Ir al contenido principal
PromptQuorumDiseñado para humanos. Estructurado para la IA.
Inicio/LLM locales avanzados
Mobile & Edge LLMs

IA local en Android en 2026: qué es posible, qué no y las apps que cubrimos

·45 min de lecturaPor · Fundador de PromptQuorum · Motor de descubrimiento de IA de pesos abiertos y código abierto

Sí: un teléfono Android reciente puede ejecutar una IA local útil sin conexión, pero solo con modelos pequeños. Cuenta con entre 1 y 4 mil millones de parámetros en 6 a 8 GB de RAM y de 7 a 8 mil millones con cuantización de pocos bits en 12 a 16 GB. El chat, las preguntas sobre la cámara, el dictado, las preguntas sobre documentos y la traducción funcionan; la calidad de un modelo de frontera, los contextos largos, la velocidad sostenida y un asistente permanente en segundo plano no. Android añade opciones más amplias o más sencillas que en iPhone: instalar apps fuera de la tienda, Termux y usar el teléfono como servidor de API local.

Conclusiones clave

  • La IA local en Android es real y funciona sin conexión, y es IA con modelos pequeños. Los teléfonos con 6 a 8 GB de RAM manejan modelos de 1 a 4 mil millones de parámetros; los de 12 a 16 GB pueden alojar de 7 a 8 mil millones con cuantización de pocos bits. Las respuestas de nivel nube, los documentos largos y las respuestas largas y rápidas quedan fuera de alcance.
  • La RAM decide qué cabe; el ancho de banda de memoria, el calor y el chip deciden la velocidad. Un modelo debe caber en la RAM libre junto con el propio Android, y la velocidad de generación está limitada por lo rápido que el teléfono puede leer el modelo de la memoria en cada token.
  • Detrás de casi todas las apps hay cuatro motores: llama.cpp (archivos GGUF, CPU y a veces GPU), Google LiteRT-LM (Gemma y otros modelos, GPU y cada vez más NPU), MLC (modelos compilados, GPU con OpenCL) y Google AICore con Gemini Nano (modelo del sistema, solo en teléfonos compatibles, al que las apps llaman mediante ML Kit).
  • La NPU es la parte menos accesible del teléfono. Google, Qualcomm y MediaTek publican rutas para la NPU mediante LiteRT y Qualcomm GenieX, pero requieren modelos compilados para cada chip. Una app genérica de GGUF instalada fuera de la tienda normalmente se ejecutará en CPU o GPU.
  • Android da más margen que iPhone en varios aspectos: las apps pueden instalarse desde fuera de Google Play, Termux te da una terminal de Linux en el teléfono, los teléfonos pueden ofrecer una API compatible con OpenAI a tu portátil, y importar modelos GGUF es una función habitual. El precio es la fragmentación: los resultados cambian según la marca, el chip y los ajustes de batería.
  • La mayoría de las apps de Android de nuestro directorio están asignadas a una tarea en esta guía: chat, visión, voz, documentos, traducción, generación de imágenes, fotos, notas, casa inteligente y agentes, herramientas para desarrolladores y clientes remotos para tu propio servidor.
  • "Cero telemetría" es una afirmación, no una garantía. La inferencia en el dispositivo mantiene los prompts fuera de los servidores, pero la app aún puede enviar analíticas, anuncios o informes de fallos. Lee juntas la ficha de Seguridad de los datos y la política de privacidad; discrepan más a menudo de lo que cabría esperar.
  • No es posible hoy: la calidad de un modelo de frontera sin conexión, modelos de 70 mil millones de parámetros, contextos de un millón de tokens, un asistente permanente en segundo plano que Android no cierre, y acceso a Gemini Nano para cualquier app en cualquier teléfono.
Leer en:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Los teléfonos Android pueden ejecutar IA local sin conexión en 2026: chat, preguntas sobre la cámara, dictado, preguntas sobre documentos y traducción funcionan con modelos de entre 1 y 4 mil millones de parámetros, y de 7 a 8 mil millones en teléfonos de 12 a 16 GB. Esta guía resume las capacidades principales, los límites duros, la realidad de chips y RAM, y enlaza las apps de Android de nuestro directorio con la tarea que mejor resuelve cada una.

IA local en Android en 2026: qué es posible, qué no y las apps que cubrimos

Empieza aquí: tres apps para instalar

¿Poco tiempo? Instala una de estas tres apps, descarga un modelo que quepa en la RAM de tu teléfono y pruébalo una vez en modo avión. Las recomendaciones salen de los capítulos y las reseñas de esta guía, no de benchmarks; el resto de la guía explica cada elección.

Otros buenos puntos de partida: en un teléfono donde AICore es compatible con Gemini Nano, como un Pixel 9 o 10, prueba PAIOS, que usa el modelo del sistema de Google sin descarga; para preguntas con la cámara y modelos Gemma, usa Google AI Edge Gallery; para ejecutar modelos más grandes desde tu teléfono, conéctalo a Ollama o LM Studio en tu propio equipo con LocalMind.

📍 En una frase

Los principiantes pueden empezar con PocketPal AI, los usuarios avanzados con Maid y un modelo GGUF más grande, y los desarrolladores con la ML Kit Prompt API o LiteRT-LM; en todos los casos el tamaño del modelo depende de la RAM del teléfono.

💬 En términos simples

Una app, un modelo ajustado a tu RAM, una prueba en modo avión.

Principiante

Instalar o usar:
PocketPal AI
Primer modelo:
1 a 2B con 4 a 6 GB de RAM; 3 a 4B con 8 GB
Por qué esta opción:
Gratuita, con licencia MIT y sin cuenta. Tú eliges el modelo, y un modelo demasiado grande simplemente no se carga; si pasa, baja un tamaño.

Avanzado

Instalar o usar:
Maid
Primer modelo:
4 a 8B con 12 GB; 7 a 8B con 16 GB, con un contexto corto
Por qué esta opción:
Un ejecutor de GGUF para el modelo más grande que tu teléfono pueda contener. Espera un teléfono más lento y caliente, y mantén el contexto corto.

Desarrollador

Instalar o usar:
ML Kit Prompt API o LiteRT-LM
Primer modelo:
Modelo del sistema de Google, o tu propio modelo
Por qué esta opción:
La Prompt API cubre tareas de texto pequeñas con el modelo del sistema; LiteRT-LM es para tu propio modelo. El capítulo «Rutas para desarrolladores» compara las demás rutas.

Seis respuestas rápidas antes de instalar

Estas son las seis preguntas que los lectores hacen primero; cada respuesta remite al capítulo que la explica.

📍 En una frase

La RAM decide el tamaño del modelo, 3 a 6 GB de almacenamiento libre alojan un primer modelo, y una prueba en modo avión muestra si la app funciona sin conexión.

💬 En términos simples

La RAM elige el modelo, el almacenamiento lo guarda y el modo avión lo demuestra.

