Skip to main content
PromptQuorum
Startseite/Lokale LLMs Pro/Private LLM im Test (2026): KI-Chat auf dem Gerät für iPhone, iPad und Mac
Mobile & Edge LLMs

Private LLM im Test (2026): KI-Chat auf dem Gerät für iPhone, iPad und Mac

·9 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

Private LLM ist eine App mit 4,99-$-Einmalkauf für iPhone, iPad und Mac, die mehr als 140 Open-Source-KI-Modelle vollständig auf dem Gerät ausführt — ohne Konto und ohne Abonnement. Entwickelt von Numen Technologies Limited, nutzt sie OmniQuant- und GPTQ-Quantisierung, die laut Entwickler pro Bit mehr Ausgabequalität erhält als die Round-to-Nearest-Quantisierung mancher konkurrierender Apps. Ein Kauf schaltet die vollständige Modellbibliothek auf allen drei Apple-Plattformen frei und über Familienfreigabe für bis zu sechs Personen. Leser, die eine kostenlose Alternative suchen oder Android/Windows/Linux nutzen, sollten sie mit PocketPal AI vergleichen, das kostenlos und quelloffen ist.

Private LLM, entwickelt von Numen Technologies Limited, ist eine kostenpflichtige App mit einmaligem Kaufpreis für iPhone, iPad und Mac, die Open-Source-Sprachmodelle vollständig auf dem Gerät ausführt — ohne Konto, ohne Cloud-Fallback und ohne Abonnement. Sie kostet 4,99 $ im Apple App Store — ein einmaliger Kauf, der alle drei Apple-Plattformen abdeckt und über Familienfreigabe bis zu sechs Personen einschließt. App-Store-Preise können je nach Region variieren; prüfen Sie vor dem Kauf den aktuellen Preis im deutschen App Store. Die App unterstützt mehr als 140 Open-Source-Modelle aus Familien wie Llama, Qwen, Gemma, Mistral und Phi-4 und nutzt ein Quantisierungsverfahren namens OmniQuant (kombiniert mit GPTQ), das laut Entwickler mehr Modellqualität erhält als die einfachere Round-to-Nearest-Quantisierung, die manche konkurrierende Apps verwenden. Die praktische Frage für Leser, die lokale KI-Apps vergleichen, ist nicht, ob On-Device-Chat auf einem iPhone funktioniert — mehrere auf dieser Seite behandelte Apps beweisen das bereits —, sondern ob ein einmaliger Kauf für 4,99 $ mit 140+ kuratierten Modellen sich gegenüber kostenlosen Alternativen wie PocketPal AI oder Enclave AI lohnt.

Private LLM im Test (2026): KI-Chat auf dem Gerät für iPhone, iPad und Mac

Wichtigste Erkenntnisse

  • Preis: 4,99 $ Einmalkauf im Apple App Store; kein Abonnement und keine In-App-Käufe zum Zeitpunkt dieses Tests gelistet.
  • Plattformen: nur iPhone, iPad und Mac — keine Android-, Windows- oder Linux-App im App Store.
  • Entwickler: Numen Technologies Limited, laut eigener Website ein kleines, eigenfinanziertes Team mit Sitz in der EU.
  • Modellbibliothek: mehr als 140 Open-Source-Modelle, darunter Llama, Qwen, Gemma, Mistral, Phi-4 und auf DeepSeek R1 Distill basierende Modelle.
  • Quantisierung: nutzt OmniQuant und GPTQ, was laut Entwickler pro Bit bessere Ausgabequalität liefert als die Round-to-Nearest-Quantisierung (RTN), die manche konkurrierenden Apps verwenden.
  • Datenschutz: Das App-Store-Datenschutzlabel gibt an, dass der Entwickler keine Daten aus der App sammelt; zum Chatten ist kein Konto oder Login erforderlich.
  • Extras: Siri- und Shortcuts-Integration über zwei App Intents, plus Familienfreigabe für bis zu sechs Personen bei einem Kauf.
  • Version 1.9.15 (Juli 2026) ist die aktuelle Version; die App erschien erstmals im Juni 2023 im App Store.

