2026 年 7 月 9 日，The Information 报道 Apple 近期与 PrismML 接触，讨论把后者基于 1-bit 量化技术压缩后的 Qwen 3.6 模型集成进 iPhone 17 Pro 的可能性。PrismML 把 27B 参数的开源 LLM 压到能装进手机内存并跑软件工程类任务，计划 7 月 14 日开源发布。 PrismML 三个月前发布的 1-bit Bonsai 8B 已经在 1.15 GB 体积下逼近 16 GB 同类模型的能力——它在 MMLU、HumanEval+ 等基准上仅小幅落后 Qwen3 8B 全精度版本，iPhone 17 Pro Max 上 44 tok/s 的速度第一次让"8B 模型跑在手机"成为日常体验。如果 27B 的 Qwen 3.6 走同一路径，理论上模型尺寸约 3.8 GB，是 Apple AFM 3 Core（约 3B 激活参数）所装下参数量的近一个量级提升。 对 Apple 来说，这一步背后是从"自研 AFM 路线"到"引入第三方压缩模型"的策略摆动。AFM 3 用 IFP + NAND-DRAM 把 20B 稀疏模型做到可装入手机，但推理质量仍受限于自身团队规模和后训练投入。PrismML 的"intelligence density"路线——同等体积下能力密度提升 10×——对 Apple Intelligence 的功能扩展是直接杠杆，特别是把 coding agent 这类长上下文工具塞进离线环境。 对中国开源生态而言这是个反向输出信号：通义千问 Qwen 3.6 被美国 AI 实验室选作端侧基座，意味着阿里在大规模开源权重与后训练对齐上的积累正在被海外平台反向消费。如果 Apple 最终在 iOS 27 内以 Apple Intelligence 形式封装这一能力，Qwen 系列的国际能见度会再上一档。 端侧 LLM 已经从"3B 够用就行"跨进"27B 不一定需要云"的阶段——iPhone 17 Pro 只是个起点，Android 阵营、车规芯片、机器人主控都会跟进这条 1-bit 路径。下一个变量不再是模型能不能装下，而是 1-bit 专用硬件何时商业化。