  • ¿Qué modelo debo descargar? Ajústate a tu RAM: 1 a 2B con 4 a 6 GB, 3 a 4B con 8 GB y 4 a 8B con 12 a 16 GB, donde 7 a 8B solo cabe con un contexto corto. Ante la duda, elige el más pequeño. Consulta «Niveles de RAM» más abajo.
  • ¿Cuánto almacenamiento necesito? Deja libres de 3 a 6 GB para un primer modelo, porque los archivos de modelo se miden en gigabytes. Consulta «Primera ejecución en 15 minutos».
  • ¿Qué tan rápido va a funcionar? PromptQuorum no hizo pruebas de velocidad nuevas para esta guía. La velocidad está limitada por el ancho de banda de memoria, así que un modelo más pequeño responde más rápido; fíjate en la rapidez con que aparecen las palabras en tu primer prompt y tómala como referencia. Consulta el capítulo «Chips».
  • ¿Qué app es privada? No se puede dar por hecho que ninguna lo sea. La inferencia en el dispositivo mantiene tus prompts fuera de los servidores de inferencia de un proveedor, pero una app aún puede enviar analíticas. Revisa la tarjeta de seguridad de los datos (Data safety), la política de privacidad y los permisos, y haz la prueba en modo avión; las apps de código abierto como PocketPal AI se pueden auditar, mientras que las afirmaciones de las de código cerrado se basan en la confianza. Consulta «Privacidad y realidad de la telemetría».
  • ¿Qué puedo hacer sin internet? Según el mapa de capacidades de esta guía, el chat, las preguntas con la cámara, el dictado, las preguntas sobre documentos y la traducción pueden funcionar sin conexión con modelos adecuados tras la descarga; la generación de imágenes y los modelos grandes son lentos o necesitan un servidor. Consulta «El mapa de capacidades».
  • ¿Qué leo a continuación? Sigue «Primera ejecución en 15 minutos», usa «Resumen: nivel de teléfono, app, tamaño de modelo» como chuleta en una sola tabla y abre la «Ruta de decisión» si tienes una tarea concreta en mente.

Datos rápidos

  • Tamaños de modelo prácticos: de 1 a 2 mil millones de parámetros con 4 a 6 GB de RAM; de 3 a 4 mil millones con 8 GB; de 7 a 8 mil millones con cuantización de pocos bits en 12 a 16 GB. Son reglas generales basadas en aritmética del tamaño de archivo, no resultados de benchmarks.
  • Gemini Nano mediante ML Kit GenAI: la Prompt API admite texto y hasta 10 imágenes, con una entrada de menos de unos 4000 tokens, y solo funciona mientras la app que la llama está en primer plano (Google).
  • Gemma 4 E2B y E4B: Google los presenta como la base de Gemini Nano 4 y afirma que E2B es hasta 3 veces más rápido que E4B; la AICore Developer Preview se abrió el 2 de abril de 2026 (Android Developers Blog).
  • Rutas para la NPU: LiteRT tiene aceleradores para NPU de Qualcomm y MediaTek; Google informa de Gemma 3n E2B con más de 1600 tokens/seg de prefill y 28 tokens/seg de decodificación en una NPU Dimensity 9500 (Vivo X300 Pro, cifras de Google, contexto de 4K).
  • TPU del Pixel para desarrolladores: el Tensor SDK llegó a beta el 19 de mayo de 2026 y lista Pixel 10, 10 Pro, 10 Pro XL y 10 Pro Fold.
  • Versiones de Android: Google AI Edge Gallery requiere Android 12 o posterior; la documentación de NPU de LiteRT exige el nivel de API 31 o posterior; AppFunctions requiere Android 16 o posterior.
  • Termux: instálalo desde F-Droid o GitHub; los responsables de Termux marcan la versión de Google Play como experimental, y mezclar orígenes rompe las actualizaciones.
  • Apps cubiertas: las apps de Android del directorio de PromptQuorum que revisamos a partir de fuentes públicas, cada una enlazada una vez a su propia reseña cuando encaja; consulta el directorio para ver la lista completa.
  • ¿Lees desde un iPhone? Consulta la guía hermana IA local en iPhone.

El mapa de capacidades: qué funciona, qué funciona en parte y qué no

La mayoría de las tareas cotidianas de IA funcionan en un teléfono Android sin conexión; las que requieren escala o actividad constante en segundo plano, no. La tabla da el veredicto por capacidad, una app con la que empezar y el límite duro. Cada capítulo siguiente enumera las apps que cubrimos para esa tarea.

"Funciona" significa que los modelos pequeños en el dispositivo hacen la tarea de forma aceptable hoy. "En parte" significa que funciona con un servidor de por medio, con una sola app o con límites claros de calidad. "No" significa que el límite es físico o una regla de la plataforma, no una app que falta.

📍 En una frase

En Android en 2026, el chat, las preguntas sobre la cámara, el dictado, la traducción y las preguntas sobre documentos cortos funcionan sin conexión con modelos pequeños, mientras que los modelos grandes, los contextos largos y los asistentes permanentes no.

💬 En términos simples

Piensa en un modelo en el dispositivo como un becario capaz con un escritorio pequeño: rápido, privado y sin conexión, pero incapaz de albergar una biblioteca entera o de igualar a un modelo en la nube en preguntas difíciles.

Capacidad
¿En el teléfono?
Empieza con
Límite duro
Chat sin conexiónFuncionaPocketPal AISolo modelos pequeños
Preguntas sobre la cámara y las imágenesFuncionaGoogle AI Edge GalleryRequiere un modelo con visión
Dictado (voz a texto)FuncionaPrivate MindLa precisión varía según el idioma
Respuestas leídas en voz altaFuncionaToolNeuronLa calidad de la voz varía según la app
Asistente de voz sin conexiónEn parteHome Assistant AssistAndroid puede cerrar los procesos de escucha en segundo plano
Preguntas sobre documentos y PDFFuncionaAnythingLLM MobileVentana de contexto de los modelos pequeños
TraducciónFuncionaLLM HubMás débil en idiomas poco comunes
Generación de imágenesEn parteTokForgeMás lenta que una GPU de escritorio
Búsqueda de fotosEn parteEnte PhotosA menudo se ejecuta en un servidor o en el ordenador
IA en notas y marcadoresEn parteKarakeepLa IA suele ejecutarse en tu servidor
Centro de casa inteligenteEn parteScryptedEl teléfono es un cliente, no el cerebro
Agentes que controlan el teléfonoInicialKai 9000Los enlaces con el sistema siguen en vista previa
El teléfono como cliente ligeroFuncionaLocalMindTu servidor debe estar encendido
Integrar IA en tu propia appFuncionaRunAnywhereLa NPU requiere compilaciones por chip
Modelos de 70 mil millones de parámetrosNoUsa un servidor en su lugarRAM
Respuestas de nivel nube sin conexiónNoUsa un servidor en su lugarTamaño del modelo

💡Consejo: Si una tarea dice "En parte", la solución habitual es el patrón remoto: el teléfono es la pantalla y el micrófono, y un ordenador o servidor doméstico ejecuta el modelo más grande. Consulta el capítulo del modo remoto.

Cómo se elaboró esta guía

Este es un mapa de investigación documental (desk research), no un informe de benchmarks. Lo escribió Hans Kuepper a partir de la documentación de Google, Qualcomm, MediaTek y Termux leída en noviembre de 2026, y de las reseñas individuales de PromptQuorum enlazadas en cada capítulo. PromptQuorum no ejecutó nuevas pruebas de velocidad para esta guía.

Muchas de las reseñas enlazadas indican que se basan en fichas de tiendas, políticas de privacidad y documentación del fabricante, y que PromptQuorum no ha ejecutado la app. Cuando una afirmación procede del fabricante o de Google, el texto lo dice. Cuando no pudimos confirmar algo con una fuente primaria, el texto dice "incierto" o lo omite.

Las cifras de velocidad aparecen solo cuando una fuente con nombre las publicó, indicando el dispositivo. Los tamaños de modelo, los niveles de RAM y el "techo de tokens por segundo" son aritmética, y así se indica.

