一句话定义：Foundation Models Framework 是苹果把系统内置的端侧基础模型（Foundation Model）封装成的一套开发者接口，App 只要调用这套接口，就能在没有网络、也没有自带模型文件的情况下做摘要、信息抽取和轻量对话。
它解决了什么问题
过去想在 App 里加个 AI 功能，通常只有两条路。一条是把数据发到云端大模型 API：效果最好，但要联网、要按调用量付费，而且用户的文字会离开这台设备。另一条是自己带一个模型：把几亿甚至几十亿参数的开源模型塞进安装包，于是包体积涨几百兆，内存和耗电也难以控制，还要自己处理加载和调度。
这套框架相当于在两者之间开辟第三条路：系统里已经预置了一个十亿参数级别的小模型，常驻在设备上，开发者通过 Swift 接口直接调用，异步返回结果。可以把它理解成小区通了自来水：以前要么叫外卖（云端），要么自己在家挖井（自带模型），现在拧开水龙头就有水，而且水不会流出你家。
具体能力
- 文本处理：总结长文、改写语气、分类打标、抽取姓名、日期、金额等字段。
- 结构化输出：用声明式的方式描述你想要的数据结构，模型按这个结构返回，而不是一段需要再用正则去解析的自由文本。这一点对工程实现最关键。
- 工具调用：模型判断需要外部信息时，可以回调你写的函数，比如查通讯录，再把结果融进回答。
- 流式输出与多轮对话：结果可以逐字吐出来，也可以维护一段会话状态。
它的定位是“够用的小模型”，并非“什么都能干”。复杂推理、长文档深度分析、需要大量世界知识的问答，它都不擅长。产品的常见做法是：简单的、涉及隐私的任务留在端侧，困难的再交给云端。
与相邻概念的区别
| Foundation Models Framework | 云端大模型 API | 自带开源小模型 | |
|---|---|---|---|
| 是否联网 | 不需要 | 必须 | 不需要 |
| 数据去向 | 不出设备 | 上传到服务商 | 不出设备 |
| 安装包体积 | 几乎不增加 | 几乎不增加 | 增加几百兆 |
| 能力上限 | 中等，受端侧算力约束 | 高 | 取决于所选模型 |
| 工程成本 | 调系统接口 | 调 HTTP 接口 + 密钥管理 | 自己做量化、推理、内存管理 |
还要和 Core ML 区分开：Core ML 是“把你自己训练或转换的模型跑在设备上”的通用推理框架，模型是你的；而 Foundation Models Framework 用的是苹果自己的模型，你只是调用方。
对两类人的意义
对从业者，这是一个新的产品设计约束条件：它把“隐私敏感但逻辑简单”的功能从“不敢做”变成“可以做”，比如在本地处理会议记录、邮件、体检报告摘要，因为这些场景用户最在意的就是数据不外传。同时它也逼着团队想清楚哪些任务值得上云，哪些留在端上就够了。
对普通职场人，最直接的体感是：飞行模式下，某些 App 的总结和整理功能依然能用；而且你可以合理地期待，那些贴身的文字没有被传到某台服务器上。具体的机型支持范围、接口能力和使用条款，以苹果官方开发者文档为准。