📍 In einem Satz

Private LLM ist eine App mit 4,99-$-Einmalkauf für iPhone, iPad und Mac von Numen Technologies Limited, die mehr als 140 Open-Source-KI-Modelle vollständig auf dem Gerät mit OmniQuant- und GPTQ-Quantisierung ausführt — ohne Konto, ohne Cloud-Fallback und ohne Abonnement.

💬 In einfachen Worten

Stellen Sie es sich vor wie den einmaligen Kauf einer lokalen KI-Chat-App, wie bei einer gewöhnlichen App-Store-App, statt ein Abo für einen Cloud-Chatbot abzuschließen — das Modell läuft auf dem eigenen iPhone oder Mac, sodass nichts, was Sie eingeben, das Gerät verlässt.

Was Private LLM ist

Private LLM ist eine native Apple-App, die Open-Source-Sprachmodelle herunterlädt und direkt auf einem iPhone, iPad oder Mac ausführt, ohne serverseitige Komponente. Sobald ein Modell heruntergeladen ist, benötigt die App keine Internetverbindung, um eine Antwort zu generieren — alles läuft lokal über CPU, GPU und Neural Engine des Geräts.

Sie wird von Numen Technologies Limited entwickelt und gepflegt, das sich auf der eigenen Website als "von zwei Ingenieuren gebaut, nicht von VCs" beschreibt — ein kleines, eigenfinanziertes Team statt eines Venture-Capital-finanzierten Unternehmens. Die App erschien erstmals im Juni 2023 im App Store als Private LLM - Local AI Chat (App-Store-ID 6448106860) und wurde seither kontinuierlich aktualisiert — die aktuelle Version 1.9.15 erschien im Juli 2026.

Anders als Apps, die Chat-Anfragen an eine entfernte API senden, beruht das gesamte Wertversprechen von Private LLM auf lokaler Inferenz: Der Entwickler wirbt mit den Aussagen "keine Cloud, kein Tracking, keine Logins" und dass Unterhaltungen "das Gerät nie verlassen". Dieser Test prüft diese Behauptung anhand dessen, was das App-Store-Datenschutzlabel und die FAQ des Entwicklers tatsächlich dokumentieren, statt den Slogan einfach zu übernehmen.

Erste Schritte

Die Einrichtung von Private LLM dauert vier Schritte und erfordert keine Kontoerstellung. Der gesamte Vorgang, vom App-Store-Download bis zur ersten Antwort, dauert in der Regel wenige Minuten plus die Zeit, die das gewählte Modell zum Herunterladen benötigt.

  1. 1
    App kaufen und installieren
    Why it matters: Laden Sie [Private LLM aus dem Apple App Store](https://apps.apple.com/us/app/private-llm-local-ai-chat/id6448106860) für 4,99 $ herunter. Dies ist ein Einmalkauf — es gibt keine kostenlose Testversion und kein wiederkehrendes Abonnement zu verwalten.
  2. 2
    Ein zur Hardware passendes Modell wählen
    Why it matters: Öffnen Sie den In-App-Modell-Browser und wählen Sie ein Modell, das zur eigenen Hardware passt. Der Entwickler empfiehlt: Die meisten iPhones führen Llama 3.2 3B oder Qwen3 4B problemlos aus, iPhone 15 Pro und neuer bewältigen Llama 3.1 8B, und ein Mac mit 48 GB Unified Memory kann Llama 3.3 70B ausführen.
  3. 3
    Das Modell herunterladen
    Why it matters: Modelldateien reichen je nach Parameteranzahl und Quantisierungsstufe von etwa 2 GB bis zu mehreren zehn Gigabyte. Dieser Schritt erfordert eine Internetverbindung; alle folgenden Schritte nicht.
  4. 4
    Vollständig offline chatten
    Why it matters: Sobald das Modell heruntergeladen ist, können Sie den Flugmodus aktivieren, um die Offline-Behauptung selbst zu überprüfen — Chat, Zusammenfassung und Umformulierung (auf dem Mac) laufen alle ohne Netzwerkverbindung.
  5. 5
    Optional: Siri und Shortcuts verbinden
    Why it matters: Private LLM stellt zwei App Intents für Siri und die Shortcuts-App bereit, mit denen eine Modellantwort per Sprachbefehl oder Automatisierung ausgelöst werden kann, ohne die App direkt zu öffnen.