📍 En una frase

Esta guía combina la documentación oficial de las plataformas con reseñas de apps de PromptQuorum y no ejecuta benchmarks nuevos, así que cada cifra tiene fuente o está señalada como aritmética.

💬 En términos simples

Si una frase nombra una velocidad, un dispositivo y una fuente, esa fuente la publicó; si no tiene fuente, es una regla general.

Niveles de RAM: qué tamaño de modelo cabe en tu teléfono

La RAM es el primer filtro: el modelo tiene que caber en la memoria libre junto con Android y tus demás apps. Un modelo cuantizado a 4 bits necesita aproximadamente entre 0.5 y 0.6 GB por cada mil millones de parámetros para los pesos, más una memoria de trabajo que crece con la longitud del contexto. Android, el launcher y los servicios en segundo plano suelen ocupar varios gigabytes de la RAM de un teléfono, así que un teléfono de 12 GB no le da 12 GB a una app.

La velocidad sigue al ancho de banda de memoria. Generar un token implica leer la mayor parte del modelo de la memoria, así que el techo es aproximadamente el ancho de banda dividido por el tamaño del modelo. Nuestra guía de IA en el dispositivo del Galaxy S26 lo aplica: 85.6 GB/s sobre un modelo de 4 bits de 3.5 GB da un techo teórico cercano a 24 tokens por segundo. Las apps reales quedan por debajo del techo, y un teléfono caliente, aún más abajo.

Trata la tabla como un punto de partida. Varias apps reseñadas no publican un mínimo fijo de RAM y dicen que la necesidad depende del modelo que cargues; otras fijan sus propios límites. Ensu desactiva el chat en teléfonos con menos de 4 GB de RAM, y la ficha de Google Play de Private Mind recomienda un teléfono con 4 GB o más para modelos más grandes.

📍 En una frase

Un teléfono con 6 a 8 GB de RAM admite modelos de aproximadamente 1 a 4 mil millones de parámetros con cuantización de 4 bits, y los teléfonos de 12 a 16 GB pueden alojar de 7 a 8 mil millones.

💬 En términos simples

La cuantización reduce un modelo almacenando cada peso en menos bits; un modelo de 4 bits ocupa aproximadamente una cuarta parte que uno de 16 bits, con un pequeño coste de calidad.

RAM del teléfono
Tamaño del modelo (4 bits)
Modelos de ejemplo
Qué esperar
4 GB0.5 a 1BQwen3 0.6B, Gemma 3 1BRespuestas cortas, tareas simples
6 GB1 a 2BQwen3 1.7B, SmolLM2 1.7BChat utilizable, resúmenes básicos
8 GB3 a 4BPhi-4 Mini, Qwen3 4BEl mejor equilibrio en la mayoría de los teléfonos
12 GB4 a 8B (justo)Gemma 4 E4B, Llama 3.2 3B7 a 8B solo con contexto pequeño
16 GB o más7 a 8BModelos instruct de 7 a 8BMás lento, más calor, esperas más largas

⚠️Advertencia: Las propias páginas de Google no publican un mínimo de RAM para Gemma 4 E2B ni E4B en las fuentes que leímos. Considera incierta la necesidad de RAM y consulta la lista de modelos de la app en tu teléfono.

💡Consejo: Cuando un modelo no carga, la causa suele ser la RAM libre, no la RAM total. Cierra otras apps, reinicia el teléfono y elige el siguiente modelo más pequeño antes de culpar a la app.

Chips: Snapdragon, Tensor, Dimensity, Exynos

Los chips insignia actuales incluyen una NPU, pero una app de chat instalada fuera de la tienda rara vez llega a usarla. Las rutas para la NPU que existen las publican los fabricantes de chips y Google, y requieren modelos preparados para ese chip. Las apps basadas en compilaciones genéricas de llama.cpp se ejecutan sobre todo en la CPU, a veces en la GPU.

Snapdragon. GenieX de Qualcomm es compatible con Android en el Snapdragon 8 Elite y el 8 Elite Gen 5, ejecuta modelos GGUF mediante llama.cpp con un backend Hexagon y recomienda la cuantización Q4_0 para la ruta de la NPU; la página no indica un estado de lanzamiento. El acelerador de Qualcomm de LiteRT de Google informa de FastVLM-0.5B en la NPU del Snapdragon 8 Elite Gen 5 con 0.12 segundos hasta el primer token y más de 100 tokens por segundo de decodificación (Xiaomi 17 Pro Max, cifras de Google). Hoy son rutas para desarrolladores, no botones en una app de chat.

Google Tensor. El Pixel 9 ejecuta Gemini Nano mediante AICore y ML Kit; el Pixel 10 con Tensor G5 figura como compatible con Gemini Nano 4. Para tus propios modelos, el Tensor SDK de Google llegó a beta el 19 de mayo de 2026 para la familia Pixel 10 y ejecuta modelos en la TPU mediante LiteRT. Si una app de chat de terceros ya lo usa es algo que conviene comprobar app por app.

MediaTek Dimensity. Google y MediaTek publicaron un acelerador LiteRT NeuroPilot con modelos precompilados (Qwen3 0.6B, Gemma 3 270M, Gemma 3 1B, Gemma 3n E2B, EmbeddingGemma 300M). El chip de referencia es el Dimensity 9500 en un Vivo X300 Pro, donde Google informa de Gemma 3n E2B con más de 1600 tokens por segundo de prefill y 28 tokens por segundo de decodificación con un contexto de 4K. La conversión de un modelo Gemma personalizado para la NPU de MediaTek figuraba como "pronto".

Samsung Exynos. En nuestro artículo sobre el Galaxy S26, el S26 y el S26+ usan el Exynos 2600 en Europa, Corea y la mayoría de los demás mercados, y un Snapdragon en EE. UU., China y Japón, mientras que el S26 Ultra usa el Snapdragon 8 Elite Gen 5 en todas partes. No encontramos documentación primaria de una ruta abierta para la NPU en apps de modelos de lenguaje de terceros en Exynos, así que supón CPU o GPU para las apps instaladas fuera de la tienda. La generación de imágenes EdgeFusion de Samsung en la NPU del Exynos 2600 es un pipeline de Samsung y Nota AI, no algo que herede una app genérica.

📍 En una frase

Snapdragon, Tensor y Dimensity tienen rutas publicadas para la NPU o la TPU mediante LiteRT o SDK de los fabricantes, pero una app genérica de GGUF instalada fuera de la tienda suele ejecutarse en CPU o GPU, y Exynos no tiene una ruta abierta documentada para modelos de lenguaje de terceros.

💬 En términos simples

La NPU es un carril rápido que requiere reconstruir el modelo para cada chip; las apps que incluyen un único archivo de modelo universal no pueden usarla.

Familia de chips
Ruta abierta NPU o TPU
Dónde está documentada
Estado
Snapdragon 8 Elite / Gen 5Sí, compilaciones por chipLiteRT, Qualcomm GenieXRutas para desarrolladores
Tensor G5 (Pixel 10)Sí, mediante Tensor SDKGoogle Developers BlogBeta (mayo de 2026)
Tensor G4 (Pixel 9)Gemini Nano mediante ML KitML Kit GenAIDispositivo compatible
Dimensity 9500Sí, NeuroPilotGoogle Developers BlogModelos precompilados
Exynos 2600No documentada para LLMNo encontradaSupón CPU o GPU
Chips antiguos o de gama mediaPocas vecesVaríaCPU, modelos pequeños

⚠️Advertencia: No elijas un teléfono para IA local por la cifra de "TOPS" de la NPU. El rendimiento máximo de la NPU dice poco sobre una app de chat que nunca la usa. El tamaño de la RAM, el ancho de banda de memoria y la refrigeración deciden la mayoría de los resultados reales.

