home.social

#applesilicon — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #applesilicon, aggregated by home.social.

  1. Apple apre le sottomissioni all'App Store per le nuove release. Un cambiamento chiave riguarda #macOS 27, che sarà compatibile solo con #Applesilicon, eliminando il supporto per Intel e Rosetta. Gli sviluppatori possono già testare le app con Xcode 27. #Developer #Apple
    developer.apple.com/news/?id=k

  2. Apple apre le sottomissioni all'App Store per le nuove release. Un cambiamento chiave riguarda #macOS 27, che sarà compatibile solo con #Applesilicon, eliminando il supporto per Intel e Rosetta. Gli sviluppatori possono già testare le app con Xcode 27. #Developer #Apple
    developer.apple.com/news/?id=k

  3. Apple apre le sottomissioni all'App Store per le nuove release. Un cambiamento chiave riguarda #macOS 27, che sarà compatibile solo con #Applesilicon, eliminando il supporto per Intel e Rosetta. Gli sviluppatori possono già testare le app con Xcode 27. #Developer #Apple
    developer.apple.com/news/?id=k

  4. Apple apre le sottomissioni all'App Store per le nuove release. Un cambiamento chiave riguarda #macOS 27, che sarà compatibile solo con #Applesilicon, eliminando il supporto per Intel e Rosetta. Gli sviluppatori possono già testare le app con Xcode 27. #Developer #Apple
    developer.apple.com/news/?id=k

  5. Apple apre le sottomissioni all'App Store per le nuove release. Un cambiamento chiave riguarda #macOS 27, che sarà compatibile solo con #Applesilicon, eliminando il supporto per Intel e Rosetta. Gli sviluppatori possono già testare le app con Xcode 27. #Developer #Apple
    developer.apple.com/news/?id=k

  6. Tipp: macOS-Warnungen vor nicht mehr unterstützten Apps verstehen

    Intel-Anwendungen werden unter macOS auf längere Sicht nicht mehr lauffähig sein. Was ist dabei zu beachten und wie schnell kommt der „Cut“ wirklich?

    heise.de/ratgeber/Tipp-macOS-W

    #AppleSilicon #Apps #Intel #IT #Mac #Mobiles #Rosetta #news

  7. Tipp: macOS-Warnungen vor nicht mehr unterstützten Apps verstehen

    Intel-Anwendungen werden unter macOS auf längere Sicht nicht mehr lauffähig sein. Was ist dabei zu beachten und wie schnell kommt der „Cut“ wirklich?

    heise.de/ratgeber/Tipp-macOS-W

    #AppleSilicon #Apps #Intel #IT #Mac #Mobiles #Rosetta #news

  8. Tipp: macOS-Warnungen vor nicht mehr unterstützten Apps verstehen

    Intel-Anwendungen werden unter macOS auf längere Sicht nicht mehr lauffähig sein. Was ist dabei zu beachten und wie schnell kommt der „Cut“ wirklich?

    heise.de/ratgeber/Tipp-macOS-W

    #AppleSilicon #Apps #Intel #IT #Mac #Mobiles #Rosetta #news

  9. Tipp: macOS-Warnungen vor nicht mehr unterstützten Apps verstehen

    Intel-Anwendungen werden unter macOS auf längere Sicht nicht mehr lauffähig sein. Was ist dabei zu beachten und wie schnell kommt der „Cut“ wirklich?

    heise.de/ratgeber/Tipp-macOS-W

    #AppleSilicon #Apps #Intel #IT #Mac #Mobiles #Rosetta #news

  10. Tipp: macOS-Warnungen vor nicht mehr unterstützten Apps verstehen

    Intel-Anwendungen werden unter macOS auf längere Sicht nicht mehr lauffähig sein. Was ist dabei zu beachten und wie schnell kommt der „Cut“ wirklich?

    heise.de/ratgeber/Tipp-macOS-W

    #AppleSilicon #Apps #Intel #IT #Mac #Mobiles #Rosetta #news

  11. Alyssa Rosenzweig cómo se descifra una GPU sin ayuda del fabricante.

    Sin documentación oficial, sin manuales, sin acceso privilegiado. Solo ingeniería inversa y código abierto.

