LLM Farm, análisis (2026): app GGUF de código abierto, fuera de la App Store

¿Qué es LLM Farm?

¿Quién creó LLM Farm?

• Desarrollador: Artem Savkin (GitHub: guinmoon), trabajando de forma independiente y no como empresa.
• Lanzamiento en la App Store: 13 de diciembre de 2023. Repositorio de GitHub creado: 14 de junio de 2023.
• Licencia: MIT, una licencia de código abierto permisiva, de uso, bifurcación y modificación libres. Titular de los derechos según el archivo LICENSE: Artem Savkin, 2023.
• Más de 2.000 estrellas en GitHub y más de 180 forks al momento de este análisis, con un rastreador de incidencias activo pero sin resolver (46 incidencias abiertas).
• Ritmo de desarrollo: intermitente desde 2025; los commits que actualizan la dependencia de llama.cpp y la documentación continuaron hasta principios de 2026, pero no se ha publicado ninguna versión etiquetada nueva desde la 1.4.3 en enero de 2025.

¿Sigue LLM Farm en la App Store?

• Estado en la App Store: retirada desde aproximadamente agosto de 2025, según el historial de commits y versiones del proyecto.
• Estado en TestFlight: cerrado, según el README actual de GitHub, al momento de este análisis.
• Motivo de la retirada: no indicado por el desarrollador ni por Apple en ninguna fuente que PromptQuorum haya podido localizar.
• Única vía confirmada para instalar la app actualmente: compilarla desde el código fuente mediante Xcode, a partir del repositorio público de GitHub.

Cómo conseguir LLM Farm hoy

1. 1
   Instalar Xcode y una cuenta de desarrollador de Apple
   Why it matters: Necesitas un Mac con Xcode instalado y una cuenta de desarrollador de Apple gratuita o de pago para compilar y firmar la app para tu propio dispositivo. Este es el principal obstáculo para quienes no son desarrolladores.
2. 2
   Clonar el repositorio de forma recursiva
   Why it matters: Ejecuta `git clone --recurse-submodules https://github.com/guinmoon/LLMFarm`; el indicador `--recurse-submodules` es necesario porque la biblioteca de inferencia subyacente `llmfarm_core` se trasladó a un repositorio separado y se incorpora como submódulo.
3. 3
   Abrir el proyecto en Xcode y compilarlo para tu dispositivo
   Why it matters: Abre el archivo de proyecto de Xcode, selecciona tu dispositivo o el destino Mac, configura tu propio equipo de firma de desarrollador y compila. Esto produce una app que puedes ejecutar en tu propio hardware, pero no una que puedas distribuir a otras personas a través de la App Store.
4. 4
   Descargar un modelo GGUF y cargarlo
   Why it matters: Una vez que la app esté en funcionamiento, añade un archivo de modelo GGUF (de Hugging Face u otra fuente) y cárgalo desde la pantalla de gestión de modelos de la app; luego empieza a chatear por completo en el dispositivo.

¿Qué modelos admite LLM Farm?

¿Está LLM Farm disponible en iPhone, iPad y Mac?

¿Cuánto cuesta LLM Farm?

• La app en sí: Gratuita, de código abierto con licencia MIT; no se encontró precio de compra por el código ni por sus funciones.
• Compras dentro de la app: No se encontró ninguna en las fuentes revisadas para este artículo.
• Herramientas de compilación: Xcode es gratuito, pero requiere un Mac; un ID de Apple gratuito puede firmar compilaciones para uso personal con un certificado que hay que renovar aproximadamente cada siete días, mientras que una membresía de pago del Apple Developer Program evita ese ciclo de renovación.
• Coste de almacenamiento: No monetario, pero real: cada archivo de modelo GGUF descargado ocupa espacio de almacenamiento, típicamente varios gigabytes por modelo.

¿Qué funciones tiene LLM Farm?

• Amplia compatibilidad de arquitecturas. Más de 16 arquitecturas de modelos, incluidas varias (Starcoder, Falcon, MPT, Bloom, RWKV, GPTNeoX) que otras apps móviles de IA local no suelen admitir.
• Modelos multimodales (visión y lenguaje). La compatibilidad con LLaVA, BakLLaVA, Obsidian, ShareGPT4V, MobileVLM, Yi-VL y Moondream permite a la app procesar indicaciones de imagen más texto, según el README.
• Varios métodos de muestreo. Temperature, Tail-Free Sampling (TFS), Locally Typical Sampling, Mirostat, Greedy y muestreo restringido por gramática figuran entre las opciones compatibles.
• Salida restringida por gramática. El muestreo por gramática permite restringir la salida de un modelo a una estructura definida (como JSON válido), útil para casos de uso de salida estructurada.
• Plantillas de configuración de modelo y restauración de contexto. Configuraciones guardadas por modelo, y la posibilidad de restaurar el estado de contexto de una conversación en lugar de reprocesarlo desde cero.
• Integración con Atajos de Apple. La app se puede activar desde la app de automatización Atajos de Apple, según el README.
• Generación aumentada por recuperación (RAG) básica. El README menciona capacidad de RAG, aunque la documentación del proyecto no detalla, en el material revisado para este artículo, su método exacto de recuperación ni los formatos de documento compatibles.