Los cuatro motores principales detrás de las apps de IA para Android

Casi todas las apps de esta guía son una interfaz para uno de cuatro motores, y el motor explica los puntos fuertes y los límites de la app mejor que su marketing. Si conoces el motor, sabes qué archivos de modelo funcionan, si se puede usar la NPU y adónde van tus datos.

📍 En una frase

La mayoría de las apps de IA en el dispositivo para Android se ejecutan sobre uno de cuatro motores principales: llama.cpp para archivos GGUF, LiteRT-LM para modelos de la clase Gemma, MLC para modelos compilados o Google AICore para el modelo del sistema Gemini Nano.

💬 En términos simples

El motor decide qué archivos de modelo puedes cargar y cuánto del chip se usa; la app decide lo agradable que es de usar.

llama.cpp

Ejecuta:
Archivos GGUF de Hugging Face; la mayor variedad de modelos, y la mayoría de las apps te permiten importar tu propio archivo.
Aceleración:
CPU por defecto; algunas apps añaden GPU. Existe un backend Hexagon en Qualcomm GenieX.
Apps de ejemplo:
PocketPal AI, Maid, LM Playground, KernelAI
Artículos sobre llama.cpp (9)

+180 más no mostrados

LiteRT-LM

Ejecuta:
El runtime de borde de Google para Gemma y otros modelos en archivos .litertlm, con entrada de visión y audio y llamadas a funciones. Google lista las familias Gemma 4, Gemma 3n, Llama, Phi-4 y Qwen.
Aceleración:
Rutas para GPU y NPU; las API de Python, Kotlin y C++ figuran como estables.
Apps de ejemplo:
Google AI Edge Gallery, OlliteRT, MemoryAI

MLC LLM

Ejecuta:
Modelos compilados de antemano para un único destino; obtienes una biblioteca curada, no cualquier archivo.
Aceleración:
GPU con OpenCL en Android; se informa de que la compatibilidad es desigual entre teléfonos (consulta la reseña de MLC Chat).
Apps de ejemplo:
MLC Chat, MLC LLM
Artículos sobre MLC LLM (7)

También mencionado en:

AICore con Gemini Nano

Ejecuta:
El modelo del sistema de Google, gestionado y actualizado por Android; las apps acceden a él mediante ML Kit GenAI, así que no hay nada que descargar dentro de la app.
Aceleración:
Lo que ofrezca el teléfono compatible; las apps no pueden elegir el hardware.
Apps de ejemplo:
PAIOS

💡Consejo: Existen otros motores. Private Mind se ejecuta sobre la biblioteca React Native ExecuTorch, y Ensu y Atomic Chat traen sus propias pilas. Los cuatro anteriores cubren la mayor parte de lo que instalarás.

Dónde Android te da más margen que iPhone

Android es una plataforma más abierta que iPhone para la IA local, en el sentido de que las apps pueden cargar sus propios modelos y motores: puedes instalar apps fuera de la tienda, ejecutar un userland de Linux y convertir el teléfono en un servidor. El coste es la fragmentación. Una receta que funciona en un Galaxy de gama alta puede fallar en un teléfono de gama media de otra marca, y no encontramos ninguna lista de compatibilidad neutral respecto a los fabricantes.

Para el lado de Apple de cada comparación siguiente, lee IA local en iPhone. Para los dos grandes ecosistemas lado a lado, consulta IA en el dispositivo: Galaxy vs iPhone.

📍 En una frase

Android permite con más libertad que iOS los APK instalados fuera de la tienda, Termux, F-Droid y los servidores de API alojados en el teléfono, a costa de resultados desiguales entre marcas y chips.

💬 En términos simples

Android te deja trastear más a fondo; iPhone te da resultados más predecibles en menos dispositivos.

  • Instalación fuera de la tienda y tiendas alternativas. MLC Chat se distribuye como APK desde las versiones de GitHub del fabricante, y Google AI Edge Gallery ofrece un APK para quienes no tienen Google Play. La misma app puede existir en varios lugares, así que usa un solo origen por app.
  • Termux. Una terminal real en el teléfono, instalable desde F-Droid o GitHub, puede compilar y ejecutar llama.cpp sin root. También es donde los límites de Android en segundo plano pesan más (consulta el capítulo de batería).
  • El teléfono como servidor. OlliteRT, Mobile LM Server, Ollama Local AI y ToolNeuron exponen un endpoint al estilo de OpenAI para que otros dispositivos de tu red usen el modelo del teléfono.
  • Elección de modelo. Importar GGUF es una función habitual en las apps de Android, así que puedes cargar casi cualquier modelo pequeño de pesos abiertos que publique un desarrollador, no solo una lista curada.
  • Variedad de hardware. Los teléfonos para juegos con 16 GB de RAM o más y refrigeración activa pueden dar más margen que los iPhone con los que comparamos. La otra cara es que los teléfonos baratos con 4 GB son comunes, y son malas máquinas para IA local.
  • Dónde iPhone es más sencillo. Un solo fabricante, un presupuesto de memoria por clase de modelo y menos sorpresas de optimización de batería hacen que los resultados en iPhone sean más fáciles de predecir. Si te importa más la previsibilidad que la flexibilidad, la guía hermana puede encajarte mejor.

Asistentes de chat de nuestro directorio, por tipo

El chat sin conexión es la tarea con más apps compatibles en Android en nuestro directorio, y elegir app es sobre todo elegir compromisos: código abierto o cerrado, cualquier archivo GGUF o una lista curada, gratis o de pago. Cada línea siguiente dice qué hace la app y su límite real. Las apps que encajan en una tarea más específica vuelven a aparecer en el capítulo de esa tarea.

Para una comparación de velocidad y configuración de las apps más conocidas, lee Mejores apps de LLM local para Android. Para elegir modelo, lee Modelos LLM móviles: Phi-4, Gemma y SmolLM y el resumen de LLM locales en móviles. Quienes tengan una tableta deberían añadir Cómo ejecutar IA en una tableta.

📍 En una frase

Decenas de apps de Android ejecutan modelos de chat en el teléfono; los ejecutores de GGUF de código abierto dan la mayor variedad de modelos, las apps de código cerrado ofrecen descargas guiadas, y Google AI Edge Gallery es la interfaz propia de Google para modelos de la clase Gemma.

💬 En términos simples

Elige un ejecutor de código abierto si quieres elegir tú los modelos, y una app guiada si quieres que funcione en cinco minutos.