    En @AsahiLinux lograron:

    * Aceleración gráfica en Linux sobre Apple Silicon.

    * Compatibilidad con OpenGL y Vulkan.

    * Rendimiento que supera al controlador nativo de Apple.

    Qué rápido sería el desarrollo tech si el hardware fuera abierto.

    #AsahiLinux #AppleSilicon #SoftwareLibre #OpenSource #Linux #IngenieríaInversa

  12. Alyssa Rosenzweig cómo se descifra una GPU sin ayuda del fabricante.

    Sin documentación oficial, sin manuales, sin acceso privilegiado. Solo ingeniería inversa y código abierto.

    En @AsahiLinux lograron:

    * Aceleración gráfica en Linux sobre Apple Silicon.

    * Compatibilidad con OpenGL y Vulkan.

    * Rendimiento que supera al controlador nativo de Apple.

    Qué rápido sería el desarrollo tech si el hardware fuera abierto.

    #AsahiLinux #AppleSilicon #SoftwareLibre #OpenSource #Linux #IngenieríaInversa

  13. Alyssa Rosenzweig cómo se descifra una GPU sin ayuda del fabricante.

    Sin documentación oficial, sin manuales, sin acceso privilegiado. Solo ingeniería inversa y código abierto.

    En @AsahiLinux lograron:

    * Aceleración gráfica en Linux sobre Apple Silicon.

    * Compatibilidad con OpenGL y Vulkan.

    * Rendimiento que supera al controlador nativo de Apple.

    Qué rápido sería el desarrollo tech si el hardware fuera abierto.

    #AsahiLinux #AppleSilicon #SoftwareLibre #OpenSource #Linux #IngenieríaInversa

  14. Alyssa Rosenzweig cómo se descifra una GPU sin ayuda del fabricante.

    Sin documentación oficial, sin manuales, sin acceso privilegiado. Solo ingeniería inversa y código abierto.

    En @AsahiLinux lograron:

    * Aceleración gráfica en Linux sobre Apple Silicon.

    * Compatibilidad con OpenGL y Vulkan.

    * Rendimiento que supera al controlador nativo de Apple.

    Qué rápido sería el desarrollo tech si el hardware fuera abierto.

    #AsahiLinux #AppleSilicon #SoftwareLibre #OpenSource #Linux #IngenieríaInversa

  15. Alyssa Rosenzweig cómo se descifra una GPU sin ayuda del fabricante.

    Sin documentación oficial, sin manuales, sin acceso privilegiado. Solo ingeniería inversa y código abierto.

    En @AsahiLinux lograron:

    * Aceleración gráfica en Linux sobre Apple Silicon.

    * Compatibilidad con OpenGL y Vulkan.

    * Rendimiento que supera al controlador nativo de Apple.

    Qué rápido sería el desarrollo tech si el hardware fuera abierto.

    #AsahiLinux #AppleSilicon #SoftwareLibre #OpenSource #Linux #IngenieríaInversa

  16. 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

  17. 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

  18. 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

  19. 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 projektu

    Model 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

  20. 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.

    #LocalLLM #LLM #AI #MLX #GGUF #AppleSilicon #SelfHosted

  21. Lilbits: Asahi Linux release fix for booting Linux on macOS 27, Surface Go is going away, and Sony announces plans to stop making PlayStation game discs

    When Apple was shipping computers with Intel processors, there were plenty of ways to install Linux on a Mac. But things got a lot trickier when the company began to switch to its own Arm-based processors around six years ago. The folks at the Asahi Linux team have been doing their best to keep up though, offering builds of a Fedora-based GNU/Linux distro that can be installed on (some) Macs […]

    #ai #appleSilicon #asahi #asahiLinux #digitalDistribution #discs #handset #lilbits #linux #macos #macos27 #microsoft #physicalMedia #playstation5 #sony #spacex #surfaceGo #surfaceLaptopGo Read more: liliputing.com/lilbits-asahi-l
  22. Windows laptops in 2026 are a great upsell for a #MacBook.

    youtube.com/watch?v=B3hNCC_YPCE

    The exception is a #GamingLaptop. If you want to play games, you're better with a #MacBookAir and a #PlayStation5.

