iPhone 17 Pro Max亲测：AI模型如何实现十年前"越狱"快感

「我居然成功在国行iPhone上跑通了AI模型！」

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

「然后呢？」

「然后就没怎么用过了。」

iPhone 17 Pro Max发布都一个月了，国行Apple Intelligence依然遥遥无期。等不及的网友们决定自己动手，丰衣足食。

一时间，在iPhone上部署端侧AI模型，俨然成了互联网的新显学。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。但当兴奋劲过去，一个扎心的事实浮现出来：这玩意儿好玩归好玩，但不太实用。

能用和好用，完全是两回事

在iPhone上体验端侧模型，门槛其实不算高。

打开App Store，搜索PocketPal AI，下载安装。如果不习惯英文界面，可以在设置里找到语言选项，切换成中文。

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。

但能下载，不代表能运行。

当你看到「内存警告」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，模型名称后的数字指的是参数量，B代表「十亿」。

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，基本上就无法运行了。

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，主要揭秘大家都在用ChatGPT干什么，其中主要包括实用指导、信息搜索和写作等事项。

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。

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。

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。

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。

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室时的礼仪习俗，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。其中8B模型更是废话连篇。

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。毕竟它们都停留在训练时的数据，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。云端模型可以通过互联网检索、实时更新知识库，而端侧模型只能依赖「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」，必须要经过「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的凑字数选手，回答更像是把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，难以称得上是生产力工具。

另外，虽说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，这模型还挺「入戏」的，表达的话感、节奏和人格气质，变得更贴近我的预期。

附上系统提示词：

上下滑动查看更多内容

但说实在话，对绝大多数用户来说，这更像是好玩的彩蛋，而不是刚需功能。一言以蔽之，我并太不建议你去折腾这种部署端侧模型的方法。

回想起2008到2012年，那是iPhone用户「越狱」的狂热时代。无数人顶着手变砖的风险，就为了安装几个苹果不允许的插件，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时，越狱的风险却越来越高，带来的边际收益也越来越小。时至今日，还有多少人会为了一个App Store里没有的应用越狱？

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。

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，而真正能带来改变的，依旧是把复杂留给厂商的专业方案。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性解决方案。

*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新姿势

我们正在招募伙伴

简历投递邮箱hr@ifanr.com

✉️ 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）