Preise: Der Einmalkauf erklärt

Private LLM kostet 4,99 $ als einmaligen Kauf im Apple App Store — es gibt kein Abonnement und keine In-App-Käufe im aktuellen Eintrag. Dieser Preis wurde für diesen Test direkt anhand des App-Store-Eintrags geprüft. App-Store-Preise können je nach Region abweichen; prüfen Sie den aktuellen Preis im deutschen App Store vor dem Kauf.

4,99 $ (einmalig)

Was enthalten ist:
Vollständige App für iPhone, iPad und Mac; Zugriff auf die vollständige Bibliothek mit 140+ Modellen; Familienfreigabe für bis zu sechs Personen
Was nicht enthalten ist:
Eine Android-, Windows- oder Linux-Version — der App-Store-Kauf schaltet keine plattformübergreifende Lizenz frei

App-Store-Preise können sich ohne Vorankündigung ändern und je nach Region unterscheiden. Prüfen Sie den aktuellen Preis im App-Store-Eintrag vor dem Kauf. Für diesen Test geprüft am 2026-09-05.

Unterstützte Modelle und OmniQuant-Quantisierung

Die Bibliothek von Private LLM umfasst mehr als 140 Open-Source-Modelle für allgemeine Zwecke, Programmierung und sprachspezifische Feinabstimmungen. Zu den in der eigenen Dokumentation des Entwicklers genannten Modellfamilien gehören Llama 3, 3.1, 3.2 und 3.3; auf Qwen 2.5 und Qwen3 basierende Modelle; Gemma 2 und Gemma 3; Phi-4; Mixtral; sowie auf DeepSeek R1 Distill basierende Modelle, dazu regionsspezifische Optionen wie SauerkrautLM (Deutsch), DictaLM (Hebräisch), RakutenAI (Japanisch) und Yi (Chinesisch).

Die App quantisiert diese Modelle mit OmniQuant, bei manchen Modellen kombiniert mit GPTQ — beides optimierungsbasierte Quantisierungsverfahren statt des einfacheren Round-to-Nearest-Ansatzes (RTN), den manche konkurrierenden lokalen KI-Apps nutzen. Laut den eigenen Vergleichsseiten des Entwicklers passt optimierungsbasierte Quantisierung den Quantisierungsbereich anhand von Kalibrierungsdaten an, was bei gegebener Bitbreite mehr von der ursprünglichen Ausgabequalität des Modells erhalten kann als RTN. Dies ist die eigene technische Behauptung des Entwicklers, gestützt auf dessen eigene Dokumentation — sie wurde nicht unabhängig von PromptQuorum an den konkreten quantisierten Modelldateien von Private LLM benchmarkt.

Hardware-Empfehlung des Entwicklers: Die meisten iPhones führen Llama 3.2 3B oder Qwen3 4B problemlos aus; iPhone 15 Pro und neuer können Llama 3.1 8B ausführen; und ein Mac mit 48 GB Unified Memory kann Llama 3.3 70B ausführen. Dies sind die eigenen Empfehlungen des Entwicklers, keine unabhängig benchmarkten Werte — die tatsächliche Leistung hängt von Quantisierungsstufe, Kontextlänge und Hintergrundlast ab.

Plattformen: iPhone, iPad, Mac und Vision Pro

iPhone

Was Sie erwartet:
Erfordert iOS 17.0 oder neuer und einen A12-Bionic-Chip oder neuer (iPhone XS und neuer, laut App-Store-Eintrag). Die Modellgröße sollte zum verfügbaren RAM passen.
Wichtiger Hinweis:
Die meisten iPhones bewältigen Modelle mit 3–4 Milliarden Parametern gut; nur iPhone 15 Pro und neuer werden laut Entwickler für 8B-Modelle empfohlen.

iPad

Was Sie erwartet:
Führt dieselbe App und Modellbibliothek wie das iPhone aus. Die FAQ des Entwicklers empfiehlt mindestens 4 GB RAM, ein iPad Pro (16 GB) wird für größere Modelle empfohlen.
Wichtiger Hinweis:
Ältere iPads mit weniger RAM sind auf kleinere quantisierte Modelle beschränkt.

Mac

Was Sie erwartet:
Native App für Apple-Silicon-Macs (M-Serie). Enthält zudem macOS-spezifische Schreibdienste (Grammatikkorrektur, Zusammenfassung, Umformulierung), die andere Apps aufrufen können.
Wichtiger Hinweis:
Laut FAQ des Entwicklers werden Intel-Macs technisch unterstützt, aber nicht empfohlen — die Inferenz ist ohne Apple Silicons Unified Memory und Neural Engine spürbar langsamer.