Ejecutores de código abierto y creados por el fabricante (empieza aquí)

  • PocketPal AI: ejecutor de GGUF gratuito con licencia MIT para Android e iPhone, sin cuenta; un mercado opcional de la comunidad vende ajustes preestablecidos premium. Límite: tú eliges el modelo, y la app no tiene un mínimo fijo de RAM, así que un modelo demasiado grande simplemente no se carga.
  • Google AI Edge Gallery: la muestra gratuita de Google de modelos en el dispositivo sobre LiteRT, con chat, preguntas sobre imágenes, transcripción de audio y pruebas de prompts. Requiere Android 12 o posterior y se instala desde Google Play o como APK. Límite: Google califica la app de beta experimental. Su etiqueta de privacidad de la App Store lista algunos diagnósticos del dispositivo (según nuestra reseña de la versión para iPhone); consulta la ficha de Seguridad de los datos de Android antes de considerarla de cero telemetría.
  • Maid: licencia MIT; ejecuta modelos GGUF mediante llama.cpp o se conecta a proveedores remotos con tu propia clave. El código se reescribió en React Native para la versión 3.0.0 y hoy se distribuye como app solo para Android. Límite: las versiones antiguas para iOS y escritorio han desaparecido, así que los tutoriales antiguos no coincidirán.
  • Off Grid AI: gratuita, con licencia MIT, sin cuenta, para Android, iOS, macOS y Windows. Límite: las cifras de descargas del sitio del fabricante son autodeclaradas y no pudieron contrastarse con las tiendas de apps.
  • Private Mind: licencia MIT, de Software Mansion, ejecuta modelos mediante React Native ExecuTorch, con preguntas sobre documentos, dictado con Whisper y benchmarks de velocidad integrados. Límite: desde la versión 1.3.0 un interruptor opcional Web obtiene páginas de internet, así que mantenlo desactivado para un uso estrictamente sin conexión.
  • Atomic Chat: Apache-2.0; explora más de 1000 modelos de Hugging Face, expone una API local compatible con OpenAI y admite agentes. Límite: incluye proveedores en la nube opcionales, así que confirma que ninguno esté activado si quieres solo uso sin conexión.
  • Ensu: AGPL-3.0, del equipo de Ente Labs, con entrada de imágenes, dictado de voz local y sin cuenta. Límite: el chat está desactivado en teléfonos con menos de 4 GB de RAM, y PromptQuorum no la ha probado en la práctica.
  • Llamatik: chatbot sin conexión con licencia MIT que además sirve de muestra del SDK de Kotlin Multiplatform del desarrollador; la versión de Android llegó a Google Play en noviembre de 2025. Límite: un desarrollador independiente y una app joven.
  • LM Playground: ejecutor de GGUF con licencia MIT con preguntas sobre documentos, entrada de fotos para modelos de visión, visualización del razonamiento y herramientas opcionales. Límite: desarrollador independiente; la reseña se basa en la ficha de la tienda, el sitio web y el repositorio.
  • MLC Chat: app Apache-2.0 sobre el compilador MLC, con inferencia acelerada por GPU. Es un APK de las versiones de GitHub del fabricante, no una ficha de Google Play. Límite: la biblioteca de modelos curada, la compatibilidad desigual de OpenCL entre teléfonos y una larga pausa desde su última actualización (consulta el capítulo de apps inactivas).

Apps gratuitas para el consumidor, de código cerrado

  • KernelAI: descarga modelos abiertos (53, de 112 MB a 3.11 GB según el fabricante) y los ejecuta mediante llama.cpp, con documentos y visión. Límite: código cerrado de un único editor, así que las afirmaciones se apoyan en sus propias páginas.
  • MemoryAI: ejecuta modelos mediante llama.cpp y Google LiteRT, con preguntas sobre documentos, una Agent Memory editable, voz manos libres y un Kid Mode protegido con PIN. Límite: código cerrado, un desarrollador independiente.
  • Loci AI: elige llama.cpp o MLX según el modelo, gestiona la temperatura del teléfono y sincroniza la memoria entre chats; puede enlazarse con un escritorio para modelos más grandes. Límite: código cerrado; la promesa de "privado" puede depender de que las apps sigan sin conexión tras la configuración.
  • On Device LLM: chat gratuito sin conexión con importación de GGUF y una API local opcional compatible con OpenAI. Límite: una app nueva, de código cerrado; Google Play la titula "Local LLM", y no son las apps de iPhone con nombres parecidos.
  • LocalAI: Offline AI Chat LLM: chat con llama.cpp con un nivel premium opcional, chat con documentos, visión y salida estructurada. Límite: código cerrado y no encontramos un repositorio público.
  • Chatty-mini: chat GGUF en vertical de un desarrollador independiente. Límite: documentación pública escasa y la licencia no está confirmada.
  • Caelum: asistente gratuito de chat y documentos que dice ejecutarse en el teléfono, con búsqueda web opcional mediante Brave. Límite: sin actualización desde agosto de 2025; consulta el capítulo de apps inactivas.

Compañeros, apps de pago y apps respaldadas por empresas

  • Layla: app de pago (compra única más niveles dentro de la app) construida en torno a un compañero con personalidad y juego de rol que se ejecuta en local. Límite: código cerrado y un precio; es un compañero primero y una utilidad después.
  • Laria: asistente de pago para Android con modelos descargables en el dispositivo, identidades de IA personalizadas, herramientas de imagen y proveedores en la nube opcionales. Límite: código cerrado y, según nuestra reseña, la página del desarrollador muestra contenido de ejemplo explícito; lee antes las notas de clasificación por edades.
  • Secret AI: personajes personalizados, Skills y herramientas MCP, con modelos GGUF, MNN y MLX. Límite: código cerrado; otros productos comparten el nombre, así que comprueba el editor antes de instalar.
  • CompactifAI APP: de Multiverse Computing, ofrece modelos comprimidos para uso sin conexión y modelos más grandes mediante la API en la nube del fabricante. Límite: la vía de la nube forma parte del producto, así que el uso sin conexión es una opción que eliges.
  • Liquid Apollo: la app de Liquid AI para sus pequeños modelos LFM2 en el dispositivo, además de OpenRouter y backends personalizados. Límite: no es solo local; los modos de nube y de servidor personalizado envían prompts fuera del teléfono.
  • TokForge: personajes de juego de rol, generación de imágenes, voz y preguntas sobre documentos, con un benchmark de velocidad que puede publicar en una clasificación pública. Límite: propietaria, y la versión para iPhone está en beta pública.

El modelo del sistema: Gemini Nano mediante AICore

  • PAIOS: una interfaz de chat gratuita y de código abierto para Gemini Nano, que se ejecuta mediante AICore sin descargar ningún modelo dentro de la app. Límite: solo funciona en teléfonos donde AICore es compatible con Gemini Nano, con Pixel 9 y 10 como ejemplos nombrados, y el proyecto se califica a sí mismo de alfa.

💡Consejo: Instala dos apps, no diez: un ejecutor de GGUF de código abierto para tener elección (PocketPal AI o Maid) y Google AI Edge Gallery para los modelos de la familia Gemma. Añade otras solo para una tarea que hagan mejor.

⚠️Advertencia: Varias apps anteriores son nuevas, de código cerrado y se reseñaron solo a partir de sus fichas. Sus listas de funciones son afirmaciones de los fabricantes; las reseñas de PromptQuorum indican cuáles no se probaron en la práctica.

Visión y preguntas con la cámara

Apuntar la cámara a algo y hacer una pregunta funciona hoy en el dispositivo, pero solo con un modelo con capacidad de visión. Un modelo solo de texto ignora o rechaza las imágenes sin avisar. Las apps siguientes cargan un modelo de visión o uno que acepta entrada de imágenes; el modelo, no la app, fija la calidad.

ML Kit de Google también ofrece opciones a nivel de sistema: la Prompt API acepta texto más hasta 10 imágenes, y una Image Description API dedicada genera una descripción breve de una imagen. Ambas se ejecutan en Gemini Nano en teléfonos compatibles. Google también dice que Gemma 4 mejora las tareas de tipo OCR, como la lectura de gráficos y el reconocimiento de escritura a mano; no encontramos ninguna cifra de precisión independiente, así que pruébalo con tus propios documentos.

