A Hugging Face lançou o AnyLanguageModel 1.0, uma biblioteca Swift que permite a aplicações usar uma interface compatível com a API Foundation Models da Apple e escolher entre diferentes modelos e fornecedores. O lançamento, anunciado a 20 de outubro de 2026, assinala um ano desde a apresentação do projecto. A empresa diz que a iniciativa nasceu do interesse de programadores em experimentar modelos locais sem terem de gerir integrações distintas para cada serviço de inferência.

Para começar a usar a biblioteca, os programadores podem substituir a importação de Foundation Models por AnyLanguageModel, mantendo o código de sessão. Segundo a Hugging Face, a mesma abordagem abrange o modelo do sistema e modelos de pesos abertos através de llama.cpp, MLX e Core ML, além de serviços alojados. Entre as funcionalidades acrescentadas ao longo do último ano estão chamadas a ferramentas e geração guiada, incluindo estruturas aninhadas; ambas funcionam com todos os fornecedores. A biblioteca também permite anexar imagens aos prompts, usando a sintaxe da Foundation Models 27, incluindo com o modelo do sistema em iOS, macOS e visionOS 27. Nos sistemas operativos da versão 27, aceita ainda modelos que implementem o protocolo LanguageModel da Foundation Models, incluindo modelos Core AI.

A lista de integrações alojadas inclui as APIs Chat Completions e Responses da OpenAI, Open Responses, a API Messages da Anthropic, a API Gemini da Google, Ollama, Private Cloud Compute em sistemas operativos 27 e os Inference Providers da Hugging Face. Também é possível ligar a outros serviços compatíveis com a API da OpenAI através de um endereço personalizado. A publicação afirma que os fornecedores alojados têm acesso a geração guiada, chamadas a ferramentas com streaming e dados de utilização de tokens. O registo de conversas inclui blocos de raciocínio, que são omitidos automaticamente quando o fornecedor para o qual se muda não consegue reproduzi-los. As chaves de API podem ser obtidas através de uma função, permitindo à aplicação pedir tokens temporários ao seu próprio servidor.

A publicação destaca três modelos e os respectivos requisitos de armazenamento ou memória: Gemma 4 E2B, da Google, ocupa cerca de 3,4 GB em GGUF com quantização Q4_0; LFM2.5 2.6B, da Liquid AI, cerca de 1,7 GB em Q4_K_M; e Qwen3.8 27B, da Alibaba, cerca de 16 GB em MLX a quatro bits. A Hugging Face indica que os dois primeiros cabem num iPhone, enquanto o Qwen3.8 27B funciona num Mac com 32 GB de memória ou mais. São estimativas apresentadas pela empresa, não resultados de testes independentes incluídos no anúncio.

O AnyLanguageModel também funciona em Linux, segundo a publicação, permitindo que o mesmo código seja usado num servidor. Em paralelo, a Hugging Face lançou as versões 1.0 de swift-huggingface e swift-xet, destinadas a acelerar as transferências de modelos do Hub para aplicações Swift. Os programadores que actualizem projectos existentes são encaminhados para as notas de migração das três bibliotecas.

A empresa afirma que pretende aplicar a mesma abordagem — APIs Swift familiares com escolha de modelos executados no dispositivo — a outras capacidades. Antecipa modelos que «decidem» e modelos que «ouvem», sem avançar datas ou detalhes adicionais. O anúncio não apresenta resultados comparativos de desempenho. As ligações para as bibliotecas e as orientações de migração constam da publicação da Hugging Face.

Porque importa

Uma interface comum pode reduzir o trabalho de integrar diferentes opções de inferência em aplicações Swift, embora o anúncio não inclua avaliações independentes de desempenho nem comparações de custo.

Fontes

AnyLanguageModel 1.0: One Year of Local Models on Apple PlatformsHugging Face ↗