Apple Vision Pro

Was Sie erwartet:
Der App-Store-Eintrag zeigt Vision-Pro-Kompatibilität für dieselbe App.
Wichtiger Hinweis:
Dieser Test hat die Vision-Pro-Erfahrung nicht eigenständig geprüft; behandeln Sie dies als im App Store gelistete Kompatibilität, nicht als praktisch verifiziertes Feature.

Android, Windows, Linux

Was Sie erwartet:
Kein offizieller Eintrag bei Google Play, im Microsoft Store oder in einem Linux-Paket-Repository.
Wichtiger Hinweis:
Zeitweise kursierte eine inoffizielle Beta-APK außerhalb des Google Play Store; sie ist nicht Teil der primären Marketing-Website oder des unterstützten Release-Kanals des Entwicklers, daher behandelt dieser Test Android nicht als unterstützte Plattform.

Datenschutz: Was Private LLM sammelt und was nicht

Das App-Store-Datenschutzlabel von Private LLM gibt an, dass der Entwickler keine Daten aus der App sammelt, und die App erfordert weder Konto noch Login noch Registrierung. Der Entwickler bewirbt das Produkt selbst mit den Aussagen "keine Cloud, kein Tracking, keine Logins" und dass Unterhaltungen "das Gerät nie verlassen".

Da die Inferenz nach dem Herunterladen eines Modells lokal läuft, gibt es bei normaler Nutzung keine Chat-Daten, die an einen Server übertragen werden — die Architektur selbst, nicht nur ein Richtlinienversprechen, hält Unterhaltungen auf dem Gerät.

  • Kein Konto erforderlich. Sie können die App herunterladen, kaufen und nutzen, ohne ein Profil anzulegen oder sich anzumelden.
  • Keine Datensammlung laut App-Store-Label. Apples Datenschutz-Kennzeichnung für diesen Eintrag zeigt keine aus der App gesammelten Daten.
  • iCloud-Synchronisierung des Chat-Verlaufs ist nicht dokumentiert. Die öffentliche FAQ des Entwicklers beschreibt keine iCloud-Synchronisierung von Unterhaltungen zwischen Geräten — dieser Test behandelt dies als unbestätigt, statt es anzunehmen. Wenn geräteübergreifende Chat-Synchronisierung für Sie wichtig ist, prüfen Sie das aktuelle Verhalten direkt in der App, bevor Sie sich darauf verlassen.
  • Sandbox-Ausführung. Die App läuft innerhalb der Standard-App-Sandbox von Apple, derselben Isolation, der jede App-Store-App unterliegt — dies ist eine Plattformgarantie von Apple, kein Private-LLM-spezifisches Feature.

Firmengeschichte und Versions-Meilensteine

Private LLM erschien im Juni 2023 im App Store, Version 1.0.1 für iOS und Version 1.0.2 für macOS erschienen beide am 2. Juni 2023. Entwickelt wird die App von Numen Technologies Limited, das sich selbst als kleines, eigenfinanziertes Team ohne Venture-Capital-Finanzierung beschreibt.

  • Juni 2023. Erste App-Store-Veröffentlichung (iOS 1.0.1, macOS 1.0.2) mit einem feinabgestimmten Basismodell.
  • Juli 2023. Siri- und Shortcuts-Unterstützung (App Intents) hinzugefügt.
  • September 2023. Kompatibilität für die iPhone-15-Serie hinzugefügt.
  • Dezember 2023. Unterstützung auf ältere iPhones und iPads mit nur 3 GB RAM erweitert.
  • Januar 2024. Multi-Modell-Download eingeführt, wodurch die Bibliothek um TinyLlama, StableLM, Phi-2, Mistral, Llama und Gemma-Familienmodelle erweitert wurde.
  • Februar 2024. macOS-spezifische Schreibdienste hinzugefügt: Grammatikkorrektur, Zusammenfassung und Umformulierung, die andere Mac-Apps aufrufen können.
  • März 2024. Modellwechsel möglich, ohne die aktive Chat-Oberfläche zu verlassen.
  • Juli 2026. Version 1.9.15 verlagerte Modell-Downloads auf ein CDN statt Hugging Face, was laut Release Notes für schnellere Downloads sorgt; dies ist die aktuelle Version zum Zeitpunkt dieses Tests.