    I'm all in with #JustJosh, the era of computer builders is ending, the era of vertical integration is here. Look Apple.

    #Technology #JustTech #Apple #MacBookAir #MacBookPro #Microsoft #Windows11 #MicrosoftWindows #Laptop #Laptops #AppleSilicon #RAM #AI #Hardware #PCHardware #PCGaming #PCGames

  23. Apple i problemy z pamięcią – niedobory RAM-u uderzają w Maki

    Te dwie pozornie oddzielne historie łączy jeden wspólny mianownik: uzależnienie Apple od zewnętrznych dostawców kluczowych komponentów i konsekwencje, jakie to uzależnienie przynosi — zarówno dziś, jak i w przyszłości.

    Kolejne cięcia w ofercie

    Zacznijmy od tego, co dzieje się teraz. Apple usunęło kolejne konfiguracje Mac mini i Mac Studio ze swojego sklepu internetowego z powodu nasilających się globalnych niedoborów pamięci. Mac mini M4 nie jest już dostępny z 32 GB ani 64 GB RAM-u — standardowy model można kupić wyłącznie z 16 GB lub 24 GB, a wersja z procesorem M4 Pro maksymalnie oferuje teraz 48 GB. Mac Studio M3 Ultra dostępny jest już tylko w konfiguracji 96 GB, a czas oczekiwania na modele M3 i M4 Max wynosi od 9 do 10 tygodni. Tydzień wcześniej Apple podniosło de facto cenę Mac mini, usuwając najtańszą konfigurację z dyskiem 256 GB — minimalna opcja to teraz 512 GB, co oznacza wzrost ceny wejścia. W Polsce najtańszy Mac mini kosztuje aktualnie 3 999 zł.

    Powód jest prozaiczny, choć skutki dla portfela niespecjalnie. Globalny popyt na pamięć ze strony firm budujących serwery AI dosłownie wyczerpał dostępne zasoby na rynku, windując ceny i ograniczając podaż. Tim Cook przyznał wprost, że Apple nie przewidziało tak dużego zainteresowania Mac mini i Mac Studio jako maszyn do lokalnego uruchamiania narzędzi AI i agentycznych. Apple spodziewa się też znacząco wyższych kosztów pamięci w nadchodzących miesiącach.

    Apple rozmawia z Samsungiem i Intelem

    To prowadzi nas do drugiego, bardziej długofalowego tematu. Bloomberg poinformował, że Apple prowadzi rozmowy zarówno z Intelem, jak i Samsungiem w sprawie przyszłej produkcji procesorów — w celu zmniejszenia uzależnienia od tajwańskiego TSMC jako jedynego dostawcy układów z serii A i M. Motywacja jest oczywista: Apple od zawsze preferuje posiadanie co najmniej dwóch konkurujących ze sobą dostawców kluczowych komponentów — zarówno dla negocjowania lepszych cen, jak i zabezpieczenia łańcucha dostaw. A Tajwan, pod stałą presją ze strony Chin, to ryzyko, którego nie można ignorować.

    Problem w tym, że dywersyfikacja chipów to nie to samo co dywersyfikacja dostawców pamięci. TSMC przez lata tak bardzo wyprzedziło Samsunga i Intela, że dziś tylko tajwański producent jest w stanie wytwarzać najbardziej zaawansowane układy dla flagowych iPhone’ów i Maków. Nawet jeśli Intel czy Samsung poczynią postępy, najpewniej będą w stanie obsługiwać jedynie starsze procesy produkcyjne — dla urządzeń z niższych segmentów.

