Skip to main content
PromptQuorum
Startseite/Lokale LLMs Pro/LLM Farm im Test (2026): Open-Source-GGUF-App, nicht mehr im App Store
Mobile & Edge LLMs

LLM Farm im Test (2026): Open-Source-GGUF-App, nicht mehr im App Store

·11 Min. Lesezeit·Von Hans Kuepper · Gründer von PromptQuorum, Multi-Model-AI-Dispatch-Tool · PromptQuorum
Lesen auf:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

LLM Farm ist eine kostenlose, quelloffene (MIT-Lizenz) iOS- und macOS-App, die GGUF-Sprachmodelle vollständig auf dem Gerät ausführt — sie lässt sich aktuell weder über den App Store noch über TestFlight installieren. Entwickelt von Artem Savkin (guinmoon auf GitHub) und erstmals im Dezember 2023 veröffentlicht, hat das GitHub-Repository über 2.000 Sterne und mehr als 180 Forks. Apple entfernte den App-Store-Eintrag im August 2025, und das README beschreibt beide Vertriebswege — App Store und TestFlight — zum Zeitpunkt dieses Tests weiterhin als „vorübergehend nicht verfügbar". Der Quellcode bleibt öffentlich und MIT-lizenziert, sodass sich die App per Xcode kompilieren und installieren lässt — dafür braucht es jedoch einen Apple-Entwickler-Account und Erfahrung im Bauen von iOS-Apps aus dem Quellcode. Für die meisten Nutzer ist dies keine App mehr zum Antippen und Installieren.

LLM Farm ist eine kostenlose, unter der MIT-Lizenz quelloffene App für iOS und macOS, die GGUF-Sprachmodelle direkt auf dem Gerät ausführt — über einen Swift-Wrapper rund um ggml und llama.cpp. Entwickelt wurde sie von Artem Savkin (GitHub-Nutzername guinmoon), der die App im Dezember 2023 erstmals im App Store veröffentlichte. Zum Zeitpunkt dieses Tests lässt sich LLM Farm weder aus dem App Store noch über TestFlight installieren — Apple entfernte den Eintrag im August 2025, und das GitHub-README des Projekts beschreibt die App weiterhin als „vorübergehend nicht verfügbar" in beiden Kanälen. Dieser Test beschreibt, was die App leistet, ihre LoRA-Finetuning- und Merge-Werkzeuge (eine Funktion, die den meisten mobilen Local-AI-Apps fehlt), wie man sie heute aus dem Quellcode baut — und vor allem, warum sie für alle ungeeignet ist, die keine eigene iOS-App kompilieren möchten.

LLM Farm im Test (2026): Open-Source-GGUF-App, nicht mehr im App Store

Wichtigste Erkenntnisse

  • Kostenlos und quelloffen (MIT-Lizenz); Quellcode und Issue-Tracker sind öffentlich auf GitHub.
  • Entwickelt von Artem Savkin, der unter dem GitHub-Namen guinmoon veröffentlicht — erstmals im Dezember 2023 im App Store erschienen.
  • Apple entfernte den App-Store-Eintrag im August 2025; das Projekt-README beschreibt sowohl App Store als auch TestFlight weiterhin als „vorübergehend nicht verfügbar".
  • Führt GGUF-Modelle über eine eigene ggml/llama.cpp-basierte Engine auf mehr als 16 Modellarchitekturen aus, darunter LLaMA, Gemma, Qwen, Phi, Mixtral und DeepSeek.
  • Eine der wenigen mobilen Local-AI-Apps mit integriertem Laden, Finetuning und Zusammenführen von LoRA-Adaptern direkt auf dem Gerät.
  • Nur iOS (16+) und macOS (13+) — kein Android, Windows oder Linux.

📍 In einem Satz

LLM Farm ist eine kostenlose, quelloffene (MIT-Lizenz) iOS- und macOS-App zum lokalen Ausführen von GGUF-Sprachmodellen, entwickelt von Artem Savkin — sie ist aktuell weder im App Store noch bei TestFlight verfügbar; der einzige Weg ist der Eigenbau aus dem Quellcode.

