#pqc

MCP is now available for testing in AI.

Big step for building smarter, safer agents.

At AffixIO, we’re focused on making AI decisions more trustworthy, privacy-first, and verifiable.

The future isn’t just AI that acts.

It’s AI you can trust.

It’s called AffixIO. Short version: it answers yes/no questions about a person (are they over 18, are they a licensed whatever, do they qualify for X) without ever storing or seeing their actual data.

Longer version: most “age verification” or “eligibility check” systems work by holding onto your ID, your date of birth, your documents, somewhere on a server. That’s a liability sitting there waiting to leak. AffixIO does it differently. It generates a signed proof token, a cryptographic yes or no, and then forgets everything. No PII retention. It can even work offline.

It also runs on post-quantum cryptography (ML-DSA-65 specifically), which matters more than it sounds like it should. A lot of encryption in use today will eventually be breakable by quantum computers. Anything encrypted now and stored could be harvested and decrypted later. Post-quantum standards are built to survive that. The US just mandated ML-DSA-65 across federal agencies, so this isn’t a niche concern anymore.

Metalテンソルによるカスタム機械学習オペレーションの最適化（Tensor処理にNeural Acceleratorを活用）- WWDC26

Metal Tensor APIとMetal Performance Primitives（MPP）Tensor Opsライブラリを使用するとパワフルな機械学習を実現できます。

Apple M5およびA19 GPUのNeural Acceleratorを活用するポータブルなオペレーションの構築方法を習得しましょう。

Core AIアプリ向けのカスタム機械学習カーネルの構築方法と量子化データ形式やGPUメモリ最適化を効果的に扱う方法も確認します。

新しい量子化テンソル形式とスケールファクタのサポートにより量子化データを簡単に表現できます。

Metalのパフォーマンスプリミティブのネイティブサポートを活用して重みを効率的に圧縮したり、M5 ProおよびM5 Max上でNeural Acceleratorを利用したりできます。

「2ビットに量子化」とはLLM（大規模言語モデル）データファイル伝送時の最先端の圧縮方法。

これによりモデルの品質を維持しながら、Apple インテリジェンスをサポートするデバイスに収まるようにしている。

例えば、テキストの圧縮方法や画像、動画の圧縮方法にも標準モデルがあります。詳しくは違いますが、簡単にいうと、これはLLM（大規模言語モデル）版の現時点での標準モデルです。

オンデバイスSystem Language ModelからCore AIを使えばAppleシリコン向けのローカルモデル（スタンドアローンで駆動するiPhone、iPad、Mac他）を効率的に実行できます。

さらに、Metalテンソル対応によりM5 ProおよびM5 Max上でNeural Acceleratorを利用すれば、高速に機械学習を実行できます。

すべてのモデルがLanguage Modelプロトコルに準拠してます（Executorが自動翻訳して相互に指示を渡します。これはRosetta 2の応用？）

「NVIDIA RTX Spark 2026」や「AMDのRyzenシリーズ2026」とのベンチマーク結果は不明です。

＜おすすめサイト＞

プライベートクラウドコンピューティングによるApple Foundation Modelフレームワーク（Apple インテリジェンス）の活用 - WWDC26

Apple Foundation Modelフレームワーク（Apple インテリジェンス）へのLLMプロバイダーの導入 - WWDC26