Apple เปิด Foundation Models ให้เสียบ LLM ค่ายไหนก็ได้บน iPhone

ในงาน WWDC 2026 (8–12 มิถุนายน) Apple ทำสิ่งที่หลายคนรอมานาน นั่นคือ “เปิดกรง” ระบบ AI บนเครื่องของตัวเอง จากเดิมที่ Foundation Models framework ผูกอยู่กับโมเดลของ Apple เท่านั้น ตอนนี้นักพัฒนาเขียนโค้ดชุดเดียว แล้วสลับไปใช้โมเดลของ Anthropic (Claude) หรือ Google (Gemini) ได้ทันที โดยไม่ต้องรื้อโครงสร้างแอป พร้อมกันนั้นยังเปิดตัวโมเดลบนเครื่องรุ่นใหม่ AFM 3 ที่ออกแบบแบบ “sparse” ขนาด 20 พันล้านพารามิเตอร์ แต่จุดทำงานจริงแค่ 1–4 พันล้านต่อครั้ง — และเป็นครั้งแรกที่โมเดลบนเครื่องของ iPhone “มองภาพ” ได้โดยไม่ต้องส่งขึ้นคลาวด์

สำหรับคนทำแอปและคนที่สนใจ AI แบบรันในเครื่อง (Local AI) นี่คือหนึ่งในความเคลื่อนไหวที่มีผลจริงที่สุดของปีนี้ เพราะมันเปลี่ยนทั้ง “ใครเป็นเจ้าของโมเดล” และ “งาน AI ต้องวิ่งขึ้นเน็ตไหม” ไปพร้อมกัน

จากกรงปิด สู่ “ช่องเสียบ” มาตรฐานเดียว

หัวใจของการเปลี่ยนแปลงคือ protocol กลางตัวใหม่ชื่อ LanguageModel (คู่กับ LanguageModelExecutor ที่ทำหน้าที่แปลงคำสั่งของ framework ให้ตรงกับรูปแบบของผู้ให้บริการแต่ละเจ้า) พูดง่าย ๆ คือ Apple วาง “ปลั๊กมาตรฐาน” ไว้ตรงกลาง แล้วใครจะเอาโมเดลมาเสียบก็ได้ ตราบใดที่ทำตามสัญญาเดียวกัน

ตอนนี้นักพัฒนาเลือกแหล่งโมเดลได้ 4 ระดับ:

• บนเครื่อง (on-device) — ฟรี เป็นส่วนตัว ใช้แบบออฟไลน์ได้ ไม่ต้องมี API key ไม่มีค่าใช้จ่ายต่อ token
• คลาวด์ส่วนตัวของ Apple (Private Cloud Compute) — สำหรับงานที่หนักกว่า มี context ราว 32K และความสามารถด้านการให้เหตุผล (reasoning)
• โมเดลที่แพ็กมากับแอป — นักพัฒนาแจกจ่ายเองผ่าน Swift Package Manager
• โมเดลจากชุมชน — โหลดโมเดลฟอร์แมต MLX จาก Hugging Face มาใช้ได้

ที่เป็นข่าวใหญ่คือพาร์ตเนอร์เปิดตัวสองเจ้า: Google Gemini (เชื่อมผ่าน Firebase AI Logic จัดการ OAuth ให้) และ Anthropic Claude (ผ่าน Swift package อย่างเป็นทางการ) สถานการณ์ในอุดมคติที่ Apple วาดไว้คือ นักพัฒนา “พัฒนาและทดสอบฟีเจอร์ด้วยโมเดลบนเครื่อง แล้วค่อยสลับไปใช้ Claude หรือ Gemini ตอนขึ้นโปรดักชัน โดยไม่ต้องแตะโค้ดส่วน session เลย”

เปลี่ยนผู้ให้บริการโมเดลได้ด้วยการแก้โค้ดบรรทัดเดียว — โครงสร้าง session เดิมไม่ต้องรื้อ