💬 In einfachen Worten

Es handelt sich um eine App, mit der man mit einem KI-Modell chatten könnte, das vollständig auf dem eigenen iPhone oder Mac läuft, ohne Cloud-Server und mit offenem Quellcode — allerdings lässt sie sich derzeit nicht auf normalem Weg aus dem App Store laden; man müsste sie selbst mit Apples Entwicklertool Xcode kompilieren.

📌Hinweis: Dieser Test basiert auf dem öffentlichen GitHub-Repository (README, Wiki-FAQ, Lizenzdatei, Commit- und Release-Historie) sowie dem Status im Apple App Store, geprüft im September 2026. PromptQuorum hat für diesen Test keine eigenen praktischen Tests mit LLM Farm durchgeführt — die Hardware-Angaben unten sind allgemeine Richtwerte für lokale LLMs, keine app-spezifischen Messungen.

⚠️Warnung: Zum Zeitpunkt dieses Tests lässt sich LLM Farm weder aus dem App Store noch über TestFlight installieren. Der frühere App-Store-Eintrag unter apps.apple.com/app/llm-farm/id6461209867 ist nicht mehr erreichbar. Wer die App nutzen möchte, muss sie selbst mit Xcode aus dem Quellcode bauen — dafür ist ein kostenloser oder kostenpflichtiger Apple-Entwickler-Account sowie Erfahrung mit iOS-Build-Tools nötig.

Was ist LLM Farm?

**LLM Farm ist eine Mobil- und Desktop-App, die offene Sprachmodelle im GGUF-Format herunterlädt und lokal auf iPhone, iPad oder Mac ausführt — über einen Swift-Wrapper (die eigene Bibliothek des Entwicklers, llmfarm_core.swift) rund um ggml und llama.cpp als Inferenz-Engine.** Die App selbst ist MIT-lizenziert, der vollständige Quellcode ist also öffentlich einsehbar, forkbar und veränderbar.

LLM Farm unterstützt eine breite Palette an Modellarchitekturen jenseits der gängigen LLaMA-Familie — das Repository listet mehr als 16 unterstützte Architekturen, darunter GPT-2, Starcoder, Falcon, MPT, Bloom, StableLM und RWKV, sowie multimodale Vision-Language-Modelle wie LLaVA und Moondream. Hinzu kommen Werkzeuge zum Laden, Finetuning und Zusammenführen von LoRA-Adaptern direkt auf dem Gerät — ein Funktionsumfang, der eher an ein lokales ML-Experimentierwerkzeug als an eine einfache Chat-App erinnert.

Wer hat LLM Farm entwickelt?

**LLM Farm wurde von Artem Savkin entwickelt, der unter dem GitHub-Namen guinmoon veröffentlicht, und erschien erstmals am 13. Dezember 2023 im App Store.** Die Lizenzdatei im Repository nennt Artem Savkin als Urheberrechtsinhaber, datiert auf 2023.

Das Projekt wird unabhängig gepflegt, nicht von einem finanzierten Unternehmen. Das GitHub-Repository wurde im Juni 2023 angelegt und hat zum Zeitpunkt dieses Tests über 2.000 Sterne und mehr als 180 Forks gesammelt, bei 46 offenen Issues im Tracker. Die Entwicklung ging seit der Entfernung aus dem App Store unregelmäßig weiter: Die Commit-Historie zeigt Aktualisierungen der zugrunde liegenden llama.cpp-Engine bis Dezember 2025 sowie ein README-Update im Januar 2026 — der letzte getaggte Release (Version 1.4.3) erschien jedoch im Januar 2025, sodass seit über einem Jahr Code-Änderungen ohne neues gepacktes Release erfolgen.

