Знаю что для разработки есть эмулятор Xcode которым уже неплохо управляют ии-агенты, но стало интересно есть ли что-то подобное для реальных устройств Оказывается есть: Скормите вашему агенту phone-harness, скилл который объясняет ему как использовать маковский iPhone Mirroring для управления айфоном Я бы описал это как Computer Use, но для телефона:

1/ Агент делает скриншот экрана 2/ С помощью встроенного в macOS распознавания текста получает дерево интерфейса 3/ Тапает в конкретную координату 4/ Смотрит на расхождение кадров чтобы понять сработало ли

Ну и фишка iPhone Mirroring что мне не нужно иметь телефон под рукой, подключать его через провод, разблокировать и тд. Сценариев использования куча: от тестирования приложений до сбора корзины в китайской доставке. Но так как это своего рода computer-use, на сложные задачи я бы не рассчитывал 😏 @tips_ai #tools

Оказывается, есть программы, которые выключают вычислительную фотографию на айфонах. Во всяком случае, большую её часть. Фотки получаются не такие четкие, не такие яркие, не такие сочные, но гораздо более настоящие. Недавно я так разочаровался фотографиями на телефоне, что собрался купить старую цифровую камеру, и очень рад, что не стал тратить деньги, а наткнулся на эти программы. Я пользуюсь Moments, она стоит 10 евро одноразово. Есть No Fusion, которой можно пользоваться бесплатно и супер навороченная Halide. Раз уж мы говорим о фотографии, вот конкретный пример: перед вами золотистый ретривер, вывалявшийся в пыли, а не спаниель, вымытый с кондиционером на выставку, каждый волосок которого лоснится как зеркало. И пол не покрыт лаком, который ярко проявит структуру дерева. Стандарная камера айфона дорисовывает детали, которых нет в моей жизни, но которых, видимо, много в обучающей выборке нейросетей. Но я-то хотел фотографию своей жизни. Телеграм съест большинство деталей, но на телефоне или тем более на компьютере они бросаются в глаза.

🗜Bonsai: 1-bit версия Qwen 27B работает на iPhone c сохранением 90% качества ответов Стартап PrismML выпустил Bonsai 27B — бинарную и тернарную версии Qwen3.6-27B, которые сохраняют 90–95% качества исходной модели при сжатии весов в 9.4–14.2 раза. Тернарная версия занимает 5.9 ГБ и работает на ноутбуке (M5 Pro) со скоростью около 26 токенов в секунду, а 1-битная умещается в 3.9 ГБ и генерирует около 11 токенов в секунду на iPhone 17 Pro Max, или около 30 слов в секунду. Это первый случай, когда модель такого класса запускается на телефоне. Обычное квантование ниже 4–5 бит ломает модели резко, а не постепенно. Текст остаётся гладким и уверенным, но рассуждения начинают противоречить сами себе, вызовы инструментов перестают парситься. До сих пор это обходили только обучением с нуля сразу в низкобитном виде (подход BitNet от Microsoft), но такие модели упёрлись в ~2B параметров. Bonsai конвертирует уже готовую предобученную модель, и главный результат именно в этом: считалось, что при сжатии ниже 4 бит модели ломаются сами по себе, но выяснилось, что дело в методах квантования. Тернарный значит «троичный». Это способ хранения весов, при котором каждый вес принимает только одно из трёх значений: −1, 0 или +1. В обычной модели каждый вес — это число с плавающей точкой (FP16), например 0.0374, и на него уходит 16 бит. В бинарной модели вес может быть только −1 или +1, то есть хранится один бит, по сути только знак. Ноль здесь важен, потому что даёт модели возможность «выключить» связь между нейронами, то есть сказать «этот вход вообще не влияет на выход». Тернарная версия точнее, а бинарная компактнее. Усредненные показатели по 15 бенчмаркам от математики и кода до вызова инструментов и работы с изображениями показывают, что деградация ответов по сравнению с исходной Qwen3.6-27B составляет 5.4% у Ternary Bonsai - 80,49 пртив 85.07 и 11.5% у 1-bit Bonsai, которая показала средний бал 76.11. Сравнение проводилось по единой методике на базе EvalScope с vLLM на NVIDIA H100 в режиме рассуждений, где деградация ниже 4 бит проявляется сильнее всего. Тернарная и бинарная версии теряют заметные баллы на агентных задачах и зрении относительно FP16. Веса обеих версий выложены на Hugging Face, код на GitHub под лицензией Apache 2.0, а попробовать модель можно в браузере. #Stateoftheart