Der Webbrowser hat explizite Anforderungen an die Hardware-Plattform, und seine KI-Funktionalität stützt sich vollständig auf die spezielle Rechenarchitektur der Apple Silicon Chips. Dies wird durch die zugrunde liegende technische Lösung bestimmt: Das Projekt nutzt das Apple MLX Framework, um die neuronale Engine (16-Kern-NPU) der Chips der M1/M2-Serie direkt aufzurufen, um die Inferenzoperationen des Gemma-Modells zu beschleunigen.
Was die technischen Details anbelangt, so bieten macOS 14.0 und höher eine einheitliche Schnittstelle für maschinelles Lernen durch das MLX-Framework, was voraussetzt, dass der Chip über mindestens 8 Kerne von GPUs und 16 Kerne von neuronalen Engines verfügt, um die Echtzeit-Reaktion der KI-Seitenleiste zu gewährleisten. Testdaten zeigen, dass die Latenzzeit für die Erstellung von Webseiten-Zusammenfassungen auf dem M1 Pro-Chip innerhalb von 2 Sekunden kontrolliert wird, während herkömmliche Intel-Chips aufgrund des Fehlens dedizierter KI-Beschleunigungseinheiten mehr als 15 Sekunden für dieselbe Aufgabe benötigen.
In der Installationsanleitung wird ausdrücklich darauf hingewiesen, dass Entwickler das Projekt mit Xcode 15.0+ erstellen müssen, das mit für Apple Silicon optimierten Compute Shadern und Metal Performance Shadern konfiguriert ist. Die vorkompilierte Version (Web-0.0.2.dmg), die Benutzer von der GitHub-Veröffentlichungsseite herunterladen können, enthält bereits die nativen arm64-Binärdateien.
Diese Hardware-Abhängigkeit ist sowohl eine technische Einschränkung als auch ein Vorteil: Während die Nutzerbasis auf Besitzer von Apple-Silicon-Geräten beschränkt ist, gewährleistet sie eine optimale Leistung und Energieeffizienz für die KI-Funktionalität. Im Vergleich zur plattformübergreifenden Electron-Lösung verschafft diese native Implementierung dem Web einen 10-fachen Vorteil beim Energieeffizienzverhältnis.
Diese Antwort stammt aus dem ArtikelWeb - macOS AI Browser: ein nativer KI-gesteuerter Browser für macOSDie
Deutsch 
简体中文 
English 
日本語 
Português do Brasil