  • Entwickler: Artem Savkin (GitHub: guinmoon), arbeitet unabhängig statt als Unternehmen.
  • App-Store-Start: 13. Dezember 2023. GitHub-Repository angelegt: 14. Juni 2023.
  • Lizenz: MIT — permissive Open-Source-Lizenz, frei nutzbar, forkbar und veränderbar. Urheberrechtsinhaber laut Lizenzdatei: Artem Savkin, 2023.
  • Über 2.000 GitHub-Sterne und mehr als 180 Forks zum Zeitpunkt dieses Tests, bei einem aktiven, aber unbearbeiteten Issue-Tracker (46 offene Issues).
  • Entwicklungstempo: seit 2025 unregelmäßig — Commits zur Aktualisierung der llama.cpp-Abhängigkeit und der Dokumentation liefen bis Anfang 2026 weiter, aber seit Version 1.4.3 im Januar 2025 erschien kein neuer getaggter Release.

Ist LLM Farm noch im App Store?

Nein. Zum Zeitpunkt dieses Tests lässt sich LLM Farm nicht aus dem Apple App Store herunterladen, und auch der TestFlight-Beta-Kanal ist geschlossen. Die App wurde ursprünglich am 13. Dezember 2023 im App Store veröffentlicht und laut Release- und Commit-Historie des Projekts um den 8. August 2025 von Apple entfernt. Der frühere App-Store-Eintrag unter apps.apple.com/app/llm-farm/id6461209867 ist nicht mehr erreichbar.

Das GitHub-README des Projekts erklärt direkt: „The app is temporarily unavailable in TestFlight and Appstore" (Die App ist vorübergehend nicht in TestFlight und im App Store verfügbar). PromptQuorum konnte den Grund für die Entfernung nicht ermitteln — das Repository nennt keinen — und kann nicht bestätigen, ob oder wann die App in einen der beiden Vertriebswege zurückkehren könnte. Eine ältere Wiki-FAQ-Seite erwähnt, dass der Entwickler früher angeboten hat, Nutzern per E-Mail eine manuelle .ipa-Datei zu bauen, falls TestFlight nicht zugänglich war; dieser Test konnte nicht bestätigen, ob dieses Angebot noch gilt, da das aktuelle README es nicht wiederholt.

  • App-Store-Status: laut Commit- und Release-Historie des Projekts seit etwa August 2025 entfernt.
  • TestFlight-Status: laut aktuellem GitHub-README zum Zeitpunkt dieses Tests geschlossen.
  • Grund für die Entfernung: weder vom Entwickler noch von Apple in einer für PromptQuorum auffindbaren Quelle genannt.
  • Einziger bestätigter aktueller Weg zur Installation: Eigenbau aus dem Quellcode per Xcode über das öffentliche GitHub-Repository.

So bekommen Sie LLM Farm heute

Da LLM Farm aktuell nicht im App Store verfügbar ist, bedeutet die Nutzung, das quelloffene Projekt selbst mit Xcode aus dem Quellcode zu bauen — eine deutlich höhere Hürde als das Herunterladen einer App. Die folgenden Schritte folgen der Bauanleitung im GitHub-Repository des Projekts.

  1. 1
    Xcode und einen Apple-Entwickler-Account installieren
    Why it matters: Sie brauchen einen Mac mit installiertem Xcode sowie einen kostenlosen oder kostenpflichtigen Apple-Entwickler-Account, um die App zu kompilieren und für Ihr eigenes Gerät zu signieren. Das ist die größte Hürde für Nicht-Entwickler.
  2. 2
    Repository rekursiv klonen
    Why it matters: Führen Sie `git clone --recurse-submodules https://github.com/guinmoon/LLMFarm` aus — die Option `--recurse-submodules` ist erforderlich, da die zugrunde liegende Inferenz-Bibliothek `llmfarm_core` in ein separates Repository ausgelagert wurde und als Submodul eingebunden wird.
  3. 3
    Projekt in Xcode öffnen und für Ihr Gerät bauen
    Why it matters: Öffnen Sie die Xcode-Projektdatei, wählen Sie Ihr Gerät oder das Mac-Ziel aus, hinterlegen Sie Ihr eigenes Entwickler-Signierteam und bauen Sie das Projekt. So erhalten Sie eine App, die auf Ihrer eigenen Hardware läuft — jedoch keine, die Sie über den App Store an andere weitergeben können.
  4. 4
    GGUF-Modell herunterladen und laden
    Why it matters: Sobald die App läuft, fügen Sie eine GGUF-Modelldatei (von Hugging Face oder einer anderen Quelle) hinzu und laden sie über die Modellverwaltung der App — danach läuft der Chat vollständig auf dem Gerät.

