Auf meinem Mac liegt seit ein paar Monaten ein kostenloses KI-Modell. Es läuft vollständig lokal, schickt nichts an US-Server und verbraucht keine API-Credits. Das einzige Problem war: Ich hatte keinen Weg, damit zu reden, ohne vorher eine Swift-App zu schreiben.
Apfel ändert das. Das Open-Source-Tool gibt Apples On-Device-Modell eine Kommandozeile, einen interaktiven Chat und einen lokalen Server, der sich gegenüber beliebigem OpenAI-SDK-Code als API-Endpunkt ausgibt. Eine Zeile Installation, kein Gigabyte-Download, weil das Modell schon auf dem Rechner liegt.
Apfel ist kein neues KI-Modell. Es ist der Schlüssel für ein Schloss, das Apple bereits eingebaut hat.
Installation
brew install apfel. Das war's. Kein Fortschrittsbalken, kein Warten. Das Modell kommt mit macOS 26 Tahoe, nicht mit dem Tool. Wer Homebrew noch nicht nutzt, findet dort einen guten Einstieg.
Voraussetzungen: macOS 26 Tahoe oder neuer, Apple Silicon und Apple Intelligence aktiviert. Darunter sitzt ein Modell mit rund drei Milliarden Parametern, stark komprimiert, auf der Neural Engine.
Apfel bietet drei Zugänge: Befehle durch die CLI pipen, ein interaktiver Chat mit apfel --chat, und ein OpenAI-kompatibler Server auf localhost. WLAN aus, er antwortet trotzdem. Im Flugzeug, im Zug, Token für Token.
Dateianhänge nimmt Apfel ebenfalls entgegen: PDFs und Bilder mit On-Device-OCR, dazu JSON-Ausgabe und ersten MCP-Support. Nette Extras, aber nicht der Grund zum Installieren.
Der lokale Server
Der interessanteste Teil ist der Server. Jeden OpenAI-SDK auf localhost:11434/v1 zeigen statt auf die echte API, einen beliebigen Fake-Key eintragen (er wird nirgends geprüft), und vorhandener Code läuft einfach weiter.
Gleiche Python-Imports, gleiche Request-Struktur, gleiches Streaming. Nur lokal und ohne Rechnung am Monatsende.
Wer das Datenschutzproblem der Cloud-KI kennt, weiß, was das bedeutet: Kein Prompt verlässt das Gerät. Kein Auftragsverarbeitungsvertrag nötig. Keine Anfrage an US-Server, die Cloud-Act-Zugriff ermöglichen würde.
Apfel vs. Ollama
Apfel lädt kein Modell herunter. Es ist ein Übersetzer: Die Anfrage geht an Apples FoundationModels-Framework, die Antwort kommt im OpenAI-Format zurück. Kein Pull-Befehl, daher auch die fast sofortige Antwort.
Ollama und MLX funktionieren anders. Sie laden Open-Weight-Modelle herunter, Llama, Qwen, Mistral, was auch immer, in Gigabyte-Paketen. Dafür bekommt man Auswahl: Modelle wechseln, verkleinern, feintunen.
Apfel überspringt das alles, weil Apple das Herunterladen beim macOS-Update schon erledigt hat. Der Tausch ist Auswahl. Es gibt genau ein Modell: Apples.
Der EU-Datenschutz-Vorteil
Apple Intelligence kam in Europa später als in den USA. DMA-Auflagen, Verhandlungen mit der Europäischen Kommission, Apples Vorsicht. Jetzt, da es ausgerollt ist, kommt mit Apfel ein Nutzungsweg, der aus Datenschutzsicht lückenlos ist: Kein Prompt verlässt das Gerät. Das macht den Ansatz auch im beruflichen Kontext brauchbar, zumindest für die kleinen Alltagsaufgaben.
Wer mit sensiblen Daten arbeitet und trotzdem schnell eine Commit-Message braucht oder einen kurzen Text gegenlesen lassen will, kommt mit Apfel ohne DSGVO-Risiko aus. Nicht als Ersatz für Claude oder GPT, aber als erste Anlaufstelle für das, was ohnehin am Rechner liegt.
Die Grenzen
Beim Modell selbst anfangen. Drei Milliarden Parameter. Nicht Claude, nicht GPT, nicht in derselben Liga, und das ist eine Einordnung, kein Vorwurf. Einfache Shell-Befehle findet es meistens. Bei Mathe oder mehrstufigen Aufgaben verliert es den Faden.
Das härtere Limit ist das Kontextfenster: 4.096 Token für Input und Output zusammen. Grob eine Textseite, für die gesamte Unterhaltung. Eine Logdatei lässt sich da nicht hineinkippen, und einen Coding-Agent erst recht nicht. Apple Silicon macht den Mac zu einem ernstzunehmenden lokalen KI-Rechner, aber Apfel schöpft davon nur einen kleinen Teil aus.
Apple baut eigene Guardrails ein, die sich nicht vollständig abschalten lassen. Es gibt einen etwas lockereren Modus. Die Leine gehört trotzdem Apple, nicht euch.
Der Code ist Open Source, das Modell nicht. Die Gewichte laufen nur auf Apple-Hardware und lassen sich nicht exportieren. Kostenlos, aber nur zu Apples Bedingungen.
Alltagsprompts ja, Projekte nein
Wer komplexes Reasoning braucht, lange Dokumente verarbeitet oder etwas in Produktion schickt, bleibt bei Claude oder GPT. Oder lädt ein größeres Open-Weight-Modell über Ollama, wenn es lokal sein soll und mehr Kontext gebraucht wird.
Apfel ist für die kleinen Sachen, die sonst API-Kosten hätten. Shell-Befehle nachschlagen. Eine Commit-Message aus einem Diff. Schnelles Verschlagworten. Eine kurze Zusammenfassung von etwas, das schon offen liegt. Offline, privat, schon installiert.
Der kostenlose Einstieg in lokale KI bedeutete bisher: Modell herunterladen, einrichten, warten. Jetzt liegt das Ding in dem Rechner, den ich schon bezahlt habe.
Ich zahle weiter für Claude, wenn die Arbeit es verlangt. Für die kleinen, vergesslichen Prompts, die sich durch den Tag ziehen, ist das Modell schon da.
