När Apple pratar om hur man har använt Googles Gemini-grundmodeller för att bygga den nya Siri, utan att använda Gemini-appen, kan det ibland låta som en semantisk detalj. Men en djupdykning tillsammans med teamet bakom Siri-versionen vi först blev lovade för nästan två år sedan visar snabbt att skillnaden är betydande.
– Så här mycket av Googles assistent använder vi: ingenting alls, sade Craig Federighi, Apples senior vice president för mjukvaruutveckling, bara några timmar efter att Apple slutligen presenterat den Siri som först visades upp under WWDC-keynoten för två år sedan.
Federighi, iklädd sin karakteristiska tajta blå skjorta, satt tillsammans med Sebastien Marineau, vice president för mjukvara på Apple, Amar Subramanya, vice president för AI på Apple, samt Mike Rockwell, företagets vice president för teknik.
Samtalet hölls på den mindre scenen i Developer Center, en betydligt mer intim miljö jämfört med den stora utomhusscenen vid Apple Park där huvudpresentationen ägde rum.
Det var i denna mörklagda sal, med avgående vd:n Tim Cook och hans efterträdare John Ternus sittande på första raden, som Federighi och hans kollegor gick igenom de tekniska utmaningarna bakom att skapa en mer personlig, kontextmedveten och djupt integrerad Siri för hela Apples ekosystem.
På sätt och vis firade de att ett försenat löfte till slut levererats, men de konfronterade också verkligheten kring de utmaningar som präglat de senaste två åren.
På en övergripande nivå är Siri numera ett enormt och komplext system som består av en mycket kraftfull lokal multimodal modell samt flera ännu kraftfullare molnbaserade modeller som körs i olika versioner av Apples Private Compute Cloud. Modellerna har namn som AFM Core, AFM Cloud Pro och ADM Cloud Images.
– Varje modell representerar ett betydande kvalitets- och prestandalyft jämfört med föregående generation, sade Subramanya.
Efter att ha sett demonstrationer både under genomgången av arkitekturen och senare under individuella demonstrationer är vi benägna att hålla med. Tänk på Siri AI och den nya Siri-appen som en version av Siri utan tidigare begränsningar.
Siri har återuppstått
Det verkar som att Siri nu har full förståelse för funktionerna i Apples egna appar och snabbt kan hoppa från en fråga i en app till kontextuell information hämtad direkt från exempelvis Meddelanden. Den verkar också förstå att en bild med en månads fotbollsmatcher som du precis öppnat på skrivbordet faktiskt är ett spelschema som kan läggas in i kalendern.
Siri kan se bilder både på skrivbordet och genom kameran. Den minns sammanhanget i en konversation och använder en mer naturlig och övertygande röst för att guida användaren genom även komplexa uppgifter. Kort sagt verkar den här versionen av Siri faktiskt vara smart. Men Apple hade inte nått hit utan hjälp från Google – och det visar sig även Nvidia.
Hur involverat var Google? Apple har inte gjort någon hemlighet av att man använder Googles Gemini-grundmodeller, men omfattningen av samarbetet blev särskilt tydlig genom ett schema som Federighi använde för att förklara hur den nya Siri-arkitekturen fungerar.
Det schemat visade hur flera olika AI-modeller samverkar bakom kulisserna för att ge Siri dess nya förmågor, samtidigt som Apple fortsätter att insistera på att användarupplevelsen är helt och hållet deras egen och inte bygger på Googles AI-assistent i sig.
Ett samarbete mellan modeller
Som ni kan se finns det rutor för alla de nya modellerna och systemkomponenterna. Samtliga är färgkodade, men med endast två färger: helblått för Apples egna lösningar och en blandning av blått och vitt för modeller som utvecklats gemensamt av Apple och Google. Varenda modell är resultatet av ett samarbete. Apples egna insatser handlar främst om det som ligger ovanpå hela den här infrastrukturen.
Så här förklarade Apple hur maskineriet bakom kulisserna fungerar. Systemet börjar, naturligt nog, med taligenkänning, som omvandlar det användaren säger till text. Därefter tar den viktiga System Orchestrator över. Dess uppgift är att bygga upp en prompt och skicka den vidare till grundmodellerna.
Det är också i det här steget som Apples system avgör om en fråga ska hanteras lokalt av den stora AFM Core Advanced-modellen med 20 miljarder parametrar (en rejäl ökning från de 3 miljarder parametrar som dagens Siri-modell använder) eller om förfrågan ska skickas vidare till Apples Private Compute Cloud och någon av de större modellerna, däribland AFM Cloud, AFM Cloud Pro och ADM Cloud, som används som diffusionsmodell för bildgenerering.
Ett smartare sätt att hantera parametrar
En av de största innovationerna här, och förklaringen till hur Apple kan köra en så pass omfattande modell direkt på en iPhone, handlar om hur parametrar hanteras.