    Jest jednak jeden scenariusz, który powinien niepokoić użytkowników Apple. Gdyby Intel lub Samsung faktycznie dogonili TSMC, pojawiłoby się ryzyko różnic jakościowych między pozornie identycznymi chipami od różnych producentów. Analogia z rynku Androida jest wymowna: różnice między wersjami Snapdragona 8 wyprodukowanymi przez Samsunga i TSMC były na tyle znaczące, że wariant tajwański otrzymał osobne oznaczenie — Snapdragon 8 Plus. W najgorszym scenariuszu kupujący iPhone’a lub Maka mogliby stanąć przed koniecznością sprawdzania, który producent wykonał chip w konkretnym egzemplarzu. To byłoby coś absolutnie obcego dotychczasowej filozofii Apple.

    Oba problemy — dziś z pamięcią, jutro potencjalnie z chipami — sprowadzają się do tej samej lekcji: im bardziej Apple jest uzależnione od jednego ogniwa w łańcuchu dostaw, tym bardziej odczuwamy to my, jako klienci.

    Mac mini drożeje, a Mac Studio trudno dostać. AI zjadło podaż

    #Apple2026 #AppleAI #ApplełańcuchDostaw #AppleSilicon #IntelAppleChip #MacMiniCena #MacMiniRAM #MacStudioDostępność #MacStudioRAM #niedobórPamięci #SamsungAppleChip #TSMC
  24. Apple i problemy z pamięcią – niedobory RAM-u uderzają w Maki

    Te dwie pozornie oddzielne historie łączy jeden wspólny mianownik: uzależnienie Apple od zewnętrznych dostawców kluczowych komponentów i konsekwencje, jakie to uzależnienie przynosi — zarówno dziś, jak i w przyszłości.

    Kolejne cięcia w ofercie

    Zacznijmy od tego, co dzieje się teraz. Apple usunęło kolejne konfiguracje Mac mini i Mac Studio ze swojego sklepu internetowego z powodu nasilających się globalnych niedoborów pamięci. Mac mini M4 nie jest już dostępny z 32 GB ani 64 GB RAM-u — standardowy model można kupić wyłącznie z 16 GB lub 24 GB, a wersja z procesorem M4 Pro maksymalnie oferuje teraz 48 GB. Mac Studio M3 Ultra dostępny jest już tylko w konfiguracji 96 GB, a czas oczekiwania na modele M3 i M4 Max wynosi od 9 do 10 tygodni. Tydzień wcześniej Apple podniosło de facto cenę Mac mini, usuwając najtańszą konfigurację z dyskiem 256 GB — minimalna opcja to teraz 512 GB, co oznacza wzrost ceny wejścia. W Polsce najtańszy Mac mini kosztuje aktualnie 3 999 zł.

    Powód jest prozaiczny, choć skutki dla portfela niespecjalnie. Globalny popyt na pamięć ze strony firm budujących serwery AI dosłownie wyczerpał dostępne zasoby na rynku, windując ceny i ograniczając podaż. Tim Cook przyznał wprost, że Apple nie przewidziało tak dużego zainteresowania Mac mini i Mac Studio jako maszyn do lokalnego uruchamiania narzędzi AI i agentycznych. Apple spodziewa się też znacząco wyższych kosztów pamięci w nadchodzących miesiącach.

    Apple rozmawia z Samsungiem i Intelem

    To prowadzi nas do drugiego, bardziej długofalowego tematu. Bloomberg poinformował, że Apple prowadzi rozmowy zarówno z Intelem, jak i Samsungiem w sprawie przyszłej produkcji procesorów — w celu zmniejszenia uzależnienia od tajwańskiego TSMC jako jedynego dostawcy układów z serii A i M. Motywacja jest oczywista: Apple od zawsze preferuje posiadanie co najmniej dwóch konkurujących ze sobą dostawców kluczowych komponentów — zarówno dla negocjowania lepszych cen, jak i zabezpieczenia łańcucha dostaw. A Tajwan, pod stałą presją ze strony Chin, to ryzyko, którego nie można ignorować.

    Problem w tym, że dywersyfikacja chipów to nie to samo co dywersyfikacja dostawców pamięci. TSMC przez lata tak bardzo wyprzedziło Samsunga i Intela, że dziś tylko tajwański producent jest w stanie wytwarzać najbardziej zaawansowane układy dla flagowych iPhone’ów i Maków. Nawet jeśli Intel czy Samsung poczynią postępy, najpewniej będą w stanie obsługiwać jedynie starsze procesy produkcyjne — dla urządzeń z niższych segmentów.