Welche Modelle unterstützt LLM Farm?

LLaMA, Gemma, Qwen, Phi, Mixtral, DeepSeek, Yi, StableLM

Kategorie:
Textgenerierung
Hinweise:
Wird als GGUF-Datei über die ggml/llama.cpp-basierte Engine der App geladen

GPT-2, Starcoder, Falcon, MPT, Bloom, RWKV, Mamba, GPTNeoX, PLaMo

Kategorie:
Textgenerierung (ältere / Nischen-Architekturen)
Hinweise:
Breitere Architekturabdeckung als die meisten konkurrierenden Mobil-Apps

LLaVA (1.5/1.6), BakLLaVA, Obsidian, ShareGPT4V, MobileVLM, Yi-VL, Moondream

Kategorie:
Multimodal (Vision-Language)
Hinweise:
Unterstützung für Bild-plus-Text-Eingaben laut Projekt-README

Jedes andere GGUF- oder GGJTv3-Modell

Kategorie:
Individueller Import
Hinweise:
GGUF erfordert die Endung .gguf, das ältere GGJTv3-Format die Endung .bin, laut Projekt-Wiki

Ist LLM Farm für iPhone, iPad und Mac verfügbar?

iPhone / iPad

Verfügbarkeit:
Erfordert Eigenbau per Xcode — zum Zeitpunkt dieses Tests nicht im App Store installierbar
Hinweise:
Mindestens iOS 16 laut Projekt-README; für die Inferenz auf dem Gerät wird Metal-Beschleunigung genutzt.

Mac

Verfügbarkeit:
Erfordert Eigenbau per Xcode
Hinweise:
Mindestens macOS 13 laut Projekt-README; native macOS-Unterstützung neben iOS/iPadOS ist in derselben Codebasis vorhanden.

Android / Windows / Linux

Verfügbarkeit:
Nicht unterstützt
Hinweise:
LLM Farm gibt es nicht für Android, Windows oder Linux. Android-Nutzer sollten stattdessen RikkaHub, ChatterUI oder Maid in Betracht ziehen.

Was kostet LLM Farm?

LLM Farm selbst ist kostenlos und quelloffen unter der MIT-Lizenz — es gibt keinen Kaufpreis und kein Abo für den Code oder die Chat-Funktion der App. PromptQuorum konnte in Repository, Wiki oder dem archivierten App-Store-Text weder einen In-App-Kauf noch eine Premium-Stufe oder einen kostenpflichtigen Marktplatz innerhalb von LLM Farm finden.

Die eigentlichen Kosten für die Nutzung von LLM Farm heute sind indirekt: Sie brauchen einen Mac, um die App zu bauen (Xcode gibt es nur für macOS), und je nach Art Ihres Apple-Entwickler-Accounts entweder gar keine Kosten (kostenloses Personal-Team-Signieren, beschränkt auf eigene Geräte mit einem alle sieben Tage ablaufenden Zertifikat) oder die Gebühr des Apple Developer Program für ein länger gültiges Signierzertifikat. Darüber hinaus belegen heruntergeladene GGUF-Modelldateien Speicherplatz — typischerweise mehrere Gigabyte pro Modell, wie bei jeder anderen lokalen LLM-App auch.

  • Die App selbst: Kostenlos, MIT-lizenzierte Open-Source-Software — kein Kaufpreis für Code oder Funktionen gefunden.
  • In-App-Käufe: In den für diesen Artikel geprüften Quellen keine gefunden.
  • Build-Werkzeuge: Xcode ist kostenlos, erfordert aber einen Mac; eine kostenlose Apple-ID kann Builds für den persönlichen Gebrauch mit einem Zertifikat signieren, das etwa alle sieben Tage erneuert werden muss — eine kostenpflichtige Apple-Developer-Program-Mitgliedschaft vermeidet diesen Zyklus.
  • Speicherkosten: Nicht monetär, aber real — jede heruntergeladene GGUF-Modelldatei belegt Speicherplatz, typischerweise mehrere Gigabyte pro Modell.

