#apple-silicon — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #apple-silicon, aggregated by home.social.
-
App Store: Apple allows developers to drop Intel Mac support
Universal apps were the norm in the Mac App Store until now. Apple is now dropping requirement for an Intel version. Owners of older Macs will get less software.
-
App Store: Apple erlaubt Entwicklern, Intel-Mac-Support zu streichen
Bislang waren Universal-Apps im Mac App Store die Regel. Apple streicht nun die Anforderung einer Intel-Version. Besitzer alter Macs bekommen weniger Software.
-
Idc what people say/think, #TimCook to me is not only an excellent CEO at #Apple, seemingly a great person (diplomacy with Trump aside), but I honestly think he's the best leader at Apple even compared to #SteveJobs. Jobs is obviously iconic, and fundamental... but I honestly think it's thanks to Cook that not only we get some amazing products under him - #AppleWatch, #AirPods, #AppleSilicon, etc. but also, they're also all more accessible and affordable than ever? That was never true during Jobs' era, and I don't think it would've been had he been still alive today. Ngl, super curious to see how true that'd continue to be in the next #JohnTernus era.
-
Fin des Mac Intel : les développeurs encouragés à stopper le développement de leurs apps
https://mac4ever.com/197809
#Mac4Ever #AppleSilicon #Intel -
Developer JPRX launched Darwin-VM to emulate Apple Silicon systems. This QEMU-based tool assists security researchers with XNU kernel debugging and analysis.
#DarwinVM #AppleSilicon #XNUKernel #CyberSecurity #QEMU
http://securityonline.info/darwin-vm-apple-silicon/?utm_source=mastodon&utm_medium=jetpack_social
-
Local LLM Arena #7
Na początku GPT-OSS-20B zrobił na mnie bardzo dobre wrażenie. W benchmarku codingowym zremisował z Qwenem, a przy tym działał około 5 razy szybciej. Dlatego chciałem sprawdzić, jak poradzi sobie nie z krótkimi zadaniami, ale z normalną pracą nad kodem.
Przygotowałem 5 praktycznych zadań, w których model musiał sam znaleźć problem w projekcie, zmienić kod i przejść testy.
Wynik końcowy: 0/5.
Sprawdziłem to jeszcze osobnym audytem, bo po wcześniejszych problemach z samym środowiskiem nie chciałem niesprawiedliwie obwiniać modelu. Tym razem jednak test przebiegł prawidłowo i wynik się potwierdził.
Model może wyglądać bardzo dobrze w benchmarku, a znacznie gorzej radzić sobie wtedy, gdy musi przez dłuższą chwilę samodzielnie pracować nad prawdziwym projektem.
GPT-OSS nadal jest szybki i ciekawy, ale jako lokalny zamiennik narzędzi, których używam do codziennego programowania, na razie mnie nie przekonał.
Kolejnych modeli nie będę już testował. Czekają na mnie następne projekty, więc na razie zostaję przy Codex i Antigravity.
#LocalLLM #LLM #AI #AppleSilicon #MacBookAir #M4 #LMStudio #GPTOSS #Coding #OpenSourceAI -
Local LLM Arena #6
Udało mi się już mniej więcej ustalić, co wydarzyło się podczas wczorajszej awarii Maca.
I najważniejsze: problemem nie był sam GPT-OSS.
Problemem był system, który miał go testować.
Kilka procesów uruchamianych podczas testu nie kończyło się prawidłowo. Harness zamiast je przerwać potrafił czekać na nie godzinami, a przy okazji trzymał w pamięci coraz więcej logów i danych z kolejnych etapów.
W pewnym momencie zaczęło się to nakładać.
Pamięci było coraz mniej, macOS zaczął coraz mocniej korzystać z kompresji i swapu, wszystko coraz bardziej zwalniało, aż w końcu komputer praktycznie przestał reagować.
Antigravity doszło wtedy do prawie 48 GB zajętej pamięci na MacBooku z 16 GB RAM.
Po twardym restarcie wszystko wróciło do normy: około 87% wolnej pamięci i 0 MB swapu.
Czyli sprzęt jest OK.
Po prostu sam harness do testowania modeli zrobił się zbyt skomplikowany i w pewnym momencie zaczął być większym problemem niż model, który miał sprawdzać.
Dlatego starego V3 już nie uruchamiam.
Powstała prostsza wersja V4. Każdy zewnętrzny proces ma mieć limit czasu, logi nie mogą rosnąć bez końca, a osobny System Guard ma zatrzymać test, zanim sytuacja z pamięcią wymknie się spod kontroli.