📍 En una frase

Las preguntas con la cámara se ejecutan sin conexión en Android mediante modelos con visión en apps como Google AI Edge Gallery, LM Playground y Private Mind, y mediante Gemini Nano en teléfonos compatibles.

💬 En términos simples

Un modelo de visión lee la imagen en sí; un modelo solo de texto nunca la ve, así que el modelo que elijas importa más que la app.

  • Google AI Edge Gallery: su función Ask Image identifica objetos, resuelve acertijos visuales y describe imágenes de la cámara o la galería. Límite: requiere un modelo Gemma con visión, y el README no cita cifras de precisión.
  • LM Playground: entrada de fotos para modelos de visión en formato GGUF. Límite: debes encontrar y descargar un GGUF con visión más su archivo proyector; la app no lo hace por ti.
  • Private Mind: lista modelos con visión junto a los modelos de texto. Límite: los modelos de visión más grandes pueden necesitar más RAM que los 4 GB que su ficha recomienda para modelos mayores.
  • LocalAI: Offline AI Chat LLM: admite modelos con visión según su ficha de Google Play. Límite: código cerrado, y la reseña de PromptQuorum se basa en la ficha de la tienda.
  • KernelAI: lista la visión entre sus funciones. Límite: sus afirmaciones se apoyan en las páginas del desarrollador.
  • Ensu: acepta entrada de imágenes en el chat. Límite: la compatibilidad con imágenes depende del modelo que elijas.

⚠️Advertencia: No uses un modelo de visión en el dispositivo para nada en lo que importe una lectura errónea: etiquetas de medicamentos, textos legales, señales de seguridad. Los modelos de visión pequeños leen mal textos y números, y no hay una cifra de precisión verificada en la que apoyarse.

Voz: dictado, transcripción, lectura en voz alta, asistentes

El dictado y la transcripción sin conexión son las tareas de voz más maduras en Android; un asistente sin conexión que escuche siempre es la menos madura. Las dos primeras ejecutan un modelo de voz como Whisper en el teléfono y las activas tú. La última necesita un servicio en segundo plano que Android puede cerrar cuando quiera.

El reconocimiento de voz de ML Kit de Google tiene un modo básico que, según su documentación, está disponible en la mayoría de los dispositivos Android con nivel de API 31 o posterior, y un modo avanzado en teléfonos Pixel 10 con más dispositivos en desarrollo. ML Kit también lista traducción de voz y texto a voz; la página de resumen no indica los requisitos de dispositivo para ellas, así que consulta las páginas de cada función.

Para la pila completa de voz sin conexión, consulta Asistentes de voz en móviles, sin conexión, Whisper STT local comparado, Herramientas locales de voz y audio comparadas y Crea un asistente de voz local.

📍 En una frase

El dictado y la transcripción de grabaciones sin conexión funcionan en Android mediante modelos de la clase Whisper en apps como Private Mind, Ensu y LLM Hub, mientras que los asistentes de voz permanentes sin conexión siguen limitados por las reglas de Android para el segundo plano.

💬 En términos simples

La voz que inicias tocando funciona sin conexión; la voz que debe escuchar todo el día choca con los límites de batería y los cierres de apps.

Private Mind

Tarea de voz:
Dictado con Whisper, en el teléfono
Límite real:
El idioma y la precisión dependen del modelo Whisper que cargues.
Artículos sobre Private Mind (3)

También mencionado en:

+11 más no mostrados

Ensu

Tarea de voz:
Dictado de voz local al chat
Límite real:
PromptQuorum no la ha probado en la práctica; no hay datos de precisión.
Artículos sobre Ensu (2)

También mencionado en:

LM Playground

Tarea de voz:
Dictado de voz
Límite real:
Solo dictado; no figuran respuestas habladas.
Artículos sobre LM Playground (1)

LLM Hub

Tarea de voz:
Transcripción con Whisper junto con chat, imagen y traducción
Límite real:
Código disponible con licencia no comercial; el nivel Premium es de pago.
Artículos sobre LLM Hub (2)

También mencionado en:

MemoryAI

Tarea de voz:
Conversación de voz manos libres
Límite real:
Código cerrado; comprueba en la política de privacidad si el reconocimiento se hace en el dispositivo.
Artículos sobre MemoryAI (4)

ToolNeuron

Tarea de voz:
Entrada y salida de voz, más un almacén cifrado
Límite real:
Sin actualización desde hace más de tres meses; consulta las apps inactivas.
Artículos sobre ToolNeuron (4)

También mencionado en:

TokForge

Tarea de voz:
Texto a voz con clonación de voz
Límite real:
Propietaria; la clonación de voz plantea cuestiones de consentimiento y suplantación.
Artículos sobre TokForge (2)

RunAnywhere

Tarea de voz:
SDK de voz a texto, texto a voz y detección de actividad de voz en tu propia app
Límite real:
Una biblioteca para desarrolladores, no una app; se aplican condiciones comerciales.
Artículos sobre RunAnywhere (1)

También mencionado en:

Home Assistant Assist

Tarea de voz:
Control por voz de tu casa con Whisper y Piper en tu propio hardware
Límite real:
Los modelos de voz se ejecutan en un servidor doméstico, no en el teléfono.
Artículos sobre Home Assistant Assist (2)

AquaVoice

Tarea de voz:
Dictado rápido que escribe en la app activa
Límite real:
Servicio en la nube. Está aquí para que no lo confundas con uno local.
Artículos sobre AquaVoice (2)

También mencionado en:

⚠️Advertencia: La clonación de voz y la grabación permanente son asuntos de privacidad y consentimiento, no solo funciones. Clona solo tu propia voz o una que tengas permiso por escrito para usar, e informa a las personas cuando las grabes.

Documentos, PDF y RAG

Las preguntas sobre documentos funcionan en Android dividiendo un archivo en fragmentos, encontrando los relevantes y pasando solo esos a un modelo pequeño. Esto es la generación aumentada por recuperación (RAG). Es mejor que pegar un PDF entero en un modelo pequeño, cuya ventana de contexto es demasiado corta para él.

La Prompt API de Gemini Nano limita la entrada a menos de unos 4000 tokens, que son aproximadamente 3000 palabras en inglés, así que las preguntas sobre documentos a nivel de sistema también necesitan fragmentación. Para el método en profundidad, lee RAG local sobre tus PDF, paso a paso y Mejores herramientas de RAG local.

📍 En una frase

Apps de Android como AnythingLLM Mobile, Private Mind, LM Playground y Honey LLM responden preguntas sobre tus archivos en el teléfono recuperando fragmentos relevantes para un modelo pequeño.

💬 En términos simples

La app busca en tu documento los párrafos adecuados y le pasa solo esos al modelo, de modo que un modelo pequeño pueda responder preguntas sobre un archivo largo.

  • AnythingLLM Mobile: licencia MIT, solo Android. El modo independiente ejecuta un modelo pequeño y una base de datos vectorial local en el teléfono; el modo conectado se empareja mediante código QR con AnythingLLM Desktop o Cloud para tener el conjunto completo de funciones. Límite: la calidad en modo independiente es la de un modelo pequeño; el emparejamiento es la forma de obtener más.
  • Private Mind: preguntas sobre documentos en el dispositivo con citas de las fuentes. Límite: las citas muestran de dónde salió una respuesta, no que sea correcta.
  • LM Playground: preguntas sobre documentos en el dispositivo en una app gratuita con licencia MIT. Límite: desarrollador independiente; consulta la reseña para ver los tipos de archivo admitidos antes de depender de ella.
  • Honey LLM: responde preguntas sobre archivos PDF, DOCX, TXT y Markdown y mantiene una bóveda local cifrada. Límite: app joven en Google Play desde marzo de 2026; nuestra reseña se basa en la ficha.
  • LocalAI: Offline AI Chat LLM: chat con documentos PDF, Word, Excel y CSV mediante recuperación vectorial en el dispositivo. Límite: código cerrado; la reseña se basa en la ficha.
  • ToolNeuron: RAG de documentos con almacenamiento cifrado, voz, un servidor HTTP local y plugins. Límite: sin actualización desde hace más de tres meses.
  • MemoryAI: preguntas sobre documentos más una Agent Memory que puedes editar. Límite: código cerrado.
  • Caelum: preguntas sobre documentos con búsqueda web opcional. Límite: sin actualización desde agosto de 2025, y la opción de búsqueda web envía consultas a internet.

