En un mercado dominado por asistentes conectados a la nube, una propuesta llama la atención por ir a contracorriente: Locally AI, una app para iPhone y iPad que permite descargar y ejecutar modelos de IA directamente en el dispositivo, sin conexión a internet, sin registro y con la promesa de que los datos nunca salen del terminal. La aplicación llega con integración profunda para plataformas de Apple, optimización para Apple Silicon mediante MLX —el framework de machine learning de la propia Apple— y compatibilidad con un abanico notable de modelos abiertos de lenguaje y visión.
La premisa es sencilla: “tu asistente personal, completamente offline”. La ejecución, ambiciosa: soporte para familias como Llama (Meta), Gemma (Google), Qwen (Alibaba), DeepSeek, SmolLM (Hugging Face), Granite (IBM), Cogito (Deep Cogito) o LFM (Liquid AI), con paquetes preparados para iPhone y iPad y una experiencia nativa diseñada desde cero para iOS. El objetivo declarado: privacidad sin concesiones y una sensación de inmediatez que compita con servicios en la nube, pero sin depender de ellos.
Una propuesta centrada en tres ejes: offline, privado y optimizado
1) Funciona sin internet
El corazón de Locally AI es el procesamiento local. Tras descargar el modelo elegido, la app no requiere conexión para responder: no hay llamadas a servidores externos ni esperas por red. La idea cubre casos sencillos —tomar notas, escribir texto, traducir, consultar información cargada en el chat— y evita la barrera del login: basta con instalar, elegir modelo y usar.
2) Privacidad y control
La aplicación enfatiza que no hay recolección de datos ni procesamiento en la nube. Al ejecutarse íntegramente en el dispositivo, el contexto, las consultas y los archivos que el usuario comparta no abandonan el iPhone o el iPad. Para quienes manejan información sensible, o simplemente prefieren no conectar su actividad a servicios remotos, el matiz es importante.
3) Rendimiento en Apple Silicon con MLX
Locally AI se apoya en MLX, el framework de Apple orientado a aprovechar la memoria unificada y el paralelismo de los chips Apple Silicon. Según la aplicación, este soporte reduce latencias de carga de modelos y respuesta, y ahorra energía frente a implementaciones genéricas. El resultado perseguido: una interacción fluida y natural, coherente con la experiencia nativa que iOS acostumbra.
Construida para el ecosistema Apple: de iOS 26 a Foundation Model support
El equipo detrás de Locally AI destaca la integración con las novedades del sistema: interfaz adaptada a iOS 26 (con el nuevo estilo Liquid Glass), soporte para las funciones de plataforma más recientes y una aplicación nativa que “se siente instantánea”. La promesa no se limita a rendimiento; también apunta a coherencia en la forma de usar el asistente: gestos, animaciones, accesos y atajos propios de Apple, sin capas web de por medio.
La app, además, pone el acento en el iPad como “pantalla grande, inteligencia grande”: en tablet, el espacio adicional facilita modelos de mayor tamaño para tareas exigentes. La página de producto sugiere que, en esas condiciones, el rendimiento “rivaliza” con sistemas de referencia como GPT-4 y GPT-4o-mini* en determinadas pruebas comparativas; la referencia citada es el Text Arena leaderboard de LMArena. Es una indicación orientativa —los resultados dependen del modelo concreto, el quantization y la tarea—, pero ilustra el punto: en hardware moderno, la IA local ya no es un experimento, sino una alternativa válida para un abanico creciente de usos.
Nota: la mención comparativa procede de la clasificación de LMArena (Text Arena) entre gpt-4-0125-preview, GPT-4o-mini (07/18) y gemma-3n-e4b-it.
Modelos compatibles: de Llama y Gemma a Qwen y DeepSeek
Locally AI soporta modelos abiertos populares, con variantes ajustadas a Apple Silicon. En su catálogo figuran:
- Llama (Meta): familia de foundation models ampliamente adoptada.
- Gemma (Google): modelos ligeros de última generación, en varias iteraciones.
- Qwen (Alibaba): modelos multilingües, con versiones Qwen 2, 2.5, 3 y Qwen 2 VL para visión.
- DeepSeek: modelos de razonamiento y programación (como DeepSeek R1).
- SmolLM (Hugging Face): modelos compactos y eficientes.
- Granite (IBM): modelos abiertos orientados a entornos empresariales.
- Cogito (Deep Cogito): modelos con foco en razonamiento.
- LFM (Liquid AI): Liquid Foundation Models de alta eficiencia.
En la sección de preguntas frecuentes, la app enumera variantes concretas como Meta Llama 3.2 y 3.1, Gemma 2, 3 y 3n, Qwen 2 VL, 2.5 y 3, o DeepSeek R1. Todas ellas se ejecutan offline tras su descarga. Esta flexibilidad permite elegir el equilibrio entre tamaño, velocidad y calidad de respuesta que mejor se adapte a cada dispositivo y caso de uso.
Qué puede hacer en el día a día: utilidad sin depender de la nube
Sin prometer milagros, la propuesta “todo local” habilita escenarios útiles:
- Redacción y edición de textos, resúmenes y correos sin enviar contenido a terceros.
- Asistencia en viajes o entornos con conectividad limitada (avión, metro, zonas remotas).