Welche Funktionen bietet LLM Farm?

Über das lokale Ausführen von GGUF-Modellen hinaus ist der Funktionsumfang von LLM Farm laut GitHub-README und Wiki eher der eines lokalen ML-Experimentierwerkzeugs als der eines einfachen Chat-Clients. Dazu zählen:

  • Breite Architekturunterstützung. Mehr als 16 Modellarchitekturen, darunter einige (Starcoder, Falcon, MPT, Bloom, RWKV, GPTNeoX), die andere mobile Local-AI-Apps meist nicht unterstützen.
  • Multimodale (Vision-Language-)Modelle. Unterstützung für LLaVA, BakLLaVA, Obsidian, ShareGPT4V, MobileVLM, Yi-VL und Moondream ermöglicht laut README die Verarbeitung von Bild-plus-Text-Prompts.
  • Mehrere Sampling-Methoden. Temperature, Tail-Free Sampling (TFS), Locally Typical Sampling, Mirostat, Greedy und grammatikbeschränktes Sampling werden als unterstützte Optionen aufgeführt.
  • Grammatikbeschränkte Ausgabe. Grammar-Sampling erlaubt es, die Ausgabe eines Modells auf eine definierte Struktur (z. B. gültiges JSON) zu beschränken — nützlich für strukturierte Ausgaben.
  • Modell-Einstellungsvorlagen und Kontext-Wiederherstellung. Gespeicherte Konfigurationen pro Modell sowie die Möglichkeit, den Kontextzustand einer Unterhaltung wiederherzustellen, statt ihn neu zu verarbeiten.
  • Apple-Shortcuts-Integration. Die App lässt sich laut README aus Apples Shortcuts-Automatisierungsapp heraus auslösen.
  • Einfaches Retrieval-Augmented Generation (RAG). Das README listet RAG-Fähigkeiten, dokumentiert aber in den für diesen Artikel geprüften Materialien nicht im Detail die genaue Retrieval-Methode oder unterstützte Dokumentformate.

LoRA-Finetuning und Merging auf dem Gerät

LLM Farm bietet LoRA-Werkzeuge (Low-Rank Adaptation) direkt auf dem Gerät — Laden von Adaptern, Finetuning eines Basismodells und Zusammenführen eines trainierten Adapters mit dem Basismodell — eine Kombination, die den meisten mobilen Local-AI-Apps komplett fehlt. Laut Wiki-Dokumentation des Projekts:

LoRA-Adapter lassen sich laden, indem Adapterdateien in ein Verzeichnis lora_adapters gelegt werden — entweder als einzelner Adapter über die Chat-Einstellungen oder als mehrere Adapter mit individuellen Skalierungsparametern in einer Konfigurationsdatei. Finetuning ist direkt in der App unter Settings > FineTune verfügbar, ist laut Wiki auf mobiler Hardware jedoch ressourcenintensiv — auf iOS ist es laut Dokumentation praktisch auf Modelle mit rund 3 Milliarden Parametern bei minimalen Einstellungen begrenzt. Eine separate Funktion unter Settings > Merge Lora erlaubt es, einen trainierten Adapter mit seinem Basismodell zusammenzuführen und zu exportieren, wobei das Wiki für praktikable iOS-Performance eine Quantisierung von Q4_K oder kleiner empfiehlt.

  • Laden eines oder mehrerer LoRA-Adapter, jeweils mit eigenem konfigurierbarem Skalierungsparameter.
  • Finetuning eines Basismodells auf dem Gerät über Settings > FineTune — laut Wiki praktisch auf etwa 3B-Parameter-Modelle bei minimalen Einstellungen für iOS begrenzt.
  • Zusammenführen eines trainierten LoRA-Adapters mit dem Basismodell und Export über Settings > Merge Lora.
  • Kompromiss: Laut Wiki lässt sich das speicherplatz-schonende mmap-Laden nicht nutzen, solange ein LoRA-Adapter angehängt ist, was den RAM-Bedarf gegenüber dem alleinigen Basismodell erhöht.

