Neural, Engine

M4 Neural Engine: Entwickler umgeht Apples KI-Sperren

17.06.2026 - 17:35:41 | boerse-global.de

Entwickler umgeht Apples Software-Sperren und ermöglicht direktes KI-Training auf dem M4-Chip mit 15,8 TFLOPS Rechenleistung.

M4 Neural Engine entsperrt: 15,8 TFLOPS für KI-Training
Neural - Close-up of a glowing, intricate microchip with digital data streams, representing AI training and technological advancement. 17.06.2026 - Bild: über boerse-global.de

Ein Entwickler hat die Software-Sperren von Apples M4-Prozessor umgangen und ermöglicht damit leistungsstarkes KI-Training direkt auf dem Neural Engine des Chips. Der Durchbruch erlaubt Aufgaben, die Apples Ökosystem eigentlich blockiert.

Anzeige

Während Profis die Hardware-Grenzen von Chips ausreizen, suchen viele Nutzer noch nach Wegen, künstliche Intelligenz unkompliziert in ihren Alltag zu integrieren. Dieser kostenlose Ratgeber zeigt Ihnen, wie Sie ChatGPT ohne Vorkenntnisse für Organisation, Sprachenlernen und mehr nutzen. Kostenlosen PDF-Report mit Praxis-Tipps jetzt herunterladen

Reverse Engineering erschließt 15,8 TFLOPS Rechenleistung

Der Entwickler Md Ismail Sojal, online bekannt als @0x0SojalSec, veröffentlichte am 15. Juni 2026 Code auf GitHub, der das volle Potenzial des M4 Neural Engine (ANE) freischaltet. Durch Reverse Engineering umging er Apples Standard-Software-Ebenen wie CoreML und Metal, die den Neural Engine normalerweise auf reine KI-Inferenz beschränken.

Die Methode erreicht eine Rechenleistung von 15,8 TFLOPS – speziell für KI-Training. Statt über die üblichen Frameworks zu kommunizieren, schuf Sojal eine eigene Model Intermediate Language (MIL), die einen direkten Draht zur Hardware herstellt. Das ermöglicht komplexe Operationen wie Backpropagation und das Training von Transformer-Modellen. Um die Systemstabilität zu gewährleisten, setzt die MIL den Befehl „exec()" ein, der hängengebliebene Tasks automatisch neu startet.

Technische Optimierung über den Arbeitsspeicher

Ein entscheidender Kniff: Statt auf den NAND-Flash-Speicher des Geräts zurückzugreifen, schreibt das entsperrte System sämtliche Daten direkt in den RAM. Das vermeidet Verzögerungen und Verschleiß, die bei hochintensiven KI-Workloads auf herkömmlichen Speichern auftreten.

Durch die Umgehung von GPU und Apple-Frameworks erledigt das MacBook KI-Training in Millisekunden. Für Forscher und Entwickler, die mit der M4-Architektur arbeiten, entsteht so eine echte Alternative zum Cloud-basierten Training – direkt auf dem eigenen Gerät.

Anzeige

Die rasante Entwicklung bei KI-Hardware und -Software bietet enorme Chancen, wirft aber auch Fragen zur richtigen Anwendung auf. Erfahren Sie in diesem Gratis-Report, welche einfachen Befehle Ihren digitalen Alltag sofort erleichtern und wie Sie die Technologie effektiv für sich arbeiten lassen. Die praktischsten ChatGPT-Tricks für Einsteiger gratis sichern

Apples offizielle KI-Strategie und Siri-Integration

Der Fund kommt nur neun Tage nach Apples großen KI-Ankündigungen auf der Worldwide Developers Conference (WWDC) am 8. Juni 2026. Damals präsentierte der Konzern Apple Intelligence 2.0 – inklusive einer grundlegenden Überarbeitung des Sprachassistenten Siri.

Branchenberichten zufolge steckt hinter der neuen Siri eine Version von Googles Gemini-Modell mit 1,2 Billionen Parametern. Apple soll die Technologie für rund eine Milliarde Euro pro Jahr lizenziert haben. Die offizielle Integration läuft über Apples Private Cloud Compute-Infrastruktur und soll Siri unter anderem Bildschirmerkennung und persönlichen Kontext ermöglichen.

Während der inoffizielle M4-Durchbruch auf lokales Hardware-Training setzt, plant Apple eine gestaffelte Einführung seiner KI-Funktionen: Eine Entwickler-Beta für iOS 27 startete am 8. Juni, eine öffentliche Beta folgt im Juli 2026. Der finale Release ist für Herbst 2026 angekündigt – zunächst allerdings nur für englischsprachige Märkte, ohne die EU und China.

Leistungsfähigkeit der M4-Serie im Vergleich

Die M4-Chipfamilie hatte bereits seit ihrer Einführung für Aufsehen gesorgt. Leistungsdaten aus dem Jahr 2024 zeigten, dass der M4 Max rund 20 bis 28 Prozent schneller war als sein Vorgänger M3 Max. In professionellen Kreativanwendungen wie der Videobearbeitung exportierte der M4 Max 4K-Material deutlich schneller als die M2-Max-Generation.

Die aktuellen Reverse-Engineering-Ergebnisse deuten nun darauf hin, dass die Hardware noch weit mehr Potenzial für spezialisierte KI-Anwendungen birgt, als über die offiziellen Software-Kanäle bisher zugänglich war.

de | wissenschaft | 69564229 |