    Jest jednak jeden scenariusz, który powinien niepokoić użytkowników Apple. Gdyby Intel lub Samsung faktycznie dogonili TSMC, pojawiłoby się ryzyko różnic jakościowych między pozornie identycznymi chipami od różnych producentów. Analogia z rynku Androida jest wymowna: różnice między wersjami Snapdragona 8 wyprodukowanymi przez Samsunga i TSMC były na tyle znaczące, że wariant tajwański otrzymał osobne oznaczenie — Snapdragon 8 Plus. W najgorszym scenariuszu kupujący iPhone’a lub Maka mogliby stanąć przed koniecznością sprawdzania, który producent wykonał chip w konkretnym egzemplarzu. To byłoby coś absolutnie obcego dotychczasowej filozofii Apple.

    Oba problemy — dziś z pamięcią, jutro potencjalnie z chipami — sprowadzają się do tej samej lekcji: im bardziej Apple jest uzależnione od jednego ogniwa w łańcuchu dostaw, tym bardziej odczuwamy to my, jako klienci.

    Mac mini drożeje, a Mac Studio trudno dostać. AI zjadło podaż

    #Apple2026 #AppleAI #ApplełańcuchDostaw #AppleSilicon #IntelAppleChip #MacMiniCena #MacMiniRAM #MacStudioDostępność #MacStudioRAM #niedobórPamięci #SamsungAppleChip #TSMC
  25. Apple i problemy z pamięcią – niedobory RAM-u uderzają w Maki

    Te dwie pozornie oddzielne historie łączy jeden wspólny mianownik: uzależnienie Apple od zewnętrznych dostawców kluczowych komponentów i konsekwencje, jakie to uzależnienie przynosi — zarówno dziś, jak i w przyszłości.

    Kolejne cięcia w ofercie

    Zacznijmy od tego, co dzieje się teraz. Apple usunęło kolejne konfiguracje Mac mini i Mac Studio ze swojego sklepu internetowego z powodu nasilających się globalnych niedoborów pamięci. Mac mini M4 nie jest już dostępny z 32 GB ani 64 GB RAM-u — standardowy model można kupić wyłącznie z 16 GB lub 24 GB, a wersja z procesorem M4 Pro maksymalnie oferuje teraz 48 GB. Mac Studio M3 Ultra dostępny jest już tylko w konfiguracji 96 GB, a czas oczekiwania na modele M3 i M4 Max wynosi od 9 do 10 tygodni. Tydzień wcześniej Apple podniosło de facto cenę Mac mini, usuwając najtańszą konfigurację z dyskiem 256 GB — minimalna opcja to teraz 512 GB, co oznacza wzrost ceny wejścia. W Polsce najtańszy Mac mini kosztuje aktualnie 3 999 zł.

    Powód jest prozaiczny, choć skutki dla portfela niespecjalnie. Globalny popyt na pamięć ze strony firm budujących serwery AI dosłownie wyczerpał dostępne zasoby na rynku, windując ceny i ograniczając podaż. Tim Cook przyznał wprost, że Apple nie przewidziało tak dużego zainteresowania Mac mini i Mac Studio jako maszyn do lokalnego uruchamiania narzędzi AI i agentycznych. Apple spodziewa się też znacząco wyższych kosztów pamięci w nadchodzących miesiącach.

    Apple rozmawia z Samsungiem i Intelem

    To prowadzi nas do drugiego, bardziej długofalowego tematu. Bloomberg poinformował, że Apple prowadzi rozmowy zarówno z Intelem, jak i Samsungiem w sprawie przyszłej produkcji procesorów — w celu zmniejszenia uzależnienia od tajwańskiego TSMC jako jedynego dostawcy układów z serii A i M. Motywacja jest oczywista: Apple od zawsze preferuje posiadanie co najmniej dwóch konkurujących ze sobą dostawców kluczowych komponentów — zarówno dla negocjowania lepszych cen, jak i zabezpieczenia łańcucha dostaw. A Tajwan, pod stałą presją ze strony Chin, to ryzyko, którego nie można ignorować.