Kompromisse: Vorteile vs. Einschränkungen

Einmaliger Kauf für 4,99 $

Was das in der Praxis bedeutet:
Kein Abonnement zu verfolgen oder zu kündigen; einmal zahlen, unbegrenzt auf allen Apple-Geräten nutzen.
Einschränkung / Hinweis:
Sie ist nicht kostenlos — Leser, die eine Gratis-Option möchten, sollten sie mit PocketPal AI oder Enclave AI vergleichen.

140+ Modelle in der Bibliothek

Was das in der Praxis bedeutet:
Breite Auswahl an allgemeinen, Coding- und sprachspezifischen Modellen, ohne selbst nach GGUF-Dateien suchen zu müssen.
Einschränkung / Hinweis:
Die Bibliothek wird vom Entwickler kuratiert; ein beliebiges eigenes Fine-Tune lässt sich nicht importieren, wie es manche Open-Source-Apps erlauben.

OmniQuant- und GPTQ-Quantisierung

Was das in der Praxis bedeutet:
Der Entwickler gibt an, dass dies pro Bit mehr Modellqualität erhält als die einfachere Round-to-Nearest-Quantisierung.
Einschränkung / Hinweis:
Dies ist die eigene technische Behauptung des Entwicklers; PromptQuorum hat die konkreten Modelldateien von Private LLM nicht unabhängig gegen RTN-quantisierte Äquivalente benchmarkt.

Kein Konto, keine Datensammlung

Was das in der Praxis bedeutet:
Die App direkt nach dem Kauf nutzen, ohne sich irgendwo anmelden zu müssen; das App-Store-Datenschutzlabel zeigt keine gesammelten Daten.
Einschränkung / Hinweis:
Da die App Closed Source ist, lässt sich die Behauptung "keine Datensammlung" nicht unabhängig per Code-Audit prüfen, wie bei einer Open-Source-App.

Siri- und Shortcuts-Integration

Was das in der Praxis bedeutet:
Modellantworten per Sprachbefehl oder Automatisierung auslösen, ohne die App zu öffnen.
Einschränkung / Hinweis:
iOS beschränkt den GPU-Zugriff im Hintergrund, daher kann per Shortcuts ausgelöste Generierung langsamer oder eingeschränkter sein als Chat im Vordergrund.

Familienfreigabe für bis zu sechs Personen

Was das in der Praxis bedeutet:
Ein Kauf für 4,99 $ kann eine ganze Apple-Familienfreigabe-Gruppe abdecken.
Einschränkung / Hinweis:
Jedes Familienmitglied benötigt weiterhin ein eigenes unterstütztes Gerät und genug Speicher/RAM für die gewählten Modelle.

Private LLM vs. Alternativen

Private LLM

Plattformen:
iPhone/iPad/Mac (nur Apple)
Preis:
4,99 $ Einmalkauf
Modellflexibilität:
140+ kuratierte Modelle; OmniQuant/GPTQ-Quantisierung
Wesentlicher Unterschied:
Kostenpflichtig, Closed Source, kuratierte Bibliothek — kein beliebiger GGUF-Import
Artikel über Private LLM (10)

+4 weitere nicht angezeigt

PocketPal AI

Plattformen:
iPhone/iPad, mit teilweiser Android-Unterstützung
Preis:
Kostenlos, quelloffen
Modellflexibilität:
Jede GGUF-Datei, die der Nutzer von Hugging Face oder anderswo bezieht
Wesentlicher Unterschied:
Kostenlos und quelloffen; erfordert mehr manuelle Modellverwaltung

Enclave AI

Plattformen:
Variiert je nach Release — aktuellen Eintrag prüfen
Preis:
Siehe aktueller Eintrag
Modellflexibilität:
Siehe vollständiger Test für aktuelle Modellunterstützung
Wesentlicher Unterschied:
Siehe vollständiger Enclave-AI-Test für einen detaillierten Vergleich