- Privacidad reforzada cuando se manejan notas, fragmentos de código, consultas internas o documentación confidencial.
- Uso educativo o creativo en iPad, aprovechando modelos mayores y pantallas más grandes.
- Traducciones y tareas multilingües con modelos ajustados a varios idiomas.
La app también permite personalizar el comportamiento del asistente a través del system prompt, lo que ayuda a adaptar el tono y la forma de responder a necesidades específicas (por ejemplo, estilo conciso, pasos numerados, contexto técnico, etc.).
Experiencia de uso: descargar, elegir modelo y empezar
El flujo que Locally AI propone es directo:
- Descargar la app desde el App Store (iPhone o iPad recientes, con Apple Silicon).
- Elegir y descargar un modelo desde la propia aplicación.
- Chatear: sin cuenta, sin login y sin conexión.
La selección del modelo define el consumo de memoria y el rendimiento. En dispositivos recientes, la memoria unificada de Apple Silicon y MLX ayudan a mover pesos medianos con soltura. La app sugiere que el iPad es la mejor opción para modelos grandes y tareas complejas; el iPhone responde bien a modelos ligeros y consultas más inmediatas.
¿Por qué ahora la IA “en el borde” (on-device) cobra fuerza?
Varias tendencias coinciden:
- Privacidad por diseño. Ejecutar localmente elimina la exposición en tránsito y la dependencia de políticas de terceros.
- Latencia y snappiness. La respuesta local evita ida y vuelta a un servidor remoto.
- Coste y control. No hay consumo de API ni facturación por tokens; el coste es el hardware que ya se tiene.
- Progreso de modelos compactos. Familias nuevas (Gemma, SmolLM, Qwen) y techniques de cuantización hacen más viable correr capacidades sorprendentes en dispositivos móviles.
Para muchos usuarios, la combinación de suficiente calidad y mayor control es preferible a una IA “siempre en la nube”.
Integración técnica: MLX, memoria unificada y eficiencia
La app subraya el papel de MLX, la pila de aprendizaje automático de Apple para su silicio. MLX explota la memoria unificada —que comparten CPU/GPU/Neural Engine— para cargar y ejecutar modelos con menos fricción y menor consumo. De cara al usuario, el beneficio se traduce en tiempos de carga más breves y respuestas ágiles. Al ser un enfoque de plataforma, este soporte se reproduce en toda la gama de dispositivos modernos de Apple.
Límites razonables: elegir modelo y ajustar expectativas
Como en cualquier solución en-device, conviene elegir el modelo adecuado al dispositivo y a la tarea:
- En iPhone, priorizar modelos compactos para uso cotidiano.
- En iPad, aprovechar modelos mayores si se buscan respuestas más elaboradas.
- Recordar que tareas de visión (modelos VL) o razonamiento largo pueden requerir más memoria y tiempo.
La app no promete reemplazar a los gigantes de la nube en cualquier circunstancia, pero sí cubrir con solvencia un amplio abanico de usos diarios, sin ceder datos ni depender de conectividad.
Conclusión: una vía privacy-first que ya no compromete la experiencia
Locally AI cristaliza una tendencia: la IA útil puede vivir en el dispositivo. Al combinar ejecución offline, privacidad total, modelos abiertos de primer nivel y optimización para Apple Silicon, la app se posiciona como una alternativa realista al asistente conectado —especialmente allí donde el control de datos y la latencia importan. Con iOS 26, interfaz nativa y soporte para MLX, el proyecto aspira a que cada interacción se sienta instantánea, sin pasar por un servidor.
Para quien quiera probar la IA local sin cuentas ni ataduras, el recorrido es sencillo: descargar, elegir modelo y empezar a usarla. Y, a partir de ahí, ajustar el modelo a la potencia del iPhone o iPad para encontrar el equilibrio entre velocidad y calidad que mejor encaje en cada caso.
Preguntas frecuentes (FAQ)
¿Qué modelos de IA soporta Locally AI en iPhone y iPad?
La app es compatible con modelos abiertos como Meta Llama 3.2 y 3.1, Google Gemma 2, 3 y 3n, Qwen 2 VL, 2.5 y 3, DeepSeek R1, además de familias como SmolLM (Hugging Face), Granite (IBM), Cogito (Deep Cogito) o LFM (Liquid AI). Todos se ejecutan offline tras su descarga.
¿Cómo funciona la IA sin conexión en iOS?
Una vez descargado el modelo dentro de la app, todo el procesamiento se realiza en el dispositivo, sin peticiones a la nube ni inicio de sesión. Puedes usarla sin internet y sin crear cuenta: basta con instalar, elegir un modelo y empezar a chatear.
¿Es privada y segura la ejecución local de modelos?
Sí. Locally AI recalca que no hay procesamiento en la nube ni recolección de datos: los prompts, las respuestas y los archivos que compartas no salen del iPhone o iPad. La privacidad depende del dispositivo: tú controlas qué guardar o eliminar.
¿Cómo personalizar el comportamiento del asistente en el dispositivo?
La app permite ajustar el system prompt para que el modelo responda con el tono, el formato o las instrucciones que prefieras (por ejemplo, respuestas concisas, pasos numerados, estilo docente, etc.). Así puedes alinear la IA local con tu uso personal o profesional.
Disponible para descargar en la AppStore.