Trial #2 nadal nie został uruchomiony.
Najpierw chcę mieć pewność, że tym razem bezpieczny jest nie tylko model, ale też cały system, który go testuje.
#LocalLLM #LLM #AI #AppleSilicon #MacBookAir #M4 #LMStudio #Codex #GPTOSS #Coding #OpenSourceAI
-
Discover how the Asahi Linux project is successfully pushing vital USB4 protocol drivers for Apple Silicon directly into the mainline Linux kernel.
-
Local LLM Arena #5
Pierwszy prawdziwy test GPT-OSS jako lokalnego agenta programistycznego przyniósł więcej informacji, niż się spodziewałem — tylko niekoniecznie o samym modelu.
Okazało się, że pierwsza wersja testu miała problem z izolacją środowiska Codex CLI. Do kontekstu lokalnego modelu trafiały informacje o wtyczkach i narzędziach, które nie miały nic wspólnego z zadaniem programistycznym.
Dlatego wyniku tego testu nie traktuję jako miarodajnego wyniku GPT-OSS.
Zacząłem więc poprawiać środowisko: czyste sesje, brak chmurowego fallbacku, izolacja hidden testów, kontrola retry, timeouty i dodatkowa diagnostyka.
I tutaj pojawił się kolejny problem.
Sam system testujący zrobił się zbyt skomplikowany.
Kolejne preflighty potrafiły zawieszać procesy na wiele godzin, a podczas ostatniej próby Antigravity doszedł do około 48 GB (?!?!?) zajętej pamięci na MacBooku Air M4 z 16 GB RAM.
System w końcu przestał odpowiadać i potrzebny był twardy restart.
Na szczęście właściwy Trial #2 nigdy nie został uruchomiony, a po restarcie Mac wrócił do normalnego stanu: 0 MB swapu i około 87% wolnej pamięci.
Wniosek jest prosty: nie ma sensu dokładać kolejnych warstw do wadliwego harnessu.
Teraz robię krok wstecz.
Codex ma przeprowadzić audyt całej obecnej infrastruktury i pomóc zaprojektować prostszą wersję V4.
Założenia są już inne:
– każdy proces ma twardy timeout,
– żadnego czekania godzinami,
– test ma własny niezależny System Guard,
– w razie problemów zatrzymywana jest tylko grupa procesów trialu,
– hidden testy są całkowicie poza zasięgiem modelu podczas kodowania,
– iCloud nie jest częścią krytycznej ścieżki,
– Antigravity ma tylko przygotować i uruchomić test, a nie czekać na niego godzinami.Cel się nie zmienił.
Tym razem jednak najpierw trzeba mieć pewność, że sam test nie jest groźniejszy dla Maca niż model, który ma sprawdzać.
#LocalLLM #LLM #AI #AppleSilicon #MacBookAir #M4 #LMStudio #Codex #GPTOSS #Coding #OpenSourceAI
-
How security updates to Sequoia and Sonoma were changed silently
-
Local LLM Arena #4
Repair run już się zakończył i po kilku dodatkowych poprawkach udało się domknąć benchmark.
Po drodze wyszło jeszcze kilka problemów technicznych, więc część testów trzeba było poprawić i uzupełnić. Ostatecznie mamy jednak kompletny zestaw wyników dla wszystkich 5 modeli.
Najlepiej wypadły dwa modele.
Qwen3.8-27B wygrał cały benchmark i osiągnął najwyższy wynik jakościowy.
GPT-OSS-20B był bardzo blisko, a w testach kodowania uzyskał taki sam wynik jak Qwen. Jednocześnie na moim MacBooku Air M4 16 GB działa około 5 razy szybciej.
Dlatego teraz testuję właśnie GPT-OSS jako lokalnego agenta do prawdziwego kodowania.
Schemat wygląda tak:
Codex CLI
↓
LM Studio
↓
GPT-OSS-20B
↓
repozytorium projektuModel dostał 5 rzeczywistych zadań w kodzie Local LLM Arena.
Może sam przeglądać repozytorium, edytować pliki, uruchamiać testy, analizować błędy i poprawiać własne rozwiązania.
Każde zadanie zaczyna od czystej kopii repozytorium. Po zakończeniu rozwiązanie jest sprawdzane także dodatkowymi testami, których model wcześniej nie widział. Jeśli coś nie przejdzie, dostaje informację o błędzie i może spróbować się poprawić.
