingface 1.0 および swift-xet 1.0 も公開されています。
今回のアップデートによる変更点と今後の計画は以下のとおりです。
即插即用兼容的 API
AnyLanguageModel のコアコンセプトは変わりません。Foundation Models API をそのまま活用し、アプリケーションに最適なモデルを組み合わせるというものです。使い始めるには、import 文を変更するだけです。
import FoundationModelsimport AnyLanguageModelまったく同じセッションコードが、OS 組み込みのシステムモデルをはじめ、llama.cpp、MLX、Core ML で実行されるオープンウェイトモデル(open-weight models)、さらには後述のホスト型サービスプロバイダーにもそのまま適用できます。
この1年間で、多くの重要機能を追加しました:
- すべてのプロバイダーで**ツール呼び出し(Tool calling)**をサポート。
- ネストされた
@Generable型やその配列を含む**ガイド付き生成(Guided generation)**も、同様にすべてのプロバイダーでサポート。 - 画像のサポートにより、iOS、macOS、visionOS 27 上でシステムモデルを利用する場合を含め、Foundation Models 27 の構文を使ってプロンプトに画像を添付可能に。
OS 27 では、AnyLanguageModel は Core AI モデルを含む、Foundation Models の LanguageModel プロトコルに準拠するあらゆるモデルとも互換性があります。
AnyLanguageModel に加え、Swift アプリケーションに向けて Hugging Face Hub からのモデルダウンロードを高速化する swift-huggingface および swift-xet も構築しました。
同样支持托管模型
今年はホスト型モデルへのサポートも大幅に拡充されました。AnyLanguageModel は現在、以下をサポートしています。
- OpenAI の Chat Completions および Responses API
- Open Responses(互換エンドポイントを提供するあらゆるプロバイダーに対応)
- Anthropic の Messages API(アダプティブシンキング/adaptive thinking やエフォート/effort オプションをサポート)
- Google の Gemini API
- Ollama
- Private Cloud Compute(OS 27 向け)
- Hugging Face Inference Providers、およびカスタム Base URL 経由での OpenRouter などその他 OpenAI 互換エンドポイント
Inference Providers を利用すれば、デバイスローカルで動かすにはサイズが大きすぎるオープンウェイトモデルも、同じセッションコードから呼び出すことができます。
let model = OpenAILanguageModel( baseURL: URL(string: "https://router.huggingface.co/v1/")!, apiKey: ProcessInfo.processInfo.environment["HF_TOKEN"]!, model: "openai/gpt-oss-120b", apiVariant: .chatCompletions)ホスト型プロバイダーでも、ガイド付き生成、ストリーミング対応のツール呼び出し、レスポンス内のトークン使用量統計など、ローカルモデルと同等の機能が利用可能です。
推論・思考プロセス(Reasoning)もトランスクリプト(会話ログ)の一部として扱われるようになりました。プロバイダーを切り替えた際、移行先のプロバイダーがそれらの推論内容を再現できない場合は、推論ブロックがリクエストから自動的に除外されます。
API キーは固定文字列ではなくクロージャ(closure)経由で渡す仕様に変更されたため、アプリは自前のサーバーから動的に有効期間の短いトークンを取得できるようになりました。README では、ユーザーによるキーの持ち込み(BYOK)を許可すべきケースと、プロキシ経由でリクエストをルーティングすべきケースについて説明しています。
AnyLanguageModel は Linux 上での動作にも対応しているため、サーバーサイドでもまったく同じコードを機能させることができます。
开放权重模型变得更加强大
ローカルモデルの利用ハードルを下げる一方で、モデル自体の性能も一段と向上しており、小規模モデルが絶好のエントリーポイントとなっています。現在 Hub で特に多くダウンロードされているモデルには、次のようなものがあります。
- Google による Gemma 4 E2B:GGUF 形式。量子化認識トレーニング(QAT)を採用し、
Q4_0精度で約 3.4 GB。 - Liquid AI による LFM2.5 2.6B:GGUF 形式、
Q4_K_M精度で約 1.7 GB。 - Alibaba による Qwen3.8 27B for MLX:4-bit 精度で約 16 GB。
最初の2つのモデルは iPhone 上で動作し、Qwen3.8 27B は 32 GB 以上のメモリを搭載した Mac で実行可能です。この MLX モデルの読み込みは、わずか1行のコードで完了します。
let model = MLXLanguageModel(modelId: "mlx-community/Qwen3.8-27B-4bit")もし手元にフルスペックの Mac Studio が4台あるなら、Z.ai による GLM-5.3 は BF1