Hace dos años, decirle a alguien que podía correr un modelo de lenguaje decente en su ordenador de casa era un ejercicio de wishful thinking. Los modelos capaces requerían GPUs de decenas de miles de euros. Hoy, con una tarjeta gráfica de gama media o incluso con la CPU de un portátil moderno, puedes tener un asistente de IA funcionando en local que rivaliza con lo que ofrecían los servicios de pago de 2023.
La diferencia entre estas herramientas y las que aparecen en cualquier comparativa de herramientas de IA gratuitas en la nube es simple: aquí tus datos no salen de tu máquina. No hay límites de mensajes, no hay política de privacidad que leer, no hay servidor remoto procesando lo que escribes. Y cada vez que los agentes de IA ganan terreno en entornos empresariales, la alternativa local se vuelve más relevante para quien quiere control real sobre qué hace la IA con su información.
Esta lista cubre 35 herramientas organizadas por categoría: chat y modelos de lenguaje, generación de imágenes, asistentes para código, voz, traducción, búsqueda y productividad. Todas corren en tu hardware. Ninguna manda tus datos a ningún servidor externo. Ninguna requiere suscripción. Para quien quiera ir más lejos y montar una infraestructura completa de servicios propios, la guía de self-hosting 2026 con 50 herramientas para recuperar tu privacidad cubre el contexto más amplio.
Los requisitos mínimos varían: algunos modelos funcionan bien con 8 GB de RAM y CPU, otros necesitan GPU. Se indica en cada caso.
Chat y modelos de lenguaje: las plataformas de ejecución
Estas herramientas son las que permiten descargar y ejecutar modelos de lenguaje en local. Son la base de la mayoría de las demás.
1. Ollama — La forma más sencilla de correr modelos en local. Una línea de terminal y el modelo está descargado y funcionando. Compatible con Mac (con aceleración en chips Apple Silicon), Linux y Windows. Tiene biblioteca propia de modelos (Llama 3.3, Mistral, Phi-4, Gemma 3, Qwen 2.5, DeepSeek R2...) y una API REST compatible con la de OpenAI, lo que facilita conectarlo con otras herramientas. Requiere mínimo 8 GB de RAM para los modelos más pequeños.
2. LM Studio — Interfaz gráfica para descargar y ejecutar modelos GGUF. Más visual que Ollama, ideal para quien prefiere no tocar la terminal. Incluye buscador de modelos desde HuggingFace integrado, historial de conversaciones y también API REST. Compatible con Windows y Mac.
3. GPT4All — De los más veteranos de este espacio. Interfaz gráfica sencilla, funciona sin conexión a internet una vez descargados los modelos, y tiene modo RAG para hacer preguntas sobre tus propios documentos. Compatible con Windows, Mac y Linux.
4. Jan — Interfaz de chat moderna con soporte para múltiples modelos. Se parece visualmente a ChatGPT, lo que reduce la curva de adaptación. Incluye gestión de extensiones y soporte de modelos en la nube como alternativa si quieres compatibilidad híbrida. Compatible con los tres sistemas operativos principales.
5. Open WebUI — La interfaz más completa para Ollama. Se instala como aplicación web local y añade historial de conversaciones multiusuario, soporte de imágenes (con los modelos multimodales), RAG con documentos, integración con herramientas externas y una gestión de modelos más visual que la terminal. Para quien quiere la experiencia de ChatGPT pero completamente local.
6. LocalAI — Backend compatible con la API de OpenAI que permite correr modelos de texto, imagen y voz usando la misma interfaz que usarías con los servicios de pago. Útil para sustituir llamadas a la API de OpenAI en aplicaciones propias apuntando al servidor local.
Los mejores modelos para correr en local
No son herramientas sino los modelos que más merecen atención en 2026 para uso en hardware doméstico.
