Apple anuncia acceso al modelo local del iPhone para desarrolladores

El 9 de junio de 2025, Apple anunció Foundation Models, un marco para que las aplicaciones accedieran al modelo local de Apple Intelligence. La fuente original sostiene el núcleo documental del hecho; el anuncio describía una capacidad de las futuras versiones del sistema, no disponibilidad universal inmediata.

Hasta ahora, ese modelo on-device —el que hace funcionar buena parte de Apple Intelligence— era territorio exclusivo de Apple. A partir de hoy, según el comunicado de la compañía, cualquier app podrá invocarlo con apenas tres líneas de código Swift. Sin coste, sin necesidad de conexión a internet y sin que los datos del usuario salgan del dispositivo.

Por qué es distinto a llamar a la API de un chatbot

La mayoría de apps que hoy integran IA generativa lo hacen llamando a un servidor externo: OpenAI, Anthropic o el proveedor que sea. Eso implica coste por cada consulta, dependencia de la conexión a internet y el envío de datos del usuario fuera del dispositivo.

El planteamiento de Apple es el contrario. El modelo vive en el propio teléfono, así que responde aunque no haya cobertura, no genera factura de API y, al procesarse todo localmente, la compañía sostiene que protege la privacidad de las conversaciones y contenidos del usuario. Craig Federighi, vicepresidente senior de Ingeniería de Software de Apple, lo resumió así en el comunicado: "Estamos dando también el gran paso de ofrecer a los desarrolladores acceso directo al modelo fundacional on-device que impulsa Apple Intelligence, permitiéndoles aprovechar una inteligencia potente, rápida, construida con privacidad y disponible incluso cuando los usuarios están sin conexión". Según Federighi, esto "encenderá una nueva ola de experiencias inteligentes" en las apps que la gente usa cada día.

El framework y el resto de novedades de Apple Intelligence están disponibles para pruebas desde hoy, y llegarán a los usuarios con dispositivos y idiomas compatibles este otoño, según Apple.

El resto del paquete: traducción, Genmoji e inteligencia visual

El Foundation Models framework no llegó solo. Apple presentó también Live Translation, un sistema de traducción en tiempo real integrado en Mensajes, FaceTime y Teléfono, construido con modelos propios que funcionan íntegramente en el dispositivo. En Mensajes traduce automáticamente al escribir; en FaceTime muestra subtítulos traducidos mientras se sigue escuchando la voz original; en llamadas de Teléfono, la traducción se reproduce en voz alta durante la conversación.

Genmoji e Image Playground, las herramientas de creación de imágenes y emojis personalizados, se amplían con la posibilidad de combinar emojis entre sí y con descripciones de texto, además de nuevos estilos —como pintura al óleo o arte vectorial— que llegan a través de ChatGPT. Apple insiste en que nada se comparte con ChatGPT sin permiso del usuario.

La inteligencia visual, que ya permitía identificar objetos y lugares con la cámara, se extiende ahora a lo que aparece en la pantalla del iPhone: el usuario puede preguntar a ChatGPT sobre algo que está viendo, buscar productos similares en Google o Etsy, o dejar que el sistema detecte un evento en una imagen y proponga añadirlo al Calendario extrayendo fecha, hora y lugar automáticamente.

En el Apple Watch debuta Workout Buddy, un asistente que combina los datos del entrenamiento en curso con el historial de forma física del usuario para generar comentarios motivacionales en tiempo real, con una voz sintética construida a partir de grabaciones de entrenadores de Fitness+. Empezará disponible en inglés, para modalidades como correr, caminar, ciclismo al aire libre, HIIT y entrenamiento de fuerza, y requiere auriculares Bluetooth y un iPhone compatible cerca.

Apple Intelligence, además, sumará ocho idiomas antes de que termine el año: danés, neerlandés, noruego, portugués de Portugal, sueco, turco, chino tradicional y vietnamita.

