你的 iPhone 和 Mac 里有一块专门跑 AI 的 Apple Neural Engine（ANE），平时主要负责“推理”——拿现成模型处理图像、语音等任务。训练则像让模型边做题边改答案，需要反向计算并调整参数，苹果并未通过 Core ML 向开发者开放这条路径。maderix/ANE 绕过公开工具链，逆向调用 _ANEClient、_ANECompiler 等私有 API，让训练计算直接进入 ANE。
项目最具体的进展，是从头实现了 Transformer 的前向与反向传播。作者给出的结果中，1.09 亿参数的 Stories110M 每个训练步骤耗时 91 毫秒，5.96 亿参数的 Qwen3-0.6B 为 412 毫秒，而且无需每步重新编译。不过，模型权重的梯度仍由 CPU 计算，不少逐元素运算也会退回 CPU；作者称 ANE 利用率只有峰值的约 5%—9%。所以它现在不是大模型训练方案，而是一项证明：苹果设备端训练的障碍至少不全在硬件，也在软件是否开放。由于项目依赖可能随系统更新变化的私有 API，作者明确将其定位为研究代码，而非生产框架。