Ajuste fino y fusión de LoRA en el dispositivo

• Carga de uno o varios adaptadores LoRA, cada uno con su propio parámetro de escala configurable.
• Ajuste fino de un modelo base en el dispositivo mediante Settings > FineTune; según el wiki, limitado en la práctica a unos 3.000 millones de parámetros con ajustes mínimos en iOS.
• Fusión de un adaptador LoRA entrenado con su modelo base y exportación mediante Settings > Merge Lora.
• Compensación: el wiki indica que no se puede usar la carga mediante archivos mapeados en memoria (mmap) mientras hay un adaptador LoRA conectado, lo que aumenta el uso de RAM en comparación con ejecutar solo el modelo base.

¿Qué hardware necesitas para LLM Farm?

• Modelos pequeños (2-4 mil millones de parámetros, cuantizados): usables en la mayoría de los iPhone y Mac recientes con 4 GB+ de RAM libre.
• Modelos medianos (7-8 mil millones de parámetros, cuantizados): se recomiendan 8 GB o más de RAM del dispositivo para una respuesta aceptable.
• Ajuste fino LoRA en concreto: según el wiki del proyecto, limitado en la práctica a unos 3 mil millones de parámetros en iOS, con ajustes mínimos, por las limitaciones de cómputo y memoria en el dispositivo.
• Sistema operativo mínimo: iOS 16 o macOS 13, según el README de GitHub.
• Almacenamiento: reservar varios gigabytes de espacio libre por cada archivo de modelo GGUF descargado.

A quién le sirve LLM Farm

• Desarrolladores que se sientan cómodos compilando una app desde el código fuente en Xcode. Como la App Store y TestFlight están actualmente cerrados, este es un requisito estricto, no un extra deseable.
• Usuarios que quieren específicamente ajuste fino o fusión de adaptadores LoRA en el dispositivo. La mayoría de las apps móviles de IA local competidoras no ofrecen en absoluto este conjunto de funciones.
• Usuarios que quieren la gama más amplia de arquitecturas de modelos compatibles en un dispositivo móvil. Más de dieciséis arquitecturas, incluidas varias de nicho (RWKV, Mamba, GPTNeoX), es inusualmente amplio para una app de teléfono.
• Usuarios que quieren inspeccionar o modificar el código ellos mismos. La licencia MIT permite bifurcar y modificar, y la base de código es una referencia útil para entender una capa en Swift sobre llama.cpp/ggml.

A quién no le sirve LLM Farm

• A cualquiera que no pueda o no quiera compilar una app de iOS/macOS desde el código fuente. Este es el motivo principal para evitar LLM Farm por ahora: no hay instalación desde la App Store ni acceso confirmado a TestFlight al momento de este análisis.
• A usuarios que necesiten compatibilidad con Android, Windows o Linux. LLM Farm es exclusiva de Apple; los usuarios de Android deberían considerar RikkaHub, ChatterUI o Maid, y los usuarios de escritorio sin Mac, Ollama, LM Studio o Jan AI.
• A usuarios que quieran una app garantizadamente instalable hoy. Tanto PocketPal AI como Private LLM se pueden instalar de inmediato desde la App Store sin compilar nada.
• A usuarios que esperen versiones frecuentes y numeradas. La última versión etiquetada del proyecto se publicó en enero de 2025; aunque los commits han continuado de forma intermitente desde entonces, no ha salido ninguna versión empaquetada nueva en más de un año al momento de este análisis.
• A usuarios que necesiten soporte garantizado o una hoja de ruta definida. LLM Farm la mantiene de forma independiente un solo desarrollador, según el historial de su repositorio, sin ningún compromiso declarado de restablecer la disponibilidad en la App Store.

LLM Farm frente a alternativas

Preguntas frecuentes

Veredicto

Fuentes

• LLM Farm en GitHub — código fuente, licencia (MIT), README, historial de commits y número de estrellas/forks citados en este análisis.
• Archivo LICENSE de LLM Farm — texto de la licencia MIT y titular de los derechos de autor (Artem Savkin, 2023).
• Wiki de LLM Farm: FAQ — notas de instalación y detalles de los formatos de archivo compatibles.
• Wiki de LLM Farm: LoRA — documentación sobre carga, ajuste fino y fusión de LoRA.
• llmfarm_core.swift en GitHub — la biblioteca de inferencia subyacente citada en este análisis.
• Historial de versiones de GitHub para guinmoon/LLMFarm — última versión etiquetada (1.4.3, enero de 2025) citada en este análisis.

Lecturas relacionadas

• Best Local LLM Apps for iPhone in 2026 — el comparativo de iOS, con alternativas instalables a LLM Farm.
• Análisis de PocketPal AI — una alternativa gratuita, de código abierto e instalable directamente para iPhone, iPad y Android.
• Análisis de Private LLM — una alternativa de pago, de código cerrado, exclusiva de Apple, con un amplio catálogo de modelos.
• Análisis de Enclave AI — una alternativa exclusiva de Apple con automatización de Siri y Atajos.
• Loci AI Review: Offline AI for iPhone, Android, iPad, Mac and Windows — una alternativa de pago, de código cerrado, en cinco plataformas, con una biblioteca de modelos seleccionada.