تحول در کتابخانه Swift Transformers

در 26 سپتامبر 2025، جامعه توسعه‌دهنده کتابخانه Swift Transformers نسخهٔ 1.0 خود را عرضه کرد. این بروزرسانی، دسترسی بر روی بستر Apple Silicon را به شکل قابل توجهی ساده‌تر کرد و امکان اجرای مدل‌های LLM محلی را بدون نیاز به سرویس‌های ابری فراهم آورد. نرم‌افزار اکنون به‌عنوان پلی میان زبان Swift و دسترسی به مدل‌های پیشرفته هوش مصنوعی ارائه می‌شود.

معرفی امکانات کلیدی و ساختار فنی جدید

Swift Transformers مجموعه‌ای از ابزارهای ضروری را در بر می‌گیرد که توسط Core ML یا MLX به تنهایی پوشش داده نمی‌شوند:

  • پشتیبانی از مدل‌های LLM محلی بر روی Apple Silicon، با سرعت و کارایی بالا.
  • یکپارچه‌سازی با MLX برای تسهیل توسعه، آموزش و انتقال مدل.
  • الگوی چت (chat templates) برای ساخت سریع واسط‌های گفتگوی تعاملی.
  • اسکال‌پذیری سرویس‌های محلی توسط Spaces و Buckets در حافظهٔ درون‌برنامه.
  • مستندسازی جامع و نمونه کدهای عملی که می‌توانند به‌سرعت رانندگی ویژگی‌های جدید را فراهم کنند.

این ساختار ترکیبی برای برنامه‌نویسانی که در حال ساخت اپلیکیشن‌های iOS، macOS و watchOS هستند، راهکارهای قدرتمندی عرضه می‌کند.

چرا این گام برای جامعه Apple مهم است؟

نقدکنندگان ادعا می‌کنند که امنیت و حریم خصوصی کاربران در نسل جدید اپلیکیشن‌های هوشمند از اهمیت بالاتری برخوردار است. با داشتن LLM محلی امکان پردازش متنی در دستگاه را ارائه می‌دهد، در نتیجه داده‌های حساس نیازی به ارسال به سرورهای خارجی ندارند. همچنین، این کتابخانه باعث می‌شود که توسعه‌دهندگان به سرعت به روزترین مدل‌های هوش مصنوعی دست یابند و در مقابل رقابت‌های تکنولوژیک باقی بمانند.

پیشنهادات به‌روزرسانی: تمرکز بر MLX و Agentic Use Cases

نسخهٔ جدید، معادل یک «پروژه بسیاری» است؛ توسعه در فازهای بعدی بر روی تقویت فرایندهای مهندس‌سازی مدل و ایجاد سناریوهای اجنسی تمرکز خواهد کرد. این به دنبال ترکیب بالا بهینه کردن مدل‌های ترکیبی (hybrid models) و ایجاد سیستم‌های خودکار جهت برطرف کردن نیازهای پیچیدهٔ تجاری می‌باشد. سازمان‌های بزرگ و افرادی که به دنبال رِول‑آوت‌های برقراری رابط کاربری بدون سرور هستند، می‌توانند این کتابخانه را فوراً به‌کار بگیرند.

چگونه می‌توانید به جامعه کمک کنید؟

فهرست مفید بالا، مسیر واضحی برای توسعهٔ عمیق‌تر از Swift Transformers ارائه می‌دهد؛ کاربران می‌توانند در GitHub مشارکت کنند، اشکالات را گزارش کنند و یا در مستندات راهنما و بیس‌های نمونه مشارکت نمایند. تولید هر دو منظور تحت مجوز MIT می‌باشد و به‌طور کامل در دسترس رایگان است.

پرسش‌های پرتکرار

به‌صورت عملی چگونه می‌توانم مدل local LLM را در اپلیکیشن iOS خود قرار دهم؟

در ابتدا باید کتابخانه Swift Transformers را از GitHub کلون کنید، سپس مجموعهٔ MLX را نصب کنید و با استفاده از APIهای کتابخانه، مدل خود را بارگذاری و در سنیاریوهای چت پیاده‌سازی کنید. برای مثال، کتابخانهٔ chat‑templates از خطوط کد ساده‌ای کشیده می‌شود که به خوبی می‌توانند در SwiftUI ادغام شوند.

آیا این کتابخانه از مدل‌های اسکریپت‌پذیر (pre‑trained) OpenAI یا Hugging Face پشتیبانی می‌کند؟

بله، Swift Transformers اجازه می‌دهد تا هر مدل Hugging Face یا OpenAI را به صورت لوکال بارگذاری کرده و از MLX برای بهینه‌سازی اجرا استفاده کنید. در مستندات به فایل‌های konfig و سایر نکات‌های پیکربندی اشاره شده است.