    Problem w tym, że dywersyfikacja chipów to nie to samo co dywersyfikacja dostawców pamięci. TSMC przez lata tak bardzo wyprzedziło Samsunga i Intela, że dziś tylko tajwański producent jest w stanie wytwarzać najbardziej zaawansowane układy dla flagowych iPhone’ów i Maków. Nawet jeśli Intel czy Samsung poczynią postępy, najpewniej będą w stanie obsługiwać jedynie starsze procesy produkcyjne — dla urządzeń z niższych segmentów.

    Jest jednak jeden scenariusz, który powinien niepokoić użytkowników Apple. Gdyby Intel lub Samsung faktycznie dogonili TSMC, pojawiłoby się ryzyko różnic jakościowych między pozornie identycznymi chipami od różnych producentów. Analogia z rynku Androida jest wymowna: różnice między wersjami Snapdragona 8 wyprodukowanymi przez Samsunga i TSMC były na tyle znaczące, że wariant tajwański otrzymał osobne oznaczenie — Snapdragon 8 Plus. W najgorszym scenariuszu kupujący iPhone’a lub Maka mogliby stanąć przed koniecznością sprawdzania, który producent wykonał chip w konkretnym egzemplarzu. To byłoby coś absolutnie obcego dotychczasowej filozofii Apple.

    Oba problemy — dziś z pamięcią, jutro potencjalnie z chipami — sprowadzają się do tej samej lekcji: im bardziej Apple jest uzależnione od jednego ogniwa w łańcuchu dostaw, tym bardziej odczuwamy to my, jako klienci.

    Mac mini drożeje, a Mac Studio trudno dostać. AI zjadło podaż

    #Apple2026 #AppleAI #ApplełańcuchDostaw #AppleSilicon #IntelAppleChip #MacMiniCena #MacMiniRAM #MacStudioDostępność #MacStudioRAM #niedobórPamięci #SamsungAppleChip #TSMC
  26. Apple i problemy z pamięcią – niedobory RAM-u uderzają w Maki

    Te dwie pozornie oddzielne historie łączy jeden wspólny mianownik: uzależnienie Apple od zewnętrznych dostawców kluczowych komponentów i konsekwencje, jakie to uzależnienie przynosi — zarówno dziś, jak i w przyszłości.

    Kolejne cięcia w ofercie

    Zacznijmy od tego, co dzieje się teraz. Apple usunęło kolejne konfiguracje Mac mini i Mac Studio ze swojego sklepu internetowego z powodu nasilających się globalnych niedoborów pamięci. Mac mini M4 nie jest już dostępny z 32 GB ani 64 GB RAM-u — standardowy model można kupić wyłącznie z 16 GB lub 24 GB, a wersja z procesorem M4 Pro maksymalnie oferuje teraz 48 GB. Mac Studio M3 Ultra dostępny jest już tylko w konfiguracji 96 GB, a czas oczekiwania na modele M3 i M4 Max wynosi od 9 do 10 tygodni. Tydzień wcześniej Apple podniosło de facto cenę Mac mini, usuwając najtańszą konfigurację z dyskiem 256 GB — minimalna opcja to teraz 512 GB, co oznacza wzrost ceny wejścia. W Polsce najtańszy Mac mini kosztuje aktualnie 3 999 zł.

    Powód jest prozaiczny, choć skutki dla portfela niespecjalnie. Globalny popyt na pamięć ze strony firm budujących serwery AI dosłownie wyczerpał dostępne zasoby na rynku, windując ceny i ograniczając podaż. Tim Cook przyznał wprost, że Apple nie przewidziało tak dużego zainteresowania Mac mini i Mac Studio jako maszyn do lokalnego uruchamiania narzędzi AI i agentycznych. Apple spodziewa się też znacząco wyższych kosztów pamięci w nadchodzących miesiącach.