Locally AI

Plattformen:
iPhone/iPad/Mac
Preis:
Kostenlos
Modellflexibilität:
Basiert auf Apple MLX; Zugriff auf Apples On-Device-Basismodell
Wesentlicher Unterschied:
Kostenlose Alternative, speziell auf Apples MLX-Framework aufgebaut

Arbiter

Plattformen:
Siehe vollständiger Test für aktuelle Plattformunterstützung
Preis:
Siehe aktueller Eintrag
Modellflexibilität:
Siehe vollständiger Test für aktuelle Modellunterstützung
Wesentlicher Unterschied:
Siehe vollständiger Arbiter-Test für einen detaillierten Vergleich

LLM Farm

Plattformen:
iOS/Mac (Open Source, GitHub: guinmoon/LLMFarm)
Preis:
Kostenlos, quelloffen
Modellflexibilität:
Eigene GGUF-Modelle über llama.cpp/ggml laden
Wesentlicher Unterschied:
Wurde laut eigener GitHub-README im August 2025 aus App Store und TestFlight entfernt — aktuelle Verfügbarkeit vor Nutzung prüfen

Layla

Plattformen:
iOS und Android
Preis:
19,99 $ plus In-App-Käufe
Modellflexibilität:
Eigene GGUF-Modelle; Fokus auf Charakter/Rollenspiel mit 100+ Stimmen
Wesentlicher Unterschied:
Plattformübergreifend (anders als Private LLM), aber teurer, mit Fokus auf Rollenspiel/Charaktere

Maid

Plattformen:
Plattformübergreifende Flutter-App (primär Android; läuft auch auf anderen von Flutter unterstützten Plattformen)
Preis:
Kostenlos, quelloffen (MIT-Lizenz)
Modellflexibilität:
Jede GGUF-Datei über llama.cpp; verbindet sich zudem remote mit Anthropic, DeepSeek, Ollama, Mistral, OpenAI
Wesentlicher Unterschied:
Kostenlos, vollständig quelloffen und nicht auf reine lokale Inferenz beschränkt

RikkaHub

Plattformen:
Android
Preis:
Kostenlos, quelloffen
Modellflexibilität:
Mehrere Cloud-Provider-APIs plus lokale Ausführung
Wesentlicher Unterschied:
Nur Android; versteht sich als Multi-Provider-Client, nicht als lokal-first-App

AnythingLLM Mobile

Plattformen:
Android (iOS geplant)
Preis:
Kostenlos, quelloffen
Modellflexibilität:
Führt GGUF-Modelle über Cactus Compute (llama.cpp für React Native) auf dem Gerät aus, oder koppelt sich mit einem selbst gehosteten AnythingLLM-Server
Wesentlicher Unterschied:
Für die Kopplung mit einem selbst gehosteten AnythingLLM-Workspace konzipiert, keine eigenständige Chat-App

Plattform-, Preis- und Feature-Details für Apps Dritter ändern sich häufig — prüfen Sie die aktuellen Angaben im jeweiligen App-Eintrag, bevor Sie sich entscheiden. Besonders die App-Store-Verfügbarkeit von LLM Farm sollte erneut geprüft werden, da die eigene GitHub-README die Entfernung aus dem App Store zum Stand August 2025 beschreibt.

Wer Private LLM nutzen sollte

  • Nur-Apple-Nutzer, die eine ausgereifte, kuratierte App möchten und einmal zahlen wollen. iPhone-, iPad- und Mac-Besitzer, denen eine gepflegte, aktiv aktualisierte App wichtiger ist als das Zusammenstellen einer eigenen GGUF-Dateisammlung, erhalten für 4,99 $ eine große Modellbibliothek direkt einsatzbereit.
  • Leser, denen Quantisierungsqualität wichtiger ist als reine Modellanzahl. Wenn der von OmniQuant und GPTQ beanspruchte Qualitätsvorteil pro Bit gegenüber Round-to-Nearest-Quantisierung für Ihren Anwendungsfall zählt, ist Private LLM eine der wenigen Consumer-Apps, die gezielt auf diesem Ansatz aufbaut.
  • Familien mit einer gemeinsamen Apple-ID-Gruppe. Familienfreigabe bedeutet, dass ein einziger Kauf für 4,99 $ bis zu sechs Personen abdecken kann — günstiger pro Person, als für nicht-technische Familienmitglieder mehrere kostenlose Apps einzeln einzurichten.
  • Nutzer, die Siri-/Shortcuts-Automatisierung möchten. Die beiden App Intents ermöglichen es, lokale KI-Antworten in bestehende iOS-Automatisierungen einzubinden, ohne die App zu öffnen.
  • Datenschutzbewusste Nutzer, die mit einer Closed-Source-App einverstanden sind. Wenn "keine gesammelten Daten" laut App-Store-Datenschutzlabel und "kein Konto erforderlich" Ihren Anspruch erfüllen, ohne selbst den Quellcode prüfen zu müssen, liefert die On-Device-Architektur von Private LLM genau das.