Welche Hardware brauchen Sie für LLM Farm?

Das gewählte Modell, nicht die App selbst, bestimmt den tatsächlichen Hardware-Mindestbedarf — als allgemeine Richtwerte für lokale LLMs benötigt ein quantisiertes Modell mit 2–4 Milliarden Parametern etwa 3–4 GB freien Arbeitsspeicher, ein Modell mit 7–8 Milliarden Parametern 8 GB oder mehr. Das sind allgemeine GGUF-Richtwerte, kein LLM-Farm-spezifischer Benchmark; PromptQuorum hat den genauen Speicherbedarf von LLM Farm pro Modell nicht selbst gemessen.

Auf iPhone, iPad und Mac nutzt LLM Farm Metal-Beschleunigung für die Inferenz, was die Geschwindigkeit gegenüber reiner CPU-Ausführung auf Apple-Silicon-Hardware in der Regel verbessert. Die App benötigt laut Projekt-README mindestens iOS 16 oder macOS 13 — ältere Geräte, die diese Betriebssystemversionen nicht ausführen können, können die App unabhängig vom RAM nicht nutzen.

  • Kleine Modelle (2–4 Mrd. Parameter, quantisiert): auf den meisten aktuellen iPhones und Macs mit 4 GB+ freiem RAM nutzbar.
  • Mittelgroße Modelle (7–8 Mrd. Parameter, quantisiert): 8 GB oder mehr Geräte-RAM empfohlen für akzeptable Reaktionsgeschwindigkeit.
  • LoRA-Finetuning speziell: laut Projekt-Wiki auf iOS praktisch auf rund 3B-Parameter-Modelle bei minimalen Einstellungen begrenzt, wegen der Rechen- und Speichergrenzen auf dem Gerät.
  • Mindest-Betriebssystem: iOS 16 oder macOS 13, laut GitHub-README.
  • Speicherplatz: mehrere Gigabyte freier Gerätespeicher pro heruntergeladener GGUF-Modelldatei einplanen.

Für wen sich LLM Farm eignet

  • Entwickler, die eine App aus dem Quellcode in Xcode bauen können. Da App Store und TestFlight derzeit geschlossen sind, ist das eine harte Voraussetzung, kein „nice-to-have".
  • Nutzer, die gezielt LoRA-Finetuning oder Adapter-Merging auf dem Gerät wollen. Diesen Funktionsumfang bieten die meisten konkurrierenden mobilen Local-AI-Apps überhaupt nicht.
  • Nutzer, die die größtmögliche Bandbreite an unterstützten Modellarchitekturen auf einem mobilen Gerät wollen. Über 16 Architekturen, darunter mehrere Nischen-Architekturen (RWKV, Mamba, GPTNeoX), sind für eine Handy-App ungewöhnlich umfangreich.
  • Nutzer, die den Code selbst einsehen oder verändern möchten. Die MIT-Lizenz erlaubt Forken und Verändern, und die Codebasis ist eine nützliche Referenz, um einen Swift-basierten llama.cpp/ggml-Wrapper zu verstehen.

Für wen sich LLM Farm nicht eignet

  • Alle, die keine iOS/macOS-App aus dem Quellcode bauen können oder wollen. Das ist der größte Grund, LLM Farm derzeit zu meiden: Es gibt keine App-Store-Installation und zum Zeitpunkt dieses Tests keinen bestätigten TestFlight-Zugang.
  • Nutzer, die Android-, Windows- oder Linux-Unterstützung brauchen. LLM Farm ist reine Apple-Software; Android-Nutzer sollten RikkaHub, ChatterUI oder Maid in Betracht ziehen, Desktop-Nutzer ohne Mac Ollama, LM Studio oder Jan AI.
  • Nutzer, die heute eine garantiert installierbare App wollen. PocketPal AI und Private LLM lassen sich beide sofort aus dem App Store installieren, ohne etwas selbst zu bauen.
  • Nutzer, die häufige, versionierte Releases erwarten. Der letzte getaggte Release des Projekts erschien im Januar 2025; obwohl Commits seitdem unregelmäßig weiterliefen, gab es seit über einem Jahr kein neues gepacktes Release.
  • Nutzer, die verlässlichen Support oder eine klare Roadmap brauchen. LLM Farm wird laut Repository-Historie unabhängig von einer einzelnen Person gepflegt, ohne erklärte Zusage, die App-Store-Verfügbarkeit wiederherzustellen.