    Apple rozmawia z Samsungiem i Intelem

    To prowadzi nas do drugiego, bardziej długofalowego tematu. Bloomberg poinformował, że Apple prowadzi rozmowy zarówno z Intelem, jak i Samsungiem w sprawie przyszłej produkcji procesorów — w celu zmniejszenia uzależnienia od tajwańskiego TSMC jako jedynego dostawcy układów z serii A i M. Motywacja jest oczywista: Apple od zawsze preferuje posiadanie co najmniej dwóch konkurujących ze sobą dostawców kluczowych komponentów — zarówno dla negocjowania lepszych cen, jak i zabezpieczenia łańcucha dostaw. A Tajwan, pod stałą presją ze strony Chin, to ryzyko, którego nie można ignorować.

    Problem w tym, że dywersyfikacja chipów to nie to samo co dywersyfikacja dostawców pamięci. TSMC przez lata tak bardzo wyprzedziło Samsunga i Intela, że dziś tylko tajwański producent jest w stanie wytwarzać najbardziej zaawansowane układy dla flagowych iPhone’ów i Maków. Nawet jeśli Intel czy Samsung poczynią postępy, najpewniej będą w stanie obsługiwać jedynie starsze procesy produkcyjne — dla urządzeń z niższych segmentów.

    Jest jednak jeden scenariusz, który powinien niepokoić użytkowników Apple. Gdyby Intel lub Samsung faktycznie dogonili TSMC, pojawiłoby się ryzyko różnic jakościowych między pozornie identycznymi chipami od różnych producentów. Analogia z rynku Androida jest wymowna: różnice między wersjami Snapdragona 8 wyprodukowanymi przez Samsunga i TSMC były na tyle znaczące, że wariant tajwański otrzymał osobne oznaczenie — Snapdragon 8 Plus. W najgorszym scenariuszu kupujący iPhone’a lub Maka mogliby stanąć przed koniecznością sprawdzania, który producent wykonał chip w konkretnym egzemplarzu. To byłoby coś absolutnie obcego dotychczasowej filozofii Apple.

    Oba problemy — dziś z pamięcią, jutro potencjalnie z chipami — sprowadzają się do tej samej lekcji: im bardziej Apple jest uzależnione od jednego ogniwa w łańcuchu dostaw, tym bardziej odczuwamy to my, jako klienci.

    Mac mini drożeje, a Mac Studio trudno dostać. AI zjadło podaż

    #Apple2026 #AppleAI #ApplełańcuchDostaw #AppleSilicon #IntelAppleChip #MacMiniCena #MacMiniRAM #MacStudioDostępność #MacStudioRAM #niedobórPamięci #SamsungAppleChip #TSMC
  27. #Fedora #Asahi Remix 43 Released For #AppleSilicon #Macs
    #FedoraAsahiRemix 43 brings #Fedora43 to #Apple Silicon devices, which at the moment given the #Linux / #AsahiLinux level of support means older M1 and M2 Macs and MacBooks.
    #FedoraAsahiRemix43 brings in all notable changes of Fedora 43 itself. New version also comes support for the Mac Pro, microphone support now working for M2 Pro and M2 Max MacBooks, and 120Hz refresh rate support for the MacBook Pro 14 and 16.
    phoronix.com/news/Fedora-Asahi

  28. Incroyable, ScanSnap Home tourne enfin nativement sur les Mac Apple Silicon dlvr.it/TRHd12 #AppleSilicon #ScanSnap

  29. Video: M6-MacBook Pro mit OLED und Touchscreen: Was Apple 2026 planen könnte
    Apple arbeitet offenbar bereits an einem neuen MacBook Pro mit M6-Prozessor, Touchscreen und OLED-Display. Erste Gerüchte deuten auf einen Release ab Herbst 2026 hin.

    apfeltalk.de/magazin/news/vide
    #Mac #News #Apple #AppleSilicon #AppleZukunft #Gertedesign #KIBeschleuniger #M6 #MacBookPro #macOS #OLEDDisplay #Touchscreen #TSMC