💡Consejo: Para un archivo grande, no lo indexes en el teléfono. Ejecuta el índice en un ordenador o servidor y usa el teléfono como cliente, como describe el capítulo del modo remoto.

Traducción

La traducción sin conexión en Android funciona para pares de idiomas comunes con modelos pequeños, y la calidad baja en idiomas poco comunes y textos largos. Google dice que Gemma 4 admite de forma nativa más de 140 idiomas y lista la traducción de voz entre las API de ML Kit GenAI; ninguna de las dos afirmaciones viene con una cifra de precisión que pudiéramos verificar, así que prueba tu propio par de idiomas antes de depender de ello.

📍 En una frase

Apps de Android como LLM Hub y Google AI Edge Gallery traducen texto y grabaciones en el teléfono, y ML Kit añade traducción de voz en dispositivos compatibles.

💬 En términos simples

Los modelos pequeños traducen bien las frases cotidianas y tienen dificultades con los idiomas poco comunes, los modismos y el lenguaje jurídico.

  • LLM Hub: traducción en el dispositivo junto al chat, un agente con servidores MCP, generación de imágenes y música y transcripción con Whisper. Límite: código disponible con licencia no comercial, y un nivel Premium de pago.
  • Google AI Edge Gallery: su función Audio Scribe transcribe y traduce grabaciones de voz en el dispositivo. Límite: beta experimental.
  • Local AI Mail: un cliente de correo para Android que resume, traduce y redacta respuestas con un modelo en el dispositivo y puede cambiar a Gemini con tu propia clave. Límite: una versión muy temprana; el modo opcional de Gemini envía el texto del correo a Google.

⚠️Advertencia: No dependas de un modelo local pequeño para contratos, textos médicos ni nada donde un error de traducción tenga consecuencias. Úsalo para captar la idea y para borradores, y luego verifica.

Generación y edición de imágenes

Generar imágenes en un teléfono es posible pero lento en comparación con una GPU de escritorio, y es la tarea donde más importa el ajuste específico para cada chip. Samsung y Nota AI describen EdgeFusion, una variante de Stable Diffusion que genera imágenes de 512 por 512 en menos de un segundo en la NPU del Exynos 2600 (afirmación de Samsung y su socio, citada en nuestra guía del Galaxy S26). Es un pipeline ajustado por el fabricante; no encontramos una velocidad verificada para las apps instaladas fuera de la tienda que siguen, así que no damos ninguna.

Para el equilibrio general entre nube y local, consulta Generación de imágenes con IA local frente a la nube. Las herramientas de edición, como el inpainting, son menos comunes en los teléfonos que el texto a imagen.

📍 En una frase

Apps de Android como TokForge, Local AI by GeetMark, Laria y LLM Hub generan imágenes con modelos en el dispositivo, pero ninguna fuente que encontramos publica tiempos de generación verificados para ellas.

💬 En términos simples

Tu teléfono puede dibujar una imagen sin internet, pero espera esperar mucho más que en un ordenador con tarjeta gráfica.

  • Local AI: Offline Chat and Image: gratuita, con chat en más de 20 modelos, imágenes con Stable Diffusion y 15 kits de prompts. Límite: contiene anuncios, y no se publican el código fuente ni la licencia.
  • TokForge: personajes de juego de rol con generación de imágenes en el dispositivo, voz y preguntas sobre documentos. Límite: propietaria; los resultados de velocidad pueden publicarse en una clasificación pública, así que comprueba qué comparte el benchmark.
  • Laria: herramientas de imagen junto a chat local y en la nube. Límite: de pago; algunas herramientas de imagen pueden usar proveedores en la nube, así que revisa cada herramienta.
  • LLM Hub: generación de imágenes y música en la misma app que el chat y la traducción. Límite: licencia de código disponible no comercial.

💡Consejo: El calor es el límite práctico. Unas pocas imágenes seguidas pueden calentar el teléfono lo bastante como para ralentizarlo. Genera en tandas cortas y déjalo enfriar.

Notas, conocimiento y marcadores

Las apps de notas y marcadores te dan un cliente móvil para conocimiento que vive en tu servidor o en archivos de texto plano, y las funciones de IA se ejecutan donde las dirijas. Ninguna de las apps siguientes ejecuta un modelo de lenguaje dentro de la propia app de Android. Se conectan a un proveedor de IA que tú eliges, que puede ser un servidor Ollama local en tu red o un servicio en la nube. Eso las hace local-first en el almacenamiento, no necesariamente en la inferencia.

📍 En una frase

Los clientes de Android de Karakeep, Linkwarden, Blinko, Logseq, SiYuan y Hillnote mantienen tus notas y marcadores bajo tu control, mientras que sus funciones de IA se ejecutan en un servidor o proveedor que configuras.

💬 En términos simples

Estas apps guardan tu conocimiento en local; el modelo de IA que lo etiqueta o resume también puede ser local, pero solo si lo configuras así.

  • Karakeep: AGPL-3.0, autoalojada con Docker, guarda enlaces, notas, imágenes y PDF y usa IA para etiquetarlos, resumirlos e indexarlos. Tiene apps para Android e iOS y extensiones de navegador. Límite: el etiquetado con IA necesita un endpoint de modelo que configures.
  • Linkwarden: gestor de marcadores AGPL-3.0 que guarda una copia de cada página y puede etiquetar enlaces con un modelo local de Ollama o un proveedor en la nube. Límite: la edición Cloud es de pago; el autoalojamiento corre de tu cuenta.
  • Blinko: GPL-3.0, toma de notas autoalojada con búsqueda en lenguaje natural basada en RAG sobre tus propias notas, ejecutada como contenedor Docker. Límite: la búsqueda RAG usa un proveedor de IA que conectas.
  • Logseq: AGPL-3.0, outliner local-first con apps para Android e iOS. No tiene modelo integrado; la beta de la versión con base de datos añade un servidor MCP opcional para que un cliente de IA externo pueda leer y editar un grafo. Límite: la IA la traes tú y el servidor MCP está en beta.
  • SiYuan: espacio de trabajo de conocimiento por bloques AGPL-3.0 con apps para Android e iOS y colaboración integrada con agentes de IA. Límite: la sincronización cifrada en la nube es un complemento de pago; comprueba dónde se ejecutan sus funciones de IA antes de suponer que son locales.
  • Hillnote: espacio de trabajo de notas en Markdown para Mac, Windows, iPhone, iPad y Android que guarda los archivos en tu disco. Su IA en el dispositivo figura como Ollama y Apple Intelligence, ninguno de los cuales se ejecuta en un teléfono Android, así que comprueba qué funciones de IA expone realmente la app de Android antes de comprar.

