Новый macOS: 7 системных изменений, которые должен знать AI-разработчик

Многие неправильно понимают «новый macOS»

I. macOS 27 vs 26.x: AI-отличия в одной таблице

На keynote WWDC26 Apple представила macOS 27 вместе с iOS 27 и visionOS 3 на базе «Apple Intelligence 2.0». Для AI-разработчиков важны такие системные изменения:

Фраза из сессии «What's new in Core AI»: "We're not adding another ML framework — we're making the OS aware of model lifecycles." Перевод: дело не в «ещё одном Python-пакете», а в том, что ОС понимает полный жизненный цикл модели — загрузка, inference, выгрузка.

II. Core AI: системный фреймворк локальных LLM

Core AI вышел вместе с Xcode 27 и macOS 27 на WWDC26 (см. Xcode 27 §7.2). Три принципиальных отличия от Ollama в терминале:

2.1 Глубокая связь с unified memory

Core AI идёт по пути Metal + ANE; веса могут memory-mapиться в GPU-видимую область без типичной «двойной копии» user-space фреймворков. На Mac Mini M4 16 ГБ тот же Llama 3.1-8B Q4:

Цифры плавают от термики и фона, но тренд стабилен: системный путь устойчивее при multitasking. Про unified memory: Unified memory и LLM-inference.

2.2 Как подключиться

Swift / Objective-C — одна API; Python и CLI в beta через coreai-cli (ожидается в Xcode Command Line Tools в финале):

# Загрузить локальный GGUF и сделать completion (пример CLI beta)
coreai-cli run \
  --model ~/Models/Mistral-7B-Q4.gguf \
  --prompt "Написать потокобезопасный кэш на Swift" \
  --max-tokens 256 \
  --priority background  # Сосуществование с IDE на переднем плане

--priority foreground

Эксклюзивный приоритет — интерактивный Copilot; сжимает Ollama в фоне.

--priority background

Ночной batch, сводки CI; сборка Xcode в приоритете.

--priority batch

Минимальный приоритет — построение embedding-индексов.

III. Foundation Models: от in-app к системному сервису

Год назад Foundation Models — «вызвать модель Apple в своём приложении»; в macOS 27 это системный сервис уровня Spotlight, Shortcuts и поиска:

• Системное резюме и перефразирование: выделенный текст в любой app → ⌃ + ⌘ + I (нужно 16 ГБ+).
• Действие Shortcuts «Run Model»: классификация и структурированное извлечение в автоматизациях — без своего HTTP-сервера.
• Private Cloud Compute 2.0: задачи, не помещающиеся on-device → PCC, тот же Swift API.
• Custom Skills: доменные навыки на системной модели (аналог MCP tool) — внутреннее распространение в компании.

Для разработчиков приложений: Foundation Models + Core AI — путь App Store. Для инструментовщиков: «Git diff → локальный code review → Slack» в Shortcuts проще, чем Python cron.

IV. AI Memory Scheduler (AMS) и unified memory

AMS — самое недооценённое и самое заметное в ежедневной работе изменение macOS 27.

4.1 Какую проблему решает?

На macOS 26 типичный сценарий: Xcode 27 Agent запускает xcodebuild test, параллельно Ollama на 14B → unified memory забита → swap на NVMe → машина встаёт. AMS вводит memory tags и вытесняющее освобождение:

1. Runtime inference регистрирует ожидаемый пик и метки «можно деградировать»;
2. При запросе большого блока под сборку система сжимает KV cache или выгружает веса с тегом background;
3. После сборки — восстановление по LRU, без ручного ollama stop.

4.2 Замер: длинная Agent-сессия

На M4 24 ГБ: «Claude Code ночью правит тесты + локальный 8B для embedding-индекса»:

V. Влияние на Ollama / MLX / llama.cpp

Не заменят за одну ночь — но рейтинг производительности перестроился.

Сравнение MLX vs Ollama: MLX vs Ollama; после macOS 27 добавьте в бенчмарки колонку Core AI, иначе переоцените старый стек.

VI. Agent и IDE-workflow

macOS 27 в связке с Xcode 27 Agent и Claude Code / Cursor — три слоя:

6.1 Системный слой (macOS 27)

• Длинные Agent-сессии без обрыва по памяти;
• coreai-cli и хуки Shortcuts для terminal Agent;
• Логи и crash reports с категорией AI-памяти — быстрее диагностика.

6.2 IDE-слой (Xcode 27 / Cursor)

• Xcode Agent зависит от SDK macOS 27 (Device Hub, превью Core AI);
• Cursor и сторонние IDE в основном на cloud API; локальное дополнение — через плагин Core AI (community beta).

6.3 Runtime-слой (локальный / cloud Mac)

Terminal Agent 7×24 без сна — после обновления перезапустите:

# Запрет сна + постоянный tmux (перезапустить после upgrade)
sudo pmset -a sleep 0 disksleep 0 displaysleep 10
tmux new -s agent -d 'claude  # или codex / свой Agent'

macOS 27 по умолчанию снижает приоритет background-inference через 30 мин без взаимодействия; на «серверных» cloud Mac отключите «Адаптивное AI-планирование» в Энергосбережении.

VII. Аппаратные пороги и рекомендации по миграции

Системные требования и AI-возможности — два уровня:

7B vs 14B в быту: Реальный опыт 7B и 14B; AMS в macOS 27 расширяет окно для 14B на 16 ГБ — «можно» вместо «комфортно».

TL;DR: 7 системных изменений кратко

VIII. Таблица решений по ролям

Частые вопросы

Какие реальные изменения для локальных LLM?

macOS 27 приносит Core AI и AI Memory Scheduler: единая оркестрация GPU, Neural Engine и unified memory. Официальный API даёт ~12–18 % выше throughput, чем чистый Ollama, и меньше просадки параллельно с Xcode.

Нужно ли обновляться срочно?

Команды на Xcode 27 Agent или Core AI — проверять beta как можно скорее. Cloud API workflow — оставаться на macOS 26.x. CI prod — через 4–6 недель после релиза.

Ollama ещё работает?

Да. Ollama 0.7+ поддерживает AMS; неадаптированные версии деградируют первыми при нехватке памяти. Enterprise in-app — Foundation Models + Core AI.

Имеет ли смысл Mac на 8 ГБ?

Систему поставить можно, полный on-device AI — от 16 ГБ. 8 ГБ = лёгкая разработка + облако, не длинные локальные Agent.

Обновлять ли cloud Mac?

Да для Core AI-тестов или цепочки Xcode 27; нет для узлов только Ollama 7B + скрипты. Beta не держите в prod.

Читать далее

• WWDC26: разбор Xcode 27 Agent →
• Unified memory и LLM-inference на Apple Silicon →
• Локальные LLM на Mac Mini M4 — тесты →
• Аренда Mac под AI Agent →