7. Llama 3.3 70B (Meta) — La versión cuantizada de 4 bits (Q4_K_M, unos 40 GB) requiere GPU con 24 GB de VRAM o una configuración CPU+RAM de 64 GB. En formato 8B (unos 5 GB) funciona bien en GPUs de 8 GB. El mejor modelo open source en relación calidad-tamaño para tareas generales.
8. Mistral Small 3.1 — 22B de parámetros, buena relación rendimiento-tamaño para hardware con 16 GB de VRAM. Punto fuerte en tareas de razonamiento y código.
9. Phi-4 (Microsoft) — 14B parámetros con rendimiento sorprendentemente alto para su tamaño en benchmarks de razonamiento matemático. Funciona en GPUs de 10-12 GB de VRAM.
10. Gemma 3 12B (Google) — El modelo de Google disponible en local. Buena coherencia en conversaciones largas y soporte multilingüe mejorado respecto a versiones anteriores.
11. Qwen 2.5 32B (Alibaba) — Destaca en tareas de código y en idiomas distintos al inglés, incluido el español. La versión de 7B es útil incluso en hardware modesto.
12. DeepSeek R2-Lite (DeepSeek) — El modelo de razonamiento paso a paso más accesible para correr en local. Sus "cadenas de pensamiento" visibles lo hacen especialmente útil para tareas de resolución de problemas complejos.
Generación de imágenes en local
13. Stable Diffusion (con AUTOMATIC1111) — El frontend más completo para Stable Diffusion. Generación de imágenes desde texto, inpainting, outpainting, upscaling, control de poses con ControlNet y soporte de miles de modelos y LoRAs disponibles en CivitAI. Requiere GPU NVIDIA con 4 GB de VRAM como mínimo, mejor con 8 GB o más.
14. ComfyUI — El frontend más potente y flexible, basado en nodos visuales. Más complejo que AUTOMATIC1111 pero mucho más extensible. Es la opción de referencia para flujos de trabajo avanzados con Stable Diffusion XL, Flux y otros modelos.
15. InvokeAI — Alternativa a AUTOMATIC1111 con interfaz más moderna y mejor soporte de flujos de trabajo creativos. Especialmente buena para trabajos de inpainting y edición de imágenes asistida por IA.
16. Fooocus — La opción para quien quiere generación de imágenes de alta calidad con la mínima configuración. Basada en Flux y SDXL, tiene modos preconfigurados que funcionan bien sin ajustes. Ideal para empezar sin aprender los detalles técnicos.
17. Draw Things (Mac/iOS) — Para usuarios de Apple, la app nativa de generación de imágenes con Stable Diffusion que aprovecha los chips M-series. Sin instalación compleja, con soporte de decenas de modelos desde la app. Completamente local y gratuita.
Asistentes de código en local
18. Continue.dev — Plugin para VS Code y JetBrains que conecta con Ollama o LM Studio para dar asistencia de código directamente en el editor sin enviar nada a servidores externos. Autocompletado, explicación de código, generación de tests. Configuración inicial de 10 minutos.
19. Aider — Asistente de código desde la terminal que trabaja directamente sobre los archivos del repositorio. Compatible con modelos locales vía Ollama. Para quienes prefieren el flujo de trabajo desde la línea de comandos.
20. Tabby — Servidor de autocompletado de código self-hosted. Se instala en local y expone una API compatible con varios editores. Pensado para equipos que quieren asistencia de código sin depender de GitHub Copilot.
21. Twinny — Plugin para VS Code con soporte de Ollama para autocompletado y chat contextual. Más sencillo de configurar que Continue.dev pero con menos opciones. Buena opción de entrada.
Voz: transcripción y síntesis
22. Whisper (OpenAI, open source) — El modelo de transcripción de voz de OpenAI está disponible para uso local. Transcribe audio con gran precisión en español y decenas de idiomas más. Funciona bien incluso en CPU. Varias interfaces gráficas lo envuelven para hacerlo más accesible.