Wer Private LLM nicht nutzen sollte

  • Android-, Windows- oder Linux-Nutzer. Private LLM hat auf keiner dieser Plattformen eine offizielle App — wählen Sie stattdessen PocketPal AI (teilweise Android-Unterstützung), Maid, ChatterUI oder RikkaHub.
  • Leser, die eine völlig kostenlose Option möchten. 4,99 $ sind günstig, aber nicht kostenlos — PocketPal AI und Locally AI kosten beide nichts.
  • Leser, die die größten offenen Modelle ausführen möchten. Mobile Hardware begrenzt, was in den Speicher passt — selbst die eigene Empfehlung des Entwicklers begrenzt die meisten iPhones auf Modelle mit 3–8 Milliarden Parametern; nur ein Mac mit 48 GB+ Unified Memory erreicht die 70B-Klasse, und selbst diese Obergrenze liegt weit unter den größten offenen Modellen für Server-Hardware.
  • Teams oder Organisationen, die eine gemeinsam verwaltete Bereitstellung wünschen. Private LLM ist eine Einzelnutzer-, Einzelgerät-Consumer-App ohne Admin-Konsole, gemeinsame Lizenzverwaltung oder Team-Abrechnung — Organisationen sollten stattdessen selbst gehostete, serverseitige lokale-LLM-Infrastruktur in Betracht ziehen.
  • Leser, die den Quellcode der App selbst prüfen möchten. Private LLM ist Closed Source. Wenn Ihnen unabhängige Code-Überprüfung wichtig ist, ermöglicht eine Open-Source-Alternative wie PocketPal AI oder Maid eine direkte Verifizierung des Verhaltens.

Häufig gestellte Fragen

Wie viel kostet Private LLM?

Private LLM kostet 4,99 $ als Einmalkauf im Apple App Store, für diesen Test geprüft am 2026-09-05. Es gibt kein Abonnement und keine In-App-Käufe im aktuellen App-Store-Eintrag. App-Store-Preise können je nach Region variieren und sich über die Zeit ändern — prüfen Sie den aktuellen Preis vor dem Kauf.

Ist Private LLM für Android oder Windows verfügbar?

Es gibt keine offizielle Version bei Google Play, im Microsoft Store oder in einem Linux-Paket-Repository. Private LLM ist speziell für iPhone, iPad und Mac gebaut. Zeitweise kursierte eine inoffizielle Beta-APK außerhalb des Play Store, sie ist jedoch nicht Teil des primären, unterstützten Release-Kanals des Entwicklers, daher behandelt dieser Test Android als nicht unterstützt.

Wer entwickelt Private LLM?

Private LLM wird von Numen Technologies Limited entwickelt, das sich auf der eigenen Website als kleines, eigenfinanziertes Zwei-Ingenieure-Team ohne Venture-Capital-Finanzierung beschreibt.

Was ist OmniQuant, und warum nutzt Private LLM es?

OmniQuant ist ein optimierungsbasiertes Quantisierungsverfahren, das den Quantisierungsbereich anhand von Kalibrierungsdaten anpasst, statt des einfacheren Round-to-Nearest-Ansatzes (RTN). Private LLM kombiniert OmniQuant bei manchen Modellen mit GPTQ. Der Entwickler gibt an, dass dies bei gegebener Bitbreite mehr von der ursprünglichen Ausgabequalität eines Modells erhält als RTN-Quantisierung; dies ist die eigene technische Behauptung des Entwicklers, kein unabhängiger PromptQuorum-Benchmark der konkreten Modelldateien von Private LLM.

Funktioniert Private LLM vollständig offline?

