千图网

我在iPhone17 Pro Max 上跑AI 模型，体验了一把十年前“越狱”的快乐_我的网站

一 | 近年来，苹果在中国的iPhone销售遇到了一些障碍，而苹果在印度市场的表现也不是很好。根据一份新的报告，库比蒂诺巨人最近在印度失去了50%的iPhone销量。根据对比研究，2018年苹果在印度的iPhone出货量为160万到170万台，而2017年为320万台。

二 |     「我成功在国行iPhone上跑通了AI模型！」                    「然后呢？」                    「然后就没怎么用过了。」                    iPhone 17 Pro Max发布都一个月了，苹果国行Apple Intelligence还是遥遥无期。等不及的网友们，决定自己动手，丰衣足食。印度iPhone出货量的大幅下降可归因于苹果的高价格和竞争对手的激烈竞争。从2014年到2017年，苹果印度业务的规模实际上翻了一番，从每年150万台增至320万台。                             于是，在iPhone上部署端侧AI模型，成了互联网的新显学。不幸的是，苹果去年在印度的iPhone销量实际上回落到了三年前。不断增长的市场和不断下降的销售额也导致了库比蒂诺巨人的市场份额急剧下降。从保姆级教程到实操演示，各种野生秘籍在社交媒体上遍地开花。                   我们也折腾了一番——下载模型、跑分测试、实际体验……整个过程确实有趣，甚至有点上头。报告显示，苹果的iPhone在2016年和2017年分别占印度市场的2.3%和2.4%，而在2018年，其销量仅占印度所有手机销量的1.2%。但当兴奋劲过去，一个扎心的事实浮现出来：这玩意儿好玩、有趣，但不实用。                   能用和好用，是两回事                    在iPhone上体验端侧模型，门槛其实不算高。目前还不清楚苹果将如何应对印度iPhone销量的下滑。                   打开App Store，搜索PocketPal AI，下载安装。

三 | 如果不习惯英文界面，可以在设置(Setting)里找到语言(Language)选项，切换成中文。一些低成本的iPhone型号可能会吸引当地消费者，例如第二代传言中的iPhone SE，但我们没有任何关于该型号的具体细节，甚至无法确定它是否真的存在。

四 |                    接着便是下载模型了。                   点击左上角图标进入模型库，由于Qwen系列模型在开源社区一直都是有口皆碑，所以我们选择从Hugging Face分别下载了0.6B、1.7B、8B、14B和30B的版本。                   当然，你也可以自己本地下载模型，再导进去，这倒是问题不大。

五 |                    但能下载，不代表能运行。

六 |                    当你看到「内存警告」的字样的时候，就知道这大概率是行不通了，这里需要解释一下，模型名称后的数字(如0.6B)指的是参数量，B代表「十亿」(Billion)。                   参数可以理解为模型「神经元」的数量，参数越多，理论上模型的理解能力和生成质量越强，但对硬件的算力和运存需求也急剧攀升。                   你也可以在基准测试栏里，查看手机的设备信息。拿我手上这台iPhone 17 Pro Max来说，8GB内存勉强能跑，14B模型、30B及更大参数的版本，基本上就没法运行了。                   在实际体验之前，我们也先用这几款模型跑个分，下面这几张图片，分别对应着不同参数模型的评测结果。                   那么在iPhone上用第三方APP跑端侧模型，到底有没有实际意义？这些模型能否真正支撑日常任务或简单推理？                    我的评价是：能用，但更多是玩具性质，可以尝鲜，但不太建议长期使用。                   众所周知，OpenAI此前曾出炉了一份关于ChatGPT的使用报告，主要揭秘大家伙都在用ChatGPT干什么，其中主要包含实用指导、信息搜索和写作等事项。

七 |                    我们也参考这些实际用途，分别对0.6B、1.4B、8B等模型问了几个问题。

八 |                    测试一：制定健身计划                    帮我制定一个适合久坐上班族的7天核心锻炼计划                    和跑分结果一致，模型参数越大，生成的速度越慢。但反之，回答的质量和内容详实程度确实也随参数提升而提升。