Lo que cambia para quien desarrolla apps

La apertura del modelo on-device es la pieza que más proyección tiene a medio plazo. Cientos de millones de iPhone, iPad y Mac ya llevan instalado un modelo de lenguaje capaz de resumir texto, generar contenido o razonar sobre información, y hasta hoy solo Apple podía usarlo dentro de sus propias apps. Al abrirlo a terceros sin coste de API, cualquier desarrollador puede añadir funciones de IA generativa a su aplicación sin negociar contratos con proveedores de modelos ni preocuparse por la factura mensual que suele acompañar a ese tipo de integraciones.

La contrapartida es que el modelo vive dentro del ecosistema de Apple: solo funciona en sus dispositivos y bajo sus condiciones. Para un desarrollador que ya construye para iPhone, es una vía gratuita de sumar inteligencia sin depender de terceros. Para el mercado de proveedores de modelos por API, es un competidor que no cobra por consulta.

Cómo convertir el titular en una comprobación

El primer paso es congelar la identidad del sistema. Apple anunció Foundation Models, un marco para que las aplicaciones accedieran al modelo local de Apple Intelligence. Un nombre comercial puede cubrir revisiones, rutas automáticas y herramientas distintas. La ficha de prueba debe guardar fecha, modalidad de acceso, configuración, permisos y salida completa. Sin esa fotografía, una mejora o un fallo observado hoy no puede atribuirse con rigor a la versión que otra persona usará mañana.

Después hay que convertir cómo comprobar dispositivo, sistema, privacidad, límites y ruta alternativa antes de adoptar una API local en casos con criterio de aceptación. Se prepara una muestra propia que incluya tareas fáciles, ambiguas, largas y deliberadamente imposibles. Se anota qué entrada recibe el modelo, qué información puede consultar y qué resultado sería suficiente. Una demostración elegida por el proveedor enseña posibilidad; una batería conservada por el usuario mide fiabilidad.

La autonomía requiere una escala de permisos. Leer y proponer no es lo mismo que modificar, enviar o comprar. La configuración segura concede primero acceso de solo lectura, exige una vista previa y reserva la ejecución para una aprobación explícita. También conserva un registro y una vía de deshacer. El modelo se juzga por los errores que el sistema contiene, no por la confianza con la que describe su plan.

Qué debe quedar registrado

Coste y calidad deben medirse juntos. Una respuesta barata que obliga a revisar desde cero puede costar más que otra lenta pero verificable. La medición incluye espera, reintentos, consumo, supervisión humana y consecuencias de un fallo. el anuncio describía una capacidad de las futuras versiones del sistema, no disponibilidad universal inmediata. Esa frontera convierte el anuncio en una hipótesis que puede comprobarse en lugar de una promesa que deba creerse.

Una ficha de evidencia separa cuatro columnas: lo que afirma la fuente, lo que muestra, lo que no midió y qué tendría que ocurrir para cambiar la conclusión. Esa disciplina evita que una ausencia se convierta en promesa y que una condición desaparezca al resumir. También permite actualizar la pieza sin reescribir la historia desde el resultado posterior.

Conviene incluir un caso negativo antes de decidir. Se busca una situación donde el sistema, norma, operación o estudio no resuelva la necesidad y se anota la señal que obligaría a parar. Los éxitos seleccionados muestran que algo puede ocurrir; el caso negativo revela el límite y reduce el coste de descubrirlo después del despliegue.

La capacidad que sobrevive al anuncio

La comparación válida conserva denominador y eje. No enfrenta una cifra puntual con un promedio, una capacidad futura con una instalada ni una predicción con una observación. Cuando dos fuentes usan palabras parecidas, se reconstruye qué contaron y durante qué periodo. Si no coinciden, se publican como medidas distintas en vez de fabricar una clasificación.

El registro debe sobrevivir al cambio de versión. Guarda URL, fecha de consulta, documento, configuración y decisión tomada. Al aparecer nueva evidencia, se añade con su fecha y se explica qué modifica. Esa trazabilidad protege contra dos errores opuestos: mantener una conclusión caducada o fingir que un dato posterior ya se conocía el día del hecho.