Ja, sobald ein Modell heruntergeladen wurde. Die App benötigt eine Internetverbindung nur zum Herunterladen eines Modells oder App-Updates; Chat sowie macOS-spezifische Dienste wie Grammatikkorrektur und Zusammenfassung laufen danach ohne Netzwerkverbindung.

Sammelt Private LLM persönliche Daten?

Apples Datenschutz-Kennzeichnung für diesen Eintrag im App Store gibt an, dass der Entwickler keine Daten aus der App sammelt. Zur Nutzung ist kein Konto oder Login erforderlich. Dieser Test stützt sich auf das App-Store-Datenschutzlabel und nicht auf ein unabhängiges Audit des Closed-Source-Codes der App.

Synchronisiert Private LLM den Chat-Verlauf über iCloud zwischen Geräten?

Dies ist in der öffentlichen FAQ des Entwicklers nicht dokumentiert. Dieser Test behandelt eine iCloud-Synchronisierung von Unterhaltungen als unbestätigt, statt sie anzunehmen — prüfen Sie das aktuelle Verhalten direkt in der App, bevor Sie sich auf geräteübergreifende Chat-Kontinuität verlassen.

Welche Modelle kann ich auf einem iPhone mit Private LLM ausführen?

Laut Empfehlung des Entwicklers führen die meisten iPhones Modelle mit 3–4 Milliarden Parametern problemlos aus (zum Beispiel Llama 3.2 3B oder Qwen3 4B), während iPhone 15 Pro und neuer Modelle mit 8 Milliarden Parametern wie Llama 3.1 8B bewältigen können. Dies sind die Empfehlungen des Entwicklers, keine unabhängig benchmarkten Ergebnisse — die tatsächliche Leistung hängt von Quantisierungsstufe und verfügbarem RAM ab.

Wie schneidet Private LLM im Vergleich zu PocketPal AI ab?

Private LLM ist eine kostenpflichtige (4,99 $), Closed-Source-App nur für Apple mit einer kuratierten Bibliothek von 140+ Modellen und OmniQuant/GPTQ-Quantisierung. PocketPal AI ist kostenlos und quelloffen, läuft auf iPhone/iPad mit teilweiser Android-Unterstützung und erlaubt den Import beliebiger GGUF-Dateien statt einer kuratierten Liste. Wählen Sie Private LLM für eine gepflegte Einmalkauf-Erfahrung mit großer integrierter Modellbibliothek; wählen Sie PocketPal AI für ein kostenloses, überprüfbares, manuell konfigurierteres Setup.

Deckt ein Kauf von Private LLM mehrere Geräte oder Familienmitglieder ab?

Ja. Der Kauf für 4,99 $ deckt iPhone, iPad und Mac für die kaufende Apple-ID ab, und Apples Familienfreigabe erweitert diesen einen Kauf auf bis zu sechs Personen in derselben Familienfreigabe-Gruppe.

Fazit

Private LLM verdient seinen Platz unter den besser dokumentierten mobilen lokalen KI-Apps auf dieser Seite: ein klarer, direkt am App Store geprüfter Einmalpreis von 4,99 $, eine kuratierte Bibliothek mit mehr als 140 Open-Source-Modellen und ein konkreter, benannter Quantisierungsansatz (OmniQuant plus GPTQ) statt einer vagen "für Mobilgeräte optimiert"-Behauptung. Die eigenen Release Notes des Entwicklers zeigen drei Jahre kontinuierlicher Updates seit dem Start im Juni 2023 — eine spürbar längere Erfolgsbilanz als bei mehreren kleineren Apps in diesem Cluster. Die Kompromisse sind ebenso klar: Sie ist nur für Apple erhältlich, nicht kostenlos, ihre Modellliste ist kuratiert statt vollständig offen für eigene GGUF-Importe, und ihr Closed-Source-Code bedeutet, dass die Behauptung "keine gesammelten Daten" auf dem App-Store-Datenschutzlabel beruht statt auf unabhängiger Code-Prüfung. Leser, die eine gepflegte, kuratierte Einmalkauf-App über ihre Apple-Geräte hinweg möchten, sollten sie kaufen; Leser mit Android/Windows/Linux, Leser, die eine kostenlose Option möchten, oder Leser, die den Quellcode selbst prüfen möchten, sollten stattdessen mit PocketPal AI beginnen.

Quellen

← Zurück zu Lokale LLMs Pro