Hugging Face анонсирует версию 1.0 AnyLanguageModel, библиотеки, которая напрямую заменяет фреймворк Foundation Models от Apple и позволяет разработчикам выбирать модель и провайдера, используемые их приложением. Она выпускается вместе с swift-huggingface 1.0 и swift-xet 1.0.
Проект родился из отзывов разработчиков приложений, интересовавшихся локально выполняемыми моделями, но не всегда знавших, как к ним подступиться. Они также хотели избежать сложностей поддержки нескольких провайдеров вывода. Локальные и размещённые модели имеют свои преимущества, а общий API должен упростить выбор модели, подходящей для каждой задачи.
Совместимый API и новые функции
Исходный принцип остаётся прежним: использовать API Foundation Models с моделью, подходящей для приложения. Для миграции достаточно заменить строку import FoundationModels на import AnyLanguageModel, после чего тот же код сессии будет работать с системной моделью, с открытыми моделями, выполняемыми через llama.cpp, MLX и Core ML, а также с размещёнными провайдерами.
Было добавлено несколько функций. Вызов инструментов работает со всеми провайдерами, как и направляемая генерация, включая вложенные типы @Generable и массивы таких типов. Поддержка изображений позволяет прикреплять изображения к запросам согласно синтаксису Foundation Models 27, в том числе с системной моделью на iOS, macOS и visionOS 27. В ОС 27 библиотека также работает с любой моделью, соответствующей протоколу LanguageModel из Foundation Models, в частности с моделями Core AI.
Что касается размещённых моделей, библиотека поддерживает API Chat Completions и Responses от OpenAI, Open Responses, API Messages от Anthropic с опциями адаптивного размышления и усилия, API Gemini от Google и Ollama. Она также поддерживает Private Cloud Compute в ОС 27, а также Hugging Face Inference Providers и другие конечные точки, совместимые с OpenAI, такие как OpenRouter, через пользовательский базовый URL. Благодаря Inference Providers открытые модели, слишком большие для устройства, могут использоваться с тем же кодом, например openai/gpt-oss-120b.
Размещённые провайдеры получают те же функции, что и локальные модели: направляемую генерацию, потоковый вызов инструментов и подсчёт токенов в ответах. Рассуждение теперь является частью транскрипции. При смене провайдера блоки рассуждений автоматически удаляются из запросов, если новый провайдер не может их воспроизвести. Ключи API также предоставляются через функцию, а не строку, что позволяет приложению получать краткосрочные токены с собственного сервера. Наконец, библиотека работает под Linux, что позволяет использовать тот же код на стороне сервера.
Более производительные открытые модели
Среди самых скачиваемых моделей на Hub в настоящее время в статье упоминаются Gemma 4 E2B от Google в формате GGUF, около 3,4 ГБ в Q4_0 с квантозависимым обучением, и LFM2.5 2.6B от Liquid AI, около 1,7 ГБ в Q4_K_M. Qwen3.8 27B для MLX от Alibaba весит около 16 ГБ в 4-битном формате. По данным статьи, первые две помещаются на iPhone, а Qwen3.8 27B работает на Mac с как минимум 32 ГБ памяти.
Для самых тяжёлых конфигураций GLM-5.3 от Z.ai занимает около 1,5 ТБ в BF16, согласно тексту, и остаётся доступной через Inference Providers. Hugging Face также сообщает, что функции « моделей, которые решают » и « моделей, которые слушают » появятся в ближайшее время.