23. Whisper.cpp — Implementación de Whisper optimizada para CPU, especialmente rápida en chips Apple Silicon. Funciona en Mac sin GPU.
24. FasterWhisper — Versión de Whisper con optimizaciones de velocidad (hasta 4x más rápido que la implementación original) para GPU NVIDIA. Recomendable si tienes tarjeta gráfica.
25. Kokoro TTS — Síntesis de voz de alta calidad, open source, que corre completamente en local. Produce voz que suena natural en inglés y con calidad aceptable en español. Ligera y rápida incluso en CPU.
26. Piper TTS — Alternativa a Kokoro con mayor soporte de idiomas, incluido el español con voces específicas. Muy ligera, diseñada para correr en hardware modesto incluyendo Raspberry Pi.
Traducción en local
27. LibreTranslate — Motor de traducción automática completamente open source que puedes instalar en tu servidor o en local. Calidad inferior a DeepL o Google Translate para idiomas comunes, pero privacidad total y sin límites de caracteres.
28. Argos Translate — Biblioteca de traducción en Python que también tiene interfaz gráfica. Modelos descargables por par de idiomas. Buena opción para integrar traducción local en scripts y aplicaciones propias.
Búsqueda e investigación
29. Perplexica — Alternativa open source a Perplexity AI. Realiza búsquedas web y usa un LLM local (vía Ollama) para sintetizar las respuestas con fuentes. La búsqueda va a internet, pero el procesamiento de la respuesta ocurre en tu máquina.
30. SearXNG — Metabuscador self-hosted que agrega resultados de Google, Bing, DuckDuckGo y decenas de fuentes más sin identificarte. La opción de soberanía total en búsqueda web. Puede complementar a Perplexica como motor de búsqueda subyacente.
Análisis de documentos
31. AnythingLLM — La opción más completa para hacer preguntas sobre tus propios documentos usando IA local. Soporta PDF, Word, TXT, código y páginas web. Conecta con Ollama como backend. Tiene interfaz gráfica de escritorio y versión servidor. Ideal para bases de conocimiento privadas.
32. Privatemode AI — Servicio de análisis de documentos con cifrado de extremo a extremo. No es 100% local (usa infraestructura propia), pero el cifrado garantiza que ni el proveedor puede acceder al contenido. Útil para quien quiere privacidad sin la complejidad técnica del self-hosting.
33. Docling (IBM, open source) — Librería para extraer y estructurar el contenido de PDFs, incluyendo tablas y figuras, lista para ser procesada por modelos de lenguaje. Más una herramienta de pipeline que una app de usuario final, pero esencial para flujos de trabajo de análisis documental.
Productividad y flujos de trabajo
34. n8n (self-hosted) — Automatización de flujos de trabajo con soporte nativo de nodos de IA que conectan con modelos locales. Alternativa a Zapier o Make con datos que no salen de tu servidor.
35. Flowise — Constructor visual de flujos de trabajo con LLMs, drag and drop, sin código. Conecta con Ollama, LM Studio y otros backends locales. Permite construir chatbots y pipelines de procesamiento de texto con una interfaz gráfica.
Qué hardware necesitas realmente
Para los modelos de chat más capaces (7B-13B parámetros): una GPU con 8-12 GB de VRAM (RTX 3060 12GB, RTX 4060 Ti 16GB) o, en Mac, cualquier chip M2 o posterior con 16 GB de RAM unificada.
Para generación de imágenes con Stable Diffusion o Flux: mínimo 8 GB de VRAM, mejor con 12 GB o más.
Para uso solo con CPU: es posible con modelos pequeños (3B-7B cuantizados), pero es lento. Los chips Apple Silicon son la excepción: su memoria unificada permite correr modelos más grandes con buen rendimiento incluso sin GPU dedicada.
La IA local no reemplaza en todos los casos a los servicios en la nube, pero en 2026 el punto de cruce entre calidad y control propio está mucho más cerca de lo que estaba hace dos años.
0 Comentarios