Elegir un modelo de inteligencia artificial (IA) local para programar en un Mac no consiste en descargar el que encabeza las tablas de rendimiento: el autocompletado, el chat sobre código y los agentes que leen y modifican archivos piden modelos distintos, y la memoria del equipo decide cuáles caben. Para un agente, además, importa menos lo bien que escribe el modelo que lo rápido que lee, porque cada sesión empieza con miles de tokens de instrucciones, herramientas y archivos.
Las claves de elegir un modelo local para programar en Mac en 20 segundos
- Autocompletado, chat y agentes necesitan modelos distintos.
- Para autocompletar siguen mandando los pequeños Qwen2.5-Coder base.
- Para agentes conviene un modelo MoE que lea rápido, como Qwen3.6-35B-A3B.
- Ollama limita el contexto por defecto según la memoria y puede quedarse corto para agentes.
El auge de herramientas como Claude Code, OpenCode, Cline o Codex ha llevado a muchos desarrolladores a probar modelos abiertos en su propio portátil para ahorrar costes o no enviar código fuera. Ya explicamos cómo sustituir parte de Claude Code por modelos locales en un Mac; esta guía se centra en qué descargar según la memoria del equipo y el tipo de trabajo.
Tres trabajos, tres modelos
El autocompletado del editor funciona con un formato concreto, fill-in-the-middle (FIM): el editor envía el código antes y después del cursor y espera unos pocos tokens casi al instante. La documentación de Continue, una de las extensiones más usadas para esto, explica que un modelo de 3.000 millones de parámetros puede funcionar bien, pero que los modelos de chat, aunque sean mayores, suelen rendir mal en esta tarea incluso con mucho trabajo de instrucciones. Por eso los recomendados siguen siendo los Qwen2.5-Coder de 2024 en su versión base: el de 1.500 millones de parámetros para equipos modestos y el de 7.000 millones si sobra memoria, ambos con licencia Apache 2.0. El de 3.000 millones tiene licencia de investigación no comercial, un detalle a vigilar en entornos de empresa.
El chat de código, pegar una función y preguntar por qué es lenta, usa instrucciones cortas y respuestas que se leen enteras, así que aquí sí compensa el modelo con mejores resultados aunque sea más lento.
El agente es el más exigente. Lee archivos, llama a herramientas y arrastra un mensaje de sistema, las definiciones de herramientas y toda la conversación. Necesita un contexto largo, un analizador de llamadas a herramientas que funcione y, sobre todo, velocidad de lectura del prompt (prefill). Cada archivo que abre y cada resultado que recibe es texto nuevo que leer antes de poder responder.
Por qué un modelo MoE suele ganar para agentes
Los modelos de mezcla de expertos (MoE) cargan en memoria todos sus parámetros, pero cada token solo pasa por una parte. Qwen3.6-35B-A3B, publicado por Alibaba en abril de 2026 con licencia Apache 2.0, tiene 35.000 millones de parámetros en total y unos 3.000 millones activos por token. Eso le permite leer y escribir mucho más rápido que un modelo denso de tamaño parecido, aunque este último puntuara algo mejor en las pruebas de programación. Para un agente que abre cada sesión leyendo decenas de miles de tokens, esa diferencia se nota más que unos puntos en un benchmark.
Su versión de 4 bits para MLX, el framework de Apple, ocupa unos 20,4 GB, y la etiqueta de Ollama ronda los 23-24 GB. En el escalón inferior, gpt-oss-20b, el modelo abierto que OpenAI publicó en 2025, tiene unos 21.000 millones de parámetros con alrededor de 3.600 millones activos, y es una alternativa razonable para equipos con menos memoria. Usa el formato Harmony de OpenAI, así que conviene comprobar que la herramienta del agente lo maneja bien.
Qué cabe en cada Mac
macOS no entrega a la GPU toda la memoria unificada: reserva una parte para el sistema y el límite puede ampliarse temporalmente con sudo sysctl iogpu.wired_limit_mb=N, aunque conviene dejar margen porque esa memoria no se puede paginar. Además, el modelo comparte RAM con el editor y el navegador, y el contexto ocupa memoria adicional. Con esas cautelas, una orientación razonable es esta:
- 16 GB: un modelo de unos 8.000-9.000 millones de parámetros para chat y Qwen2.5-Coder 1.5B para autocompletar. No es un equipo para agentes: leer un prompt largo puede llevar más de un minuto.
- 24 GB: gpt-oss-20b como agente, cargando un modelo cada vez.
- 32 GB: el primer escalón donde Qwen3.6-35B-A3B en 4 bits cabe como agente, muy justo y con contexto moderado.
- 48 y 64 GB: margen para darle más contexto al agente, subir el autocompletado a Qwen2.5-Coder 7B y tener un modelo denso de chat cargado a la vez.
- 96 y 128 GB: espacio para modelos MoE mucho mayores. Más memoria no hace más rápido el mismo chip; sirve para más contexto y más modelos simultáneos.
Dos ajustes que rompen agentes en silencio
El primero es el contexto. Según su documentación, Ollama fija por defecto 4.096 tokens con menos de 24 GiB de memoria de vídeo, 32.000 entre 24 y 48 GiB y 256.000 a partir de 48 GiB, y recomienda al menos 64.000 tokens para agentes y herramientas de programación. En un Mac de 16 o 24 GB, un agente con la configuración por defecto trabaja con 4.000 tokens y va descartando los mensajes más antiguos sin avisar. Se corrige con OLLAMA_CONTEXT_LENGTH=64000 ollama serve o desde el ajuste de longitud de contexto de la aplicación, y se comprueba con ollama ps.
El segundo es el analizador de llamadas a herramientas. Que un servidor ofrezca una API compatible con la de OpenAI no garantiza que interprete bien las llamadas de cada familia de modelos. La propia ficha de Qwen3.6 indica a los usuarios de vLLM y SGLang que activen --tool-call-parser qwen3_coder. Antes de culpar al modelo, conviene lanzar varias veces una petición de prueba con una herramienta sencilla y comprobar que la respuesta termina con una llamada estructurada y no con el JSON escrito como texto. Ya contamos también cómo Ollama aceleró los modelos en Mac con MLX, otro factor que cambia mucho los tiempos.
Preguntas frecuentes
¿Qué modelo local uso para autocompletar código en un Mac?
Qwen2.5-Coder base de 1.500 millones de parámetros, o el de 7.000 millones si hay memoria de sobra. Ambos tienen licencia Apache 2.0 y están entrenados para fill-in-the-middle.
¿Puedo usar un agente de programación local en un Mac de 16 GB?
Es posible, pero lento: leer el prompt largo de un agente puede llevar más de un minuto. Es mejor reservar ese equipo para chat y autocompletado.
¿Qué contexto necesita un agente en Ollama?
Ollama recomienda al menos 64.000 tokens para agentes y herramientas de programación. Por debajo de 24 GiB de memoria, el valor por defecto es 4.096.
¿Por qué un modelo MoE es mejor para agentes?
Porque solo activa una parte de sus parámetros por token, lo que acelera la lectura del prompt, el tiempo que más pesa cuando el agente trabaja con miles de tokens.
Fuentes:
