随着苹果在人工智能领域的不断深耕，Siri 的底层架构与任务调度逻辑也在经历持续优化。根据最新曝光的消息显示，在苹果推送的 iOS / macOS27.3首个开发者预览版 Beta 中，系统为 Siri AI 引入了一项名为 Skimmer 的全新前置模块，首次实现了将大约2% 的英语请求直接路由到本地进行处理。
核心调度规则:覆盖高频固定指令，实现降本增效与隐私保护
根据爆料信息，在联网状态下，这部分被分流到本地端侧模型处理的请求，主要涵盖了设置定时器、播放音乐以及拨打电话等日常生活中最为高频且结构相对固定的指令。
苹果引入这一机制的核心目的在于多维度提升用户体验:一方面，本地处理能够显著降低指令响应的延迟，带来更快的交互速度;另一方面，它能够有效节省云端算力资源，并在敏感操作上进一步强化用户隐私的保护。
后台运行机制:正则表达式精准匹配，跳过复杂推理环节
在具体的底层技术实现上，Skimmer 模块在设备端处理流程中扮演了“前置拦截与分流”的角色。
当用户发出指令时，该模块会通过正则表达式，将用户的自然语言请求与系统预设的“工具流程”进行快速比对。一旦请求成功命中相关规则，Siri 便能直接执行对应的操作，从而无需再进入更加复杂的云端 AI 推理环节。
相关规则文件目前已被技术爱好者在 macOS 系统的 IntelligenceFlowPlannerSupport.framework 目录下的 Enigma.json 文件中找到，支持按不同的语言环境进行查看。
伴随这一调度机制的调整，部分用户在实际体验中也发现了有趣的细节。
有测试网友在社交平台上反馈称，新机制在带来高效的同时，有时也会让 Siri 表现得与旧版语音助手颇为相似。例如，当向其询问“今天雨什么时候停”时，系统有时仍会给出诸如“一小时内可能下雨”这类相对固定的机械化回答，这也从侧面印证了部分本地化轻量调度逻辑的实际应用。
人工智能开源与商业化竞争持续白热化。Meta Superintelligence Labs正式发布Muse品牌第四款、迄今规模最小的高效多模态推理模型Muse Ember。该模型专为AI智能体日常运行中高频处理的重复性子任务打造，核心定位是专注智能体高频子任务，实现精细化分工。在Meta产品矩阵中，各模型角色不同，旗舰级Muse等构成分层布局，以差异化能力覆盖多样场景。
Meta 11月10日发布轻量模型 Muse Ember，号称迄今最小、最高效，面向复杂推理与智能体反复执行的日常任务，主打性价比而非参数规模。Artificial Analysis榜单显示，其综合表现可与 Claude Haiku 5.5 抗衡，单任务成本仅后者三分之一，并在多项测试中超过 GPT-6 Luna，还涉及端到端业务工作等场景。
11月9日，Meta发布迄今规模最小、运行效率最高的轻量级AI模型Muse Ember。该模型主打高效轻量，定位AI智能体（Agent）日常反复处理的高频任务，场景包括工具调用等，旨在以极致效率满足智能体高强度运转。此举显示人工智能领域“性价比军备竞赛”再添重量级选手。
11月9日，Meta推出迄今最小、效率最高的高性能AI模型Muse Ember，专为AI代理日常繁复任务打造，涵盖工具调用、小型编码、请求路由、数据提取及长文档处理。该模型在性能与成本上竞争力强。据Artificial Analysis Intelligence Index，其在每个推理层面均超越Claude Haiku5.5与GPT-6Luna。
微软开源多模态推理模型Phi-4-reasoning-vision-15B，参数15B，兼顾轻量化与高性能。该模型仅用200B多模态token训练，强调数据质量，适合资源受限环境下的复杂视觉任务。
关注 “悠AI” 更多干货技巧行业动态
相关文章