九 |                    0.6B模型给出的计划放之四海而皆准，有一定的细节，实操价值却不高。                   1.7B稍好，细节更丰富，能够对久坐带来的腰背酸痛提出针对性的训练计划。                   8B则再上一个档次，开始针对不同肌群给出系统性的建议，且动作更细分，甚至还有暖心小贴士，不过虽说基本维持在5 token/s的速度，但体感跟网页版ChatGPT的响应速度并无明显差别。

十 |                    至于发热情况，我是在比较凉爽的室内测试的，在询问8B模型几个问题后，也可以明显感觉到手机背部发热明显。

十一 |                    测试二：历史知识问答                    宋代的聘猫礼是什么？                    这是一个相对冷门但有据可查的历史知识点，指的是宋代民间迎娶猫咪入宅时的礼仪习俗，主要是为了体现古人对猫主子的尊重程度。                   遗憾的是，小参数模型的知识储备严重不足，从0.6B到8B的模型，都不知道聘猫礼是啥，而且还特别擅长一本正经地胡说八道。

十二 | 其中8B模型更全是车轱辘话。

十三 |                    测试三：时效性信息                    iPhone Air什么时候发布？                    这是一个考验模型时效性的问题。                   毫无意外，所有端侧模型都答不上来，毕竟它们的知识截止日期停留在训练时，无法获取最新信息。                   这一点，恰恰是云端模型的核心优势之一。云端模型可以通过联网检索、实时更新知识库，而端侧模型只能依靠「出厂」时打包进去的那些参数。                   测试四：写作能力                    我们选择了今年上海卷的高考作文题：                    有学者用「专」「转」「传」概括当下三类文章：「专」指专业文章；「转」指被转发的通俗文章；「传」指获得广泛传播的佳作，甚至是传世文章。他提出，专业文章可以变成被转发的通俗文章，而面对大量「转」文，读者又不免期待可传世的文章。                   由「专」到「传」，必定要经过「转」吗？请联系社会生活，写一篇文章，谈谈你的认识与思考。                   要求：（1）自拟题目；（2）不少于800字。                   0.6B模型大概就是传说中凑字数的选手，回答更像是将题目的表面意思复述了一遍，生成的内容缺乏思辨深度，需要大量人工修改才能达到「及格线」。                   1.7B起码还引用了鲁迅作品这类文学素材，看起来有模有样。而8B则表现不错，但与云端模型如ChatGPT相比，依旧差距甚远，难以称得上生产力工具。

十四 |                    另外，虽然那模型在训练阶段就已经被「调教」过了，这使得它在输出时，会自然而然地按照某种风格、语气和逻辑来回答，但我们也可以给模型植入系统提示词，并让它生成回答。                   比如我就给1.7B的模型安排了个「古风小生」的人设。                   你别说，这模型还真挺「入戏」的，表达的语感、节奏和人格气质，变得更贴近我的预期。                   附上提示词：                    上下滑动查看更多内容                    但说实话，对绝大多数用户来说，这更像是个好玩的彩蛋，而不是刚需功能。

十五 | 一言以蔽之，我并不太建议你去折腾这种部署端侧模型的方法。                   回想2008到2012年，那是iPhone用户「越狱」的狂欢时代。无数人顶着把手机刷成砖的风险，就为了装上几个苹果不许安装的插件，或者把系统界面改得更个性一点。                   可当App Store的生态已经足够丰富，越狱风险却越来越高，带来的边际收益也越来越小时，如今还有多少人在越狱？                    答案不言而喻。                   这种所谓第三方端侧模型的折腾方法，即便有隐私方面的加成，但本质上仍是一个独立的应用，堪比阉割版ChatGPT，它无法与系统深度整合，也无法调用其他应用的数据，形如鸡肋。

十六 |                    正因如此，就像当年的越狱一样，这种在第三方应用折腾端侧AI，或许只会成为一段有趣但短暂的插曲，而真正的未来，依旧属于那些把复杂留给厂商、把简单留给用户的系统级解决方案。

十七 |                    *封面来自：ZDNET                    欢迎加入APPSO AI社群，一起畅聊AI产品，获取#AI有用功，解锁更多AI新知                    我们正在招募伙伴                    简历投递邮箱[email protected]                    ✉️邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）。

Current article:http://www.bainangmieruopanglaomen.sbs/news/20260826_8031.xlsx

Published on:13:38:39