LLM Farm im Vergleich zu Alternativen

LLM Farm

Lizenz / Kosten:
Kostenlos, quelloffen (MIT)
Plattformen:
iPhone/iPad, Mac
Aktueller Installationsweg:
Nur Eigenbau per Xcode — App Store und TestFlight sind geschlossen
Artikel über LLM Farm (4)

Auch erwähnt in:

PocketPal AI

Lizenz / Kosten:
Kostenlos, quelloffen (MIT)
Plattformen:
iPhone/iPad, Android
Aktueller Installationsweg:
App Store und Google Play, direkt installierbar

Private LLM

Lizenz / Kosten:
Kostenpflichtig, einmaliger Kauf; Closed Source
Plattformen:
iPhone/iPad/Mac (nur Apple)
Aktueller Installationsweg:
App Store, direkt installierbar

Enclave AI

Lizenz / Kosten:
Kostenlos mit kostenpflichtiger Stufe; Closed Source
Plattformen:
iPhone/iPad/Mac (nur Apple)
Aktueller Installationsweg:
App Store, direkt installierbar

Layla

Lizenz / Kosten:
Kostenlose und kostenpflichtige Stufen; Closed Source
Plattformen:
Android und iOS laut layla-network.ai
Aktueller Installationsweg:
Aktuelle Store-Verfügbarkeit vorab auf layla-network.ai prüfen
Artikel über Layla (3)

Auch erwähnt in:

Maid

Lizenz / Kosten:
Kostenlos, quelloffen
Plattformen:
Android
Aktueller Installationsweg:
Google Play oder Eigenbau

ChatterUI

Lizenz / Kosten:
Kostenlos, quelloffen (AGPL-3.0)
Plattformen:
Android
Aktueller Installationsweg:
Eigenbau oder Sideload einer Release-APK

RikkaHub

Lizenz / Kosten:
Kostenlos, quelloffen
Plattformen:
Android
Aktueller Installationsweg:
GitHub Releases oder Eigenbau

AnythingLLM Mobile

Lizenz / Kosten:
Kostenlos, quelloffen
Plattformen:
Android; iOS zum Zeitpunkt dieses Tests noch nicht verfügbar
Aktueller Installationsweg:
Google Play oder die AnythingLLM-Mobile-Seite

Der Verfügbarkeitsstatus ändert sich in dieser Kategorie häufig — diese Tabelle spiegelt wider, was PromptQuorum im September 2026 bestätigen konnte. Prüfen Sie vor Nutzung eines Links die jeweilige Projektseite auf Aktualität.

Häufig gestellte Fragen

Gibt es LLM Farm noch?

Das quelloffene Projekt ist auf GitHub weiterhin aktiv, die App lässt sich aber aktuell weder über den App Store noch über TestFlight installieren. Apple entfernte den App-Store-Eintrag etwa im August 2025, und das README des Projekts beschreibt beide Kanäle zum Zeitpunkt dieses Tests weiterhin als „vorübergehend nicht verfügbar". Der einzige aktuelle Weg ist der Eigenbau per Xcode.

Warum wurde LLM Farm aus dem App Store entfernt?

PromptQuorum konnte in keiner für diesen Artikel geprüften Quelle einen genannten Grund von Entwickler oder Apple finden. Das GitHub-README des Projekts bestätigt die Entfernung, ohne die Ursache zu erklären.

Ist LLM Farm kostenlos?