Normalt sett kan varje fråga innehålla flera olika önskemål och kräva en mängd olika parametrar. För att kunna möta dessa krav laddas samtliga parametrar in i minnet samtidigt. Det innebär en stor belastning på både minne och batteritid och med 20 miljarder parametrar i AFM Core Advanced vore det helt enkelt inte praktiskt.
Därför byggde Apple något som kallas en "scarce model".
– Till skillnad från servermodellerna analyserar Core Advanced hela förfrågan, väljer rätt uppsättning parametrar och låser sedan fast dem för hela begäran. På så sätt behöver parametrarna inte laddas om för varje token, vilket dramatiskt minskar kostnaden för att hantera dem, sade Subramanya.
Trots att modellerna utvecklas tillsammans med de senaste Gemini-modellerna och kommer att uppdateras i takt med framtida arbete kring Googles grundmodeller är det aldrig Google Gemini som tar över kontrollen.
Istället har Apple använt samma strategi som företaget länge tillämpat i sina innovationssamarbeten. Man identifierar den bästa tekniken eller komponenten inom ett visst område och låter sedan partnern ta fram en skräddarsydd version.
I det här fallet är samarbetet kanske mer omfattande än vanligt, eftersom Apple faktiskt är med och bygger modellerna. Men företagets intresse för Googles AI-kapacitet stannar vid själva grundtekniken och sträcker sig aldrig till Gemini-appen eller dess användargränssnitt.
Kundupplevelsen är – och ska kännas – helt och hållet Apple.
Apple, Google och Nvidia – ett oväntat drömteam
Molnsidan av den nya Siri-lösningen är betydligt mer samarbetsinriktad än vad man kanske hade väntat sig av Apple. För ett företag som byggt sitt varumärke kring integritet och säkerhet har Apple tvingats samarbeta med externa aktörer för att omvandla deras molninfrastruktur till säkra miljöer som lever upp till både företagets och användarnas höga krav på dataskydd.
Konceptet Private Cloud Compute (PCC), som först introducerades tillsammans med Apple Intelligence 2024, handlar om att skapa ett moln tillräckligt kraftfullt för att hantera modeller som är för stora för att köras direkt på enheten, samtidigt som samma integritetsstruktur som finns lokalt återskapas i molnet.
Det är enklare när man äger hela serverinfrastrukturen själv, men i den nya Siri-eran har Apple öppnat upp PCC för både Google och en ny Apple Intelligence-partner: Nvidia.
För att kunna köra betydligt kraftfullare modeller som AFM Cloud Pro behövde Apple, enligt Amar Subramanya, "den senaste tekniken från Nvidia, och därför började vi arbeta med att utöka Private Cloud Compute till tredjepartsleverantörer".
Nvidia arbetade redan med något som företaget kallade "confidential compute", men lösningen uppfyllde inte Apples strikta krav för PCC.
– Vi började utforma detta tillsammans med Google som ett samarbete, sade Subramanya.
Lösningen består bland annat av Nvidias GPU:er samt redundanta säkerhetskomponenter från Intel och Google.
Sanningens ögonblick
I praktiken innebär det att Apples Private Cloud Compute numera körs på servrar från Nvidia och Google. Apples chefer understryker dock att: Apple-enheter kan endast kommunicera med programvara som signerats av Apple. Det innebär att om dessa system inte använder programvara som signerats och verifierats av Apple kommer Siri helt enkelt inte att ansluta till dem.
Det här är utan tvekan en helt annan Siri än den som många använder på sin iPhone 17 Pro idag. Samtidigt påminner den också mycket om den Siri som Apple visade upp – men aldrig levererade – under 2024 och 2025.
Federighi och hans kollegor gick inte in på alla motgångar och felstarter som präglat de senaste två åren, men Mike Rockwell, vice president för teknik, gav en ovanligt öppen inblick i vad som verkar ha varit ett avgörande ögonblick.
– Förra året hade vi faktiskt byggt en första version som var en stegvis utveckling av den ursprungliga Siri. Den fungerade, men vi kände inte att den verkligen levererade den vision och upplevelse vi ville skapa. Samtidigt hade vi ett annat koncept som krävde betydligt mer omfattande förändringar. Vi bestämde oss för att gå vidare med det. Så vi gick tillbaka och byggde om Siri från grunden, sade Rockwell.
Det som fortfarande är oklart är om det var just då Apple insåg att företaget inte kunde göra allt på egen hand – att man behövde Google och Geminis kraftfulla modeller för att förverkliga sin vision, men utan att låta Gemini-upplevelsen ta över.
Siri AI framstår istället som en lyckad sammansmältning av Apples ursprungliga vision för artificiell intelligens och vad som sannolikt är några av branschens främsta generativa modeller.
Och precis som med de bästa konsumentupplevelserna inom mjukvara behöver användarna egentligen inte veta exakt hur korven tillverkas. Det viktiga är att den fungerar precis som Apple lovat – och på det sätt som användarna vill att den ska fungera.
