Apple 在 Hugging Face 上线 20 个 Core ML 模型：主打端侧离线运行与隐私

Apple 在 Hugging Face 上公开了 20 个全新的 Core ML 格式模型和 4 个配套数据集。如果你在做 iOS 或 macOS 应用开发，现在可以直接把这些现成的视觉与多模态模型拖进工程，全部在设备本地离线跑起来，不需要自己从头转换或搭云端服务器。

它能做什么

这批模型主要覆盖了常见的计算机视觉和图像处理任务，其中包含用于图像分类的 FastViT、用于单目深度估计的 DepthAnything，以及负责语义分割的 DETR 等前沿架构。

Hugging Face 联合创始人兼 CEO Clement Delangue 提到，这些模型能直接解决很多实际产品功能。比如在手机端给照片一键抠图并消除杂乱背景，或者调用摄像头实时识别眼前的物体并翻译成外语。

除了 20 个现成模型，Apple 还同步放出了 4 个数据集，方便开发者在此基础上进一步做针对性训练或微调。

专为端侧优化的特性

这批模型最大的特点是针对 Apple Silicon 和 Core ML 框架做了专门适配，把内存占用和功耗压得很低。

所有模型都严格在用户的设备本地运行，完全不需要连接网络。这意味着两件事：第一是极低延迟，本地推理没有网络往返等待；第二是隐私绝对安全，用户的图像和个人数据完全不出手机或电脑。

开发者可以直接前往 Hugging Face 上的 Apple 组织主页下载对应的 Core ML 权重文件，直接集成到 Xcode 中即可调用。

为什么重要

对苹果生态的独立开发者和中小团队来说，这批模型最大的价值是省事。平时把开源社区的 PyTorch 模型转成 Core ML 格式往往容易踩坑，量化、算子兼容和端侧调优都要花不少时间，现在官方把调优好的版本直接打包送到了手上。

把图像分割、深度估计这类基础视觉能力全部推向端侧，既帮开发者省下了高昂的云端 GPU 账单，又彻底守住了用户隐私红线。我们认为，如果你的 App 刚好需要加入图像识别或抠图功能，现在很值得去 Hugging Face 下下来跑一跑。