💡Consejo: Un buen patrón: autoaloja la app de notas y un modelo pequeño de Ollama en un servidor doméstico, y deja que la app de Android sea el cliente de captura y búsqueda.

Casa inteligente y agentes

En una casa inteligente el teléfono es un mando a distancia y un micrófono; para los agentes es a la vez un lugar donde ejecutar uno y, cada vez más, lo que un agente controla. La IA de la casa inteligente pertenece a un servidor doméstico, porque un teléfono se duerme, se mueve y se cierra. Los agentes en Android se dividen en tres familias: asistentes que usan herramientas, agentes que viven en un servidor y usan el teléfono como cliente, y agentes que operan el propio teléfono.

Para profundizar en la casa inteligente, consulta el clúster de casa inteligente de PromptQuorum; este capítulo cubre lo que hace el teléfono.

📍 En una frase

Los teléfonos Android actúan como clientes de IA para la casa inteligente (Home Assistant Assist, Scrypted, EverShelf, LocalGhost) y pueden ejecutar agentes que usan herramientas (Kai 9000, PicoClaw, Aori), pero el control a nivel de sistema de otras apps sigue en vista previa.

💬 En términos simples

Deja que un servidor doméstico sea el cerebro, y que el teléfono sea el mando y el micrófono.

El teléfono como cliente de la casa inteligente

  • Home Assistant Assist: el asistente de voz dentro de Home Assistant. Puede ejecutarse por completo en tu hardware, con Whisper o Speech-to-Phrase para el reconocimiento y Piper para la voz mediante el protocolo Wyoming, y puede pasar las peticiones a un LLM, como uno servido por Ollama. La app de Android es el micrófono y la pantalla. Límite: los modelos de voz y de lenguaje se ejecutan en tu servidor doméstico, no en el teléfono.
  • Scrypted: plataforma de cámaras y NVR de código abierto con apps de visualización para Android e iOS, más resúmenes opcionales con un LLM local mediante llama.cpp en el servidor. Límite: el componente NVR es de pago, y la IA se ejecuta donde se ejecuta Scrypted.
  • EverShelf: gestor de despensa autoalojado con escaneo de códigos de barras, control de caducidades y listas de la compra; las funciones de IA son opcionales y usan Gemini, OpenAI o tu propio servidor Llama. Límite: no es una app de chat ni de LLM, y los proveedores en la nube opcionales ven lo que envías.
  • LocalGhost: sistema de IA personal con licencia MIT en una máquina Debian tuya, con una app de Android como único cliente, que lee fotos, notas, notas de voz y datos de salud con modelos locales. Límite: muy temprana (la versión reseñada fue la v0.0.7), y los datos de salud son sensibles, así que trátala como un experimento.

Agentes que usan herramientas

  • Kai 9000: asistente Apache-2.0 con memoria persistente y herramientas en Android, iOS, escritorio y web. Habla con proveedores en la nube por defecto y opcionalmente puede ejecutar un modelo descargado, incluido Gemma 4, en el dispositivo. Límite: la nube es el valor por defecto, así que cambia a modo en el dispositivo de forma deliberada.
  • PicoClaw: agente con licencia MIT de Sipeed, un único programa en Go para placas pequeñas, teléfonos Android y ordenadores que reenvía las peticiones a un modelo que configuras (un proveedor en la nube, o tu servidor Ollama o vLLM). Límite: el modelo no está en el teléfono.
  • Aori: agente personal en beta gratuita con memoria persistente, personas y rutinas programadas para escritorio y Android. Límite: la app de Android envía los prompts al proveedor que conectes, y lleva más de tres meses inactiva (consulta las apps inactivas).
  • Atomic Bot: empaquetado con un clic de la pila de agentes de código abierto OpenClaw, local o en la nube de pago del fabricante. Límite: el directorio lista móvil, pero nuestra reseña no encontró ninguna compilación de Android documentada en el sitio del fabricante, así que verifícalo antes de planificar en torno a ella.

Agentes que controlan el teléfono

  • Android AppFunctions permite que las apps expongan funciones a las que puede llamar un agente como Gemini. Google lo documenta como una API de plataforma con una biblioteca Jetpack para Android 16 y posterior; las fuentes que leímos discrepan sobre si está en vista previa limitada o privada, así que trátalo como no disponible de forma general. Es el equivalente en el dispositivo de las herramientas MCP, y requiere que el desarrollador de la app lo active.
  • ML Kit AgentRunner da a los desarrolladores un bucle de llamadas a herramientas de varios pasos sobre la Prompt API de Gemini Nano, de modo que una app pueda ejecutar un agente pequeño por completo en el teléfono. Tiene los mismos límites que la Prompt API: solo en primer plano, solo en teléfonos compatibles.
  • Open-AutoGLM es un framework de agente de teléfono de código abierto del equipo de Zhipu (zai-org/Open-AutoGLM) que se ejecuta en un ordenador y opera un teléfono Android mediante ADB, con un modelo de visión y lenguaje que lee la pantalla. El modelo puede ser una API remota o un modelo servido en local, y el agente en sí no está en el teléfono. Comprueba tú mismo su licencia y la ficha del modelo; nuestras fuentes discrepaban.

⚠️Advertencia: Un agente que puede tocar, escribir y leer tu pantalla también puede filtrar lo que ve. Ejecuta los agentes que controlan el teléfono en un teléfono de pruebas o en un perfil de trabajo, nunca en el teléfono que contiene tus apps bancarias.

Rutas para desarrolladores

Android tiene muchas rutas hacia la IA en el dispositivo, y elegir una depende de si necesitas integración con el sistema, elección de modelo o la NPU. La tabla compara las rutas; las notas posteriores dan las salvedades que más tiempo cuestan a la gente.

📍 En una frase

Los desarrolladores pueden apuntar a Android con Google ML Kit GenAI y Gemini Nano, LiteRT y LiteRT-LM, llama.cpp mediante Termux o el NDK, MLC LLM, ExecuTorch, Qualcomm GenieX, o SDK como RunAnywhere y Llamatik.

💬 En términos simples

Usa el modelo del sistema de Google cuando baste, un runtime de Google o Qualcomm cuando necesites la NPU, y llama.cpp cuando quieras cualquier modelo GGUF.

Herramientas para desarrolladores reseñadas

  • RunAnywhere: SDK para LLM, voz a texto, texto a voz, detección de actividad de voz, modelos de visión y lenguaje y embeddings que se ejecutan en el dispositivo, para apps de iOS, Android, Flutter y React Native. Límite: licencia basada en Apache-2.0 con condiciones comerciales.
  • Llamatik: el SDK de Kotlin Multiplatform detrás del chatbot sin conexión del mismo nombre. Límite: un desarrollador independiente.
  • Foundry Local: el runtime en el dispositivo de Microsoft con SDK para C#, JavaScript, Rust y Python. Límite: la reseña documenta los SDK de escritorio y ninguna compilación de Android.
  • MLC LLM: el compilador y runtime detrás de MLC Chat, dirigido a iPhone, Android, navegador (WebGPU) y GPU de escritorio. Límite: un paso de compilación por modelo y destino.
  • OlliteRT: convierte un teléfono Android en un servidor compatible con OpenAI sobre LiteRT-LM de Google, sin interfaz de chat propia. Límite: necesita archivos de modelo .litertlm, no GGUF.
  • Mobile LM Server: ejecuta modelos GGUF y LiteRT-LM y los sirve mediante endpoints compatibles con OpenAI y Ollama. Límite: contiene anuncios y compras dentro de la app; nuestra reseña se basa en la ficha y, según esa reseña de