Maksymalnie trzy podejścia na zadanie.
Całość działa lokalnie na Macu.
Teraz chcę sprawdzić nie tylko, czy model potrafi wygenerować poprawny kod, ale czy rzeczywiście może wykonywać część pracy lokalnego agenta programistycznego i odciążyć modele działające w chmurze.
Test właśnie trwa.
#LocalLLM #LLM #AI #AppleSilicon #MacBookAir #M4 #LMStudio #Codex #GPTOSS #Qwen #Coding #OpenSourceAI
-
macOS is so frequently warning me that this or that app I launch will not be functional when Apple sunsets Rosetta 2 and its Ahead-Of-Time compilation, providing x86-64 -> ARM translation in macOS Golden Gate.
On the one hand, yes, this is a hard driver to get developers to update their app to native and, as such, provide higher performance and peak integration into the latest OS.
On the other hand...I've ridden this CPU platform switch train on the Mac long enough (having been here for every one that's happened), that I know many "little" apps that aren't huge moneymakers or maybe aren't any longer maintained will just cease to exist in on the modern Mac platform when this happens, and this saddens me greatly. Some of these apps I use often, even daily.
I neither look forward to nor praise this coming move from Apple.
https://www.macrumors.com/2026/06/10/macos-golden-gate-last-to-support-intel-apps/
#Apple #Mac #macOS #macOSGoldenGate #Rosetta #Rosetta2 #AOT #JIT #x86 #x8664 #ARM #AppleSilicon #OS #technews #tech #software #operatingsystem #indiedev #legacysoftware #computing
-
Last Week on My Mac: The cost of the blue from over the sea
-
Apple's M6 Mac mini keeps the tiny desktop formula, but shifts the focus to local AI and faster creative work. The $899 starting price makes it a pricier entry point.
-
¡Sorpresa! El chip M6 llega al Mac mini… pero no habrá M6 Pro ni M6 Max.
Apple salta directamente al M7 Pro/Max para potenciar la IA.
Gama alta tendrá que esperar 🍎
#MacMini #AppleSilicon #LocosDeManzanahttps://locosdemanzana.es/2026/08/28/que-macs-tendran-chip-m6-y-cuales-no/
-
Local LLM Arena #2 — dlaczego akurat te 5 modeli?
Nie szukam modeli najlepszych „na papierze”. Szukam takich, które realnie da się uruchomić lokalnie na MacBooku M4 z 16 GB Unified Memory i które mogą być przydatne na co dzień.
Dlatego testuję:
- Gemma 4 12B — Q4_0, 7.15 GB
Najmniejszy z zestawu i punkt odniesienia. Sprawdzam, czy mniejszy model może nadrobić szybkością i mniejszym zużyciem pamięci.- Ternary Bonsai 27B — MLX 2-bit, 8.49 GB
Najbardziej nietypowy zawodnik. 27B upakowane dzięki ternary/2-bit. Jego integracja wymagała nawet osobnego mostu MLX w Arenie.- GPT-OSS-20B — MXFP4, 11.28 GB
Jeden z cięższych, ale we wcześniejszych testach zdecydowanie najszybszy. Ciekawe, czy szybkość pójdzie w parze z jakością.- Qwen3.8-27B — IQ3_XXS, 10.18 GB
Największe wyzwanie dla M4 16 GB. Przed benchmarkiem przeszedł osobny test 20 zapytań. Pamięć dochodziła do ~15.3 GB i pojawiał się swap, ale bez dalszego narastania. Wynik: STABLE_WITH_SWAP.- Mistral Small 3.2 24B — IQ3_XXS, 8.76 GB
Mocniejsza quantyzacja była świadomym wyborem, żeby pozostawić miejsce dla KV cache i macOS.I właśnie o to chodzi w eksperymencie.
Nie porównuję idealnych modeli na serwerze. Porównuję kompromisy:
parametry, quantyzacja, jakość, szybkość a pamięć
na zwykłym laptopie.
Może wygrać 27B. Ale może się też okazać, że do codziennej pracy znacznie lepszy będzie szybszy 12B lub 20B.
Obecnie trwa pełny benchmark: 180 zadań — 36 dla każdego modelu.
-
Buduję własną Local LLM Arena na MacBooku M4 16 GB.
Chciałem sprawdzić coś, czego zwykłe internetowe benchmarki mi nie powiedzą: który lokalny model AI jest rzeczywiście najlepszy do moich zastosowań i na moim sprzęcie.
