Tu propio ChatGPT sin suscripción ni nube: cómo correr un LLM local y por qué importa
Correr modelos de IA en tu computadora es posible, gratis y más privado. La guía que todo profesional tech debería tener.
Por Ariel Serato · Cofundador y editor de IA y Tecnología3 min de lectura
La privacidad y el costo ya no son excusas para depender de la nube. Ejecutar un modelo de lenguaje directamente en tu computadora —sin enviar datos a ningún servidor externo— es hoy una opción real, accesible y, en muchos casos, suficientemente potente para el trabajo diario.
El caso de fondo: privacidad y autonomía
Cada vez que usás ChatGPT, Claude o Perplexity, tus consultas viajan a servidores de terceros donde pueden ser revisadas o analizadas. Los LLMs locales eliminan ese vector de riesgo por completo: todo el procesamiento ocurre en tu máquina, offline si es necesario, según detalla Wired.
Además, no hay suscripción mensual ni límites de uso. Modelos de Meta y Google, entre otros, están disponibles para descargar de forma gratuita.
Lo que necesitás (y lo que te falta si tenés poco RAM)
El hardware es el cuello de botella. El mínimo funcional es 8 GB de RAM, aunque con esa cantidad los modelos disponibles y su velocidad serán limitados. Con 16 GB la experiencia mejora notoriamente; para los modelos más avanzados y rápidos, se requieren 32 GB o más.
En Windows, una GPU dedicada de Nvidia marca una diferencia significativa: los chips gráficos están optimizados para las operaciones que los modelos de IA ejecutan, razón por la cual Nvidia y el boom de la IA están tan entrelazados. Para mejores resultados, más de 8 GB de VRAM en la GPU es el umbral que vale la pena apuntar.
En macOS, la arquitectura Apple Silicon —que unifica CPU, GPU y RAM en un solo chip— resulta especialmente eficiente para correr LLMs, lo que la convierte en la plataforma preferida de la comunidad de IA local.
El software: por dónde empezar
El punto de entrada más recomendado para Windows y macOS es LM Studio Bionic, una aplicación gratuita que actúa como interfaz para descargar y gestionar modelos. Alternativas más técnicas incluyen vLLM, Llama.cpp, Ollama y GPT4All, todas disponibles para múltiples sistemas operativos.
Para explorar y elegir modelos, el repositorio de referencia es Hugging Face, que cuenta con más de 3 millones de modelos disponibles. Los modelos más pequeños descargan más rápido y ocupan menos espacio; los más grandes exigen más hardware pero ofrecen mayor capacidad.
LM Studio Bionic permite cambiar entre modelos instalados, adjuntar archivos e imágenes (si el modelo es multimodal) y personalizar la experiencia desde una interfaz que funciona de manera similar a cualquier chatbot comercial.
La consecuencia estratégica
La tendencia hacia los LLMs locales no es solo una curiosidad técnica: es una señal de hacia dónde se mueve la autonomía digital. Para equipos que manejan información sensible —legal, financiera, estratégica— tener un modelo propio, sin dependencia de terceros ni costos recurrentes, puede ser una ventaja competitiva concreta.
La pregunta ya no es si los LLMs locales son viables. Es cuánto tiempo más vas a seguir pagando suscripciones por algo que podés correr vos mismo.
