Apple Foundation Models: インディー Mac 開発者がオンデバイス AI でできること

約3年間、「AI 機能」を出したいインディー開発者は皆、同じ気まずい決断を迫られてきました。ユーザー数に比例して膨らむ OpenAI や Anthropic の請求を払うか、AI 機能を完全にあきらめるか、です。一度きりの購入のアプリにとって、その計算は過酷でした。ユーザー1人あたり月数セントが、$9.99 の生涯アプリの利益を数か月で食いつぶします。

WWDC 2025 で発表され、macOS 26（Tahoe）で出荷される Apple の Foundation Models フレームワークが、その計算を変えます。このフレームワークは、ユーザーの Mac 上で Apple Intelligence の機能を支えるのと同じオンデバイス言語モデルへのプログラム的アクセスを開発者に与えます。モデルはローカルで動きます。あなたのアプリは推論の料金を払いません。ユーザーは API キーを必要としません。テキストがデバイスから外へ出ることはありません。

この記事は、インディー開発者がこのフレームワークで実際に何ができるか、何が不得意か、そしてこのアーキテクチャの転換が絞り込まれた Mac アプリにとって何を意味するかの実践的なツアーです。

手に入るもの

このフレームワークは、テキストでプロンプトを送れる LanguageModelSession を公開します。モデルはテキストで応答し、オプションで @Generable マクロで指定した構造化オブジェクトでも応答します。ほとんどのアプリにとって構造化出力モードのほうが便利です。自由形式のテキストを解析しようとする代わりに、「このスキーマに準拠した JSON を返して」と言えるからです。

典型的なフローはこうです。

1. モデルのタスクを記述したシステム指示でセッションを作る。
2. ユーザーメッセージを送る。
3. 構造化された応答を読む。
4. その応答でアプリを動かす。

短いプロンプトならミリ秒で、長いものでも数秒で、すべてが動きます。ネットワーク呼び出しもなく、API キーもなく、デバイス自体が維持できる以上のレート制限もありません。

モデルが実際に得意なこと

オンデバイスモデルは、最先端のクラウドモデルに比べれば小さいものです。GPT-4 ではありません。そのように扱うと失望につながります。輝くのは特定のクラスのタスクです。

• 分類。 「この文字列は日付フレーズか、そうでないか？」「この5つのカテゴリーのうち、このタスクはどれに属するか？」これらは、オンデバイスモデルが信頼性高く、すばやく扱えるタスクです。
• 構造化された抽出。 自由テキストの入力から特定のフィールドを引き出すこと。「この文はどの時間帯を指しているか？」「この文の動詞は何か？」フレームワークの構造化出力モードはこのために作られています。
• 短いテキストの書き換え。 くだけたメモをきれいなタイトルに変える、段落を一文に要約する、下書きの文法を直す。モデルは小さく完結したテキスト変換が得意です。
• トーンの変更。 下書きをより温かく、より簡潔に、よりプロフェッショナルにする。同じ制約、つまり短い入力と完結した出力。

これは生産性アプリが実際に必要とするものの大部分です。リストに載っていないものに注目してください。長文生成、複雑な推論、世界知識の質問、コード生成です。オンデバイスモデルもこれらをできますが、クラウドモデルほどうまくはできません。それらが製品の中心なら、まだクラウドが必要です。

モデルが不得意なこと

別のものに手を伸ばすべき3クラスのタスクがあります。

1. 長いコンテキスト。 オンデバイスモデルはクラウドモデルより小さなコンテキストウィンドウを持ちます。50ページの文書を与えて分析を求めても、うまくいきません。代わりに関連する抜粋を与えてください。
2. 自由なクリエイティブライティング。 短いクリエイティブライティングはできますが、最前線のクラウドモデルと比べると違いに気づくでしょう。あなたのアプリが小説家向けの執筆アシスタントなら、おそらくこのモデルではありません。
3. ユーザーが最先端の品質を期待するタスク。 ユーザーがあなたの出力を ChatGPT と比べて評価するなら、負けます。モデルは見えないユーティリティには優れていますが、AI が目に見える製品であるタスクにはそれほどではありません。

正しい捉え方はこうです。オンデバイスモデルは、目に見える製品にするためではなく、背景でアプリを賢くするために使う、ということです。

これがインディーの価格設定にとって意味すること

オンデバイスモデルの最も興味深い帰結は、価格設定への影響です。過去3年間のほとんどの期間、AI 機能を出すインディー開発者への標準的なアドバイスは「サブスクリプションを課金しなければならない、推論コストは実在し、継続するから」でした。そのアドバイスは正しかったのです。

オンデバイスのインテリジェンスで十分なアプリにとっては、もはや正しくありません。一度きりの購入のアプリが AI を出せなかった理由のすべては、継続コストでした。継続コストがゼロなら、その理屈は崩れます。一度きりの購入のアプリで AI 機能を出して、破産せずに済むのです。

これは、一度きりの購入のモデルを復活させようとしている小さなインディー Mac アプリの波にとって、大きな意味があります。より広い流れについても書きましたが、AI の部分は、それが2026年に機能する実際の技術的理由の1つです。

始め方

このフレームワークは macOS 26 の標準 Apple SDK の一部です。別のダウンロードはありません。API キーもありません。作るアカウントもありません。Swift ファイルに import FoundationModels を加え、LanguageModelSession を作り、プロンプトを送り、応答を読みます。

このモデルは、Apple Intelligence のシステム要件を満たす Apple Silicon の Mac で利用できます。古い Intel の Mac はフレームワークを得られないので、それらをサポートしたいならアプリにはフォールバック戦略が必要です。今日出荷されるほとんどのインディー Mac アプリにとっては、可用性チェックと緩やかな機能縮退の経路があれば十分です。モデルのないユーザーはその機能の正規表現ベースのバージョンを得て、モデルのあるユーザーは賢いバージョンを得ます。

TodoBar ではこれがどう見えるか

TodoBar はこのフレームワークを、自然言語の日付解析のフォールバックとして使っています。速い経路は正規表現で、日付フレーズの約90%を1ミリ秒未満で捕まえます。正規表現の経路が失敗すると、オンデバイスモデルが、約50ミリ秒という典型的なレイテンシで挑戦し、ユーザーが何を意図したかの構造化された分類を返します。完全なパイプラインは日付解析の記事で説明しました。

このモデルはユーザーには見えません。ユーザーはそこにあることを知りません。ただ「数時間後」が「2時間後」と同じように動くことに気づくだけです。それが良いオンデバイス AI の感触です。

それはまた、$9.99 の一度きりの購入のアプリが、1年前ならサブスクリプションが必要だった機能を出せる理由でもあります。計算がついに成り立つのです。