Dlatego zamiast porównywać tabelki z Internetu, zbudowałem własny system benchmarkowy.
Testuję obecnie 5 lokalnych modeli:
• Qwen3.8-27B • Ternary Bonsai 27B • GPT-OSS-20B • Gemma 4 12B • Mistral Small 3.2 24BKażdy dostaje te same 36 zadań — łącznie 180 testów. Wszystkie modele pracują przy tym samym context length 4096, żeby porównanie było możliwie uczciwe.
Nie interesuje mnie tylko „który model ma więcej punktów”.
Arena sprawdza m.in.:
- jakość języka polskiego - reasoning i rozwiązywanie problemów - analizę dokumentów - tłumaczenia i komunikację PL/DE - programowanie i zadania agentowe - szybkość, TTFT, pamięć, swap i stabilnośćSystem zapisuje checkpoint po każdym zadaniu, zbiera telemetrykę, potrafi wznowić przerwany benchmark i generuje raport. Sam benchmark działa jako niezależny proces w macOS, więc nie jest uzależniony od sesji agenta AI.
Co ważne — modele działają lokalnie na MacBooku, a LM Studio jest dostępne wyłącznie przez localhost.
W projekcie rozdzieliłem też role AI: Gemini Antigravity jest wykonawcą/deweloperem, a Codex niezależnym audytorem/QA, żeby ten sam agent nie był jednocześnie autorem zmian i ich ostatecznym recenzentem.
W tej chwili trwa pierwszy pełny benchmark: 36 zadań × 5 modeli.
Jak się skończy, pokażę wyniki — zarówno który model okazał się „najmądrzejszy”, jak i który jest najbardziej praktyczny do codziennego lokalnego używania na M4 z 16 GB RAM.
#LocalLLM #LLM #AI #OpenSourceAI #MacOS #AppleSilicon #MachineLearning #SelfHosted -
🍎 Asahi Linux se apropie de suportul oficial pentru Mac-urile cu cipuri Apple M3!
Publicația Linuxiac raportează progrese majore în cadrul proiectului Asahi Linux, echipa de dezvoltatori fiind tot mai aproape de lansarea suportului complet și stabil pentru seria de computere Mac echipate cu procesoare din familia Apple M3 (M3, M3 Pro, M3 Max).
✨ Punctele cheie ale acestei actualizări:
🖥️ Progres accelerat pe arhitectura M3:
• Echipa de dezvoltare a reușit să porteze și să stabilizeze componentele critice de kernel necesare pentru funcționarea chipset-ului M3, reducând semnificativ diferențele de compatibilitate față de generațiile anterioare (M1 și M2).🎮 Suport pentru accelerarea grafică GPU:
• Un pas esențial îl constituie integrarea driverului grafic Mesa/AGX, oferind accelerare hardware 3D și suport pentru OpenGL/Vulkan pe procesorul grafic al cipului M3, permițând redarea fluidă a interfeței și a aplicațiilor grafice.🔋 Gestionarea energiei și a perifericelor:
• S-au făcut optimizări importante pentru managementul consumului de energie (Power Management), controlul tastaturii, trackpad-ului, afișajului, difuzoarelor interne și conexiunilor Wi-Fi/Bluetooth pe modelele MacBook Air și MacBook Pro M3.🐧 Experiență nativă pe sistemul Fedora Asahi Remix:
• Suportul pentru M3 va fi integrat direct în distribuția oficială Fedora Asahi Remix, permițând utilizatorilor o instalare simplă și o experiență desktop gata de utilizare out-of-the-box.📌 Concluzie:
Extinderea suportului Asahi Linux către seria M3 reconfirmă succesul comunității în ingineria inversă (reverse engineering) pe arhitectura Apple Silicon, oferind o alternativă viabilă de sistem de operare deschis pe cele mai recente laptopuri Apple! 🚀
#AsahiLinux #AppleM3 #Linux #AppleSilicon #FedoraAsahi #OpenSource #Linuxiac #TechNews #FOSS
-
heise+ | Reverse Engineering von Apple Silicon: Blick in die Black Box
Tüftler haben herausgefunden, wie man Apple-Silicon-Chips ohne Apple-Framework programmieren kann. Wir zeigen, wie Sie ANE, GPU & CPU an der API vorbei nutzen.
#Apple #AppleSilicon #ARM #IT #Mac #macOS #Mobiles #Prozessoren #news