  30. iPad Pro M5: Laut Bloomberg Release im Herbst
    Apple wird sein iPad Pro mit dem brandneuen M5-Chip noch dieses Jahr vorstellen. Mark Gurman von Bloomberg berichtet, dass das High-End-Tablet im Oktober 2025 erscheint – etwa 17 Monate nach dem Debüt des aktuellen M4-Modells.
    Was bietet das neue i
    apfeltalk.de/magazin/news/ipad
    #iPad #News #AppleSilicon #AppleTablets #Bloomberg #Herbst2025 #IPadPro #iPadUpdate #M5Chip #MarkGurman #TSMC3nm

  31. Apples neue Mac-Modelle: Kennziffern geben Ausblick auf kommende Generationen
    Apple steht regelmäßig im Fokus, wenn Gerüchte über neue Hardware-Kategorien zirkulieren. Ein aktueller Bericht verschafft Dir einen strukturierten Überblick
    apfeltalk.de/magazin/news/appl
    #Mac #News #Apple #AppleSilicon #iMac #M5Chip #M6Chip #Mac #MacMini #MacPro #MacStudio #MacBookAir #MacBookPro #NeueMacModelle #OLEDDisplay

  32. Apple plant MacBook Pro Redesign: Das erwartet uns 2026
    Gerüchte kursieren, dass Apple 2026 das MacBook Pro umgestalten wird. Dies markiert fünf Jahre seit der letzten bekannten Überarbeitung. Drei zentrale Neuerungen stehen im Fokus. In diesem Beitrag beleuchten wir die Details der kommenden Veränderun
    apfeltalk.de/magazin/news/appl
    #Mac #News #2026 #Apple #AppleSilicon #M6Chip #MacBookPro #OLEDDisplay #Redesign #Technologie

  33. Apple może wykorzystać model FastVLM do inteligentnych okularów z AI

    Apple intensywnie pracuje nad inteligentnymi okularami z AI, które mają konkurować z Meta Ray-Banami.

    Premiera spodziewana jest około 2027 roku, wraz z nowymi AirPodsami wyposażonymi w kamery i funkcje sztucznej inteligencji.

    Choć urządzenie pozostaje tajemnicą, Apple ujawniło, jak może wyglądać jego system AI. Kluczową rolę ma odegrać autorski framework MLX, stworzony specjalnie dla Apple Silicon. Pozwala on na lokalne trenowanie i uruchamianie modeli AI bez potrzeby łączenia się z chmurą.

    Apple właśnie zaprezentowało FastVLM – nowy wizualno-językowy model AI, który dzięki kodowaniu FastViTHD przetwarza obraz w wysokiej rozdzielczości z bardzo niskim opóźnieniem i mniejszym zużyciem mocy obliczeniowej.

    Jak pisze Apple:

    W oparciu o kompleksową analizę wydajności wzajemnych relacji między rozdzielczością obrazu, opóźnieniem wizji, liczbą tokenów i rozmiarem LLM, wprowadzamy FastVLM – model, który osiąga zoptymalizowany kompromis między opóźnieniem, rozmiarem modelu i dokładnością.

    FastVLM jest:

    • nawet 3,2x szybszy i 3,6x mniejszy od porównywalnych modeli,
    • zoptymalizowany pod kątem urządzeń mobilnych i wearables,
    • zdolny do generowania odpowiedzi 85 razy szybciej (czas do pierwszego tokenu),
    • zaprojektowany do lokalnego działania – kluczowe w urządzeniach jak inteligentne okulary.

    Model FastVLM dostępny jest na GitHubie, a jego dokumentacja naukowa na arXiv.

    Pierwsze wrażenia z Meta Ray-Ban Wayfarer – rób zdjęcia, wideo lub livestreamuj

    #AILokalnePrzetwarzanie #AppleAI #AppleAR2027 #AppleGlasses #AppleSilicon #AppleVsMetaRayBan #AppleWearablesAI #FastViTHD #FastVLM #inteligentneOkularyApple #MLXApple #modelJęzykowoWizualnyApple #okularyZAI