Ja. LLM Farm ist kostenlos und quelloffen unter der MIT-Lizenz, und PromptQuorum fand in den geprüften Quellen keinen Hinweis auf In-App-Käufe oder eine kostenpflichtige Stufe. Die praktischen Kosten sind ein Mac samt Xcode zum Bauen der App sowie ein Apple-Entwickler-Account.

Wer hat LLM Farm entwickelt?

LLM Farm wurde von Artem Savkin entwickelt, der unter dem GitHub-Namen guinmoon veröffentlicht. Es wird unabhängig gepflegt, nicht von einem Unternehmen.

Ist LLM Farm quelloffen?

Ja, der vollständige Quellcode ist auf GitHub unter der MIT-Lizenz veröffentlicht — einer permissiven Lizenz, die freie Nutzung, Veränderung und Weitergabe erlaubt.

Kann LLM Farm Modelle mit LoRA feintunen?

Ja, laut Wiki-Dokumentation des Projekts. LLM Farm unterstützt das Laden von LoRA-Adaptern, das Finetuning eines Basismodells auf dem Gerät (laut Wiki auf iOS praktisch auf etwa 3B-Parameter-Modelle begrenzt) sowie das Zusammenführen eines trainierten Adapters mit dem Basismodell. Diesen Funktionsumfang bieten die meisten konkurrierenden mobilen Local-AI-Apps nicht.

Funktioniert LLM Farm auf Android?

Nein. LLM Farm unterstützt laut GitHub-README nur iOS (16+) und macOS (13+). Android-Nutzer sollten stattdessen RikkaHub, ChatterUI oder Maid in Betracht ziehen.

Wie installiere ich LLM Farm ohne den App Store?

Klonen Sie das GitHub-Repository rekursiv mit git clone --recurse-submodules, öffnen Sie das Projekt in Xcode, signieren Sie es mit Ihrem eigenen Apple-Entwickler-Account und bauen Sie es für Ihr Gerät. Dafür brauchen Sie einen Mac und Grundkenntnisse in Xcode und iOS-Code-Signierung.

Wie schneidet LLM Farm im Vergleich zu PocketPal AI oder Private LLM ab?

LLM Farm und PocketPal AI sind beide kostenlos und MIT-lizenziert, aber LLM Farm erfordert derzeit den Eigenbau, während PocketPal AI direkt aus App Store und Google Play installierbar ist. LLM Farm unterstützt mehr Modellarchitekturen und bietet LoRA-Finetuning auf dem Gerät, das weder PocketPal AI noch das kostenpflichtige, Closed-Source Private LLM bieten. Wählen Sie LLM Farm nur, wenn Sie bereit sind, eine App selbst zu bauen; wählen Sie PocketPal AI oder Private LLM, wenn Sie etwas heute Installierbares wollen. Details finden Sie in der Vergleichstabelle oben.

Fazit

LLM Farm bleibt eines der technisch leistungsfähigsten quelloffenen Local-AI-Projekte für Apple-Geräte — Architekturabdeckung sowie LoRA-Finetuning und -Merging auf dem Gerät gehen weiter als bei den meisten mobilen Apps dieser Kategorie, PocketPal AI und Private LLM eingeschlossen. Doch zum Zeitpunkt dieses Tests ist es keine App, die die meisten Menschen tatsächlich installieren können: Apple hat sie im August 2025 aus dem App Store entfernt, der TestFlight-Zugang ist laut Projekt-README geschlossen, und der einzige bestätigte Weg zur Nutzung ist das eigenständige Kompilieren des quelloffenen Codes in Xcode. Das ist ein vertretbarer Aufwand für Entwickler, die den Code einsehen, mit LoRA-Finetuning experimentieren oder eine ungewöhnliche Modellarchitektur nutzen möchten. Für alle, die heute einfach eine App herunterladen und privat chatten möchten, ist das jedoch keine zumutbare Hürde — dafür sind PocketPal AI (kostenlos, quelloffen, direkt installierbar) oder Private LLM (kostenpflichtig, ausgereift, direkt installierbar) die praktikablen Optionen aus dem Abschnitt zu Alternativen oben.

Quellen

← Zurück zu Lokale LLMs Pro