อีกรายละเอียดที่คนทำแอปจะชอบคือ ระบบ นับการใช้ token ได้ข้ามทุกผู้ให้บริการ รวมถึง token ที่ถูก cache และ token ที่ใช้ในการ reasoning ด้วย แปลว่าควบคุมต้นทุนและเทียบโมเดลกันได้บนมาตรวัดเดียว ไม่ต้องไปไล่อ่านบิลแยกของแต่ละเจ้า

ความหมายเชิงกลยุทธ์ของเรื่องนี้ใหญ่กว่าที่เห็น เพราะ Apple ยอมวางตัวเป็น “ชั้นกลาง” (abstraction layer) แทนที่จะบังคับให้ทุกคนใช้โมเดลของตัวเอง — เป็นการรับสภาพความจริงว่าผู้ใช้และนักพัฒนาอยากเลือกโมเดลที่ดีที่สุดสำหรับงานนั้น ๆ มากกว่าจะถูกล็อกไว้กับค่ายเดียว

AFM 3 — โมเดลบนเครื่อง 20B ที่จุดติดแค่ 1–4B

พระเอกฝั่งโมเดลคือ AFM 3 Core Advanced ตัวเลขบนกระดาษคือ 20 พันล้านพารามิเตอร์ ฟังดูใหญ่เกินกว่าจะยัดลงมือถือ แต่กลเม็ดอยู่ที่คำว่า sparse (เบาบาง) — โมเดลไม่ได้เปิดใช้พารามิเตอร์ทั้ง 20 พันล้านพร้อมกัน แต่เปิดทำงานจริงแค่ 1–4 พันล้านต่อหนึ่งคำสั่ง โดยปรับตามเนื้องานแบบไดนามิก

เทคนิคเบื้องหลังชื่อ Instruction-Following Pruning (IFP) — มีตัวทำนายเล็ก ๆ คอยอ่าน prompt ก่อน แล้วเลือก “เปิดสวิตช์” เฉพาะแถว/คอลัมน์ในเครือข่าย feed-forward ที่จำเป็นต่องานนั้น ส่วนการจัดการหน่วยความจำก็ฉลาด: เก็บโมเดลเต็มไว้ใน flash (NAND), วาง “ผู้เชี่ยวชาญร่วมที่ใช้ตลอด” ไว้ใน DRAM ที่เร็วกว่า แล้วค่อยดึงผู้เชี่ยวชาญเฉพาะทาง (routed experts) ขึ้นมาเฉพาะตอนที่ถูกเลือกใช้ — ทำให้โมเดลใหญ่วิ่งบนมือถือได้โดยไม่กินแรมจนเครื่องอืด

ผลที่ Apple เคลมคือ ทั้งที่จุดทำงานจริงแค่ราว 3B แต่คุณภาพแซงโมเดล dense ขนาด 3B แบบเดิมไป 5–8 แต้ม ในงานคณิตศาสตร์และการเขียนโค้ด และเทียบเท่าคุณภาพของโมเดล dense ขนาด 9B — Apple ถึงกับเรียกมันว่า “โมเดล dynamic-sparse ระดับโปรดักชันตัวแรกที่ส่งถึงมือผู้บริโภคจริง ๆ”

ข้อควรระวังคือ ตัวเลขเปรียบเทียบเกือบทั้งหมดเป็นการวัดเทียบกับ โมเดลรุ่นปี 2025 ของ Apple เอง ด้วยวิธี blind human preference (ให้คนเลือกแบบไม่รู้ว่าอันไหนเป็นอันไหน) เช่น งานข้อความเลือกรุ่นใหม่ 45.6% เทียบรุ่นเดิม 23.3%, งานเข้าใจภาพเลือกรุ่นใหม่เกิน 61% — แต่ ยังไม่มีคะแนน benchmark มาตรฐานกลาง อย่าง MMLU, SWE-bench หรือ GPQA ออกมาให้เทียบกับคู่แข่งตรง ๆ ฉะนั้นควรอ่านตัวเลขพวกนี้ในฐานะ “ดีขึ้นกว่าของเดิม” มากกว่าจะเหมารวมว่าชนะทุกค่าย

ครั้งแรกที่ iPhone “มองภาพ” ได้บนเครื่อง

อีกหมุดหมายสำคัญคือ Foundation Models รับ อินพุตเป็นภาพ ได้แล้ว ควบคู่กับข้อความ และทั้งหมดประมวลผลบนเครื่อง ไม่ต้องวิ่งขึ้นคลาวด์ ตัวอย่างงานที่ทำได้ทันที เช่น บรรยายภาพถ่าย, ดึงข้อมูลแบบมีโครงสร้างจากใบเสร็จ, หรือจำแนกองค์ประกอบ UI บนหน้าจอ

ฝั่งโค้ดก็เรียบง่ายมาก — แนบรูปเข้าไปใน session ได้ตรง ๆ และรองรับฟอร์แมตภาพหลากหลายทั้ง UIImage, NSImage, CGImage, Core Image, บัฟเฟอร์จาก CoreVideo ไปจนถึง URL ของไฟล์

แต่มีเงื่อนไขฮาร์ดแวร์: ความสามารถด้านภาพต้องใช้ AFM 3 Core Advanced ซึ่งเปิดให้เฉพาะ iPhone 15 Pro ขึ้นไป ส่วนผู้ใช้ iPhone 14 ยังจำกัดอยู่ที่ Foundation Models แบบข้อความล้วน — เป็นเส้นแบ่งที่นักพัฒนาต้องเช็กความพร้อมของเครื่องก่อนเรียกใช้ฟีเจอร์ภาพเสมอ

ความสำคัญของ “ประมวลผลภาพบนเครื่อง” ไม่ใช่แค่เรื่องความเร็ว แต่คือ ความเป็นส่วนตัว — รูปใบเสร็จ รูปเอกสาร หรือภาพหน้าจอที่มีข้อมูลอ่อนไหว ไม่ต้องถูกอัปขึ้นเซิร์ฟเวอร์ใครเลย ซึ่งเป็นจุดขายที่ Apple ย้ำมาตลอดและตอนนี้ขยายมาถึงงานภาพได้จริง

Python SDK และรันบน Linux ได้

เซอร์ไพรส์สำหรับสาย dev/นักวิจัยคือ Apple ออก Python SDK ให้เรียกใช้โมเดลบนเครื่องจากนอกโลก Swift ได้ หน้าตาการใช้งานคุ้นมือคนที่เคยเขียนเรียก LLM อยู่แล้ว — สร้าง session, เช็กว่าเครื่องรองรับโมเดลไหม, แล้วส่ง prompt เข้าไปรับคำตอบแบบ async

Apple ระบุชัดว่ากลุ่มเป้าหมายคือ นักวิทยาศาสตร์ข้อมูลและนักวิจัย ML ที่อยากเอาโมเดลบนเครื่องของ Apple ไปใช้ในเครื่องมือ Python หรือสคริปต์ฝั่งเซิร์ฟเวอร์ ไม่ใช่เพื่อทำแอปโปรดักชันเต็มรูปแบบ

ที่น่าสนใจกว่านั้นคือ Apple เปิดซอร์สเครื่องมือบางส่วนของ Foundation Models และยืนยันว่า “ตัว core framework รันบนเซิร์ฟเวอร์ Linux ได้ผ่าน runtime โอเพนซอร์สของ Swift” — แม้จะย้ำว่ายังไม่ใช่ระบบ deploy โปรดักชันเต็มตัว แต่เน้นกลุ่มนักวิจัยที่รันสคริปต์ฝั่งเซิร์ฟเวอร์ การที่ Apple ยอมให้เครื่องมือของตัวเองออกนอก ecosystem ฮาร์ดแวร์ของตัวเอง ถือเป็นท่าทีที่ไม่ค่อยได้เห็นบ่อยนัก

แล้วมันแปลว่าอะไรกับเรา

ภาพรวมของ WWDC 2026 รอบนี้สะท้อนการยอมรับความจริงสามข้อจาก Apple

ข้อแรก — ไม่มีโมเดลเดียวที่ดีที่สุดสำหรับทุกงาน การเปิด LanguageModel ให้เสียบ Claude/Gemini ได้ คือการบอกกลาย ๆ ว่า Apple รู้ว่าโมเดลบนเครื่องของตัวเองเก่งงาน “เล็กและเร็ว” (สรุป, สกัดข้อมูล, จำแนก, สร้างข้อความสั้น, จัดเส้นทางเรียกใช้เครื่องมือ) แต่งานหนัก ๆ ที่ต้องการการให้เหตุผลลึก ๆ ผู้ใช้ควรมีสิทธิ์เลือกโมเดลที่เหมาะกว่า

ข้อสอง — ทิศทางคือดันงานให้ลงมาทำบนเครื่องให้มากที่สุด AFM 3 แบบ sparse และการรับภาพบนเครื่อง คือความพยายามผลักให้ “งาน AI ที่พอทำได้บนมือถือ” ไม่ต้องเสียค่า token และไม่ต้องส่งข้อมูลออกนอกเครื่อง ซึ่งเป็นแนวเดียวกับกระแส Local AI ทั้งวงการ ตั้งแต่ Gemma 4 ที่ย่อโมเดลให้เท่าโน้ตบุ๊ก ไปจนถึงโมเดลเล็กของ Qwen ที่วิ่งบนมือถือได้

ข้อสาม — เกมย้ายจาก “โมเดล” มาที่ “แพลตฟอร์ม” สิ่งที่ Apple ได้เปรียบไม่ใช่การมีโมเดลเก่งที่สุด แต่คือการเป็นเจ้าของช่องทางเข้าถึงผู้ใช้หลักพันล้านเครื่อง การทำตัวเป็นชั้นกลางที่เสียบโมเดลค่ายไหนก็ได้ ทำให้ Apple ยืนอยู่ตรงกลางของทุกดีลโดยไม่ต้องชนะสงครามโมเดลด้วยตัวเอง

สำหรับนักพัฒนาไทยที่ทำแอปบน iOS นี่คือข่าวดีตรง ๆ — เริ่มต้นด้วยโมเดลบนเครื่องที่ฟรีและเป็นส่วนตัวเพื่อสร้างฟีเจอร์ AI พื้นฐาน (เช่น สรุปโน้ต, จัดหมวดข้อความ, อ่านใบเสร็จ) โดยไม่มีต้นทุนต่อการเรียกใช้ แล้วค่อยอัปเกรดเป็น Claude หรือ Gemini เฉพาะงานที่ต้องการพลังมากกว่า ทั้งหมดนี้บนโค้ดชุดเดียว เป็นโมเดลต้นทุนที่ยืดหยุ่นและทดลองได้ง่ายกว่าเดิมมาก

สิ่งที่ยังต้องจับตาคือ ตัวเลขเทียบกับคู่แข่งจริง ๆ เพราะจนถึงตอนนี้ Apple ยังเลี่ยง benchmark มาตรฐานกลาง และเงื่อนไขฮาร์ดแวร์ (iPhone 15 Pro ขึ้นไปสำหรับงานภาพ) ก็ยังจำกัดวงผู้ใช้ที่จะได้สัมผัสของจริง แต่ทิศทางชัดเจน — AI ที่ “อยู่ในเครื่องคุณ ทำงานให้คุณ โดยไม่ต้องส่งข้อมูลไปไหน” กำลังกลายเป็นมาตรฐานใหม่ที่ทุกค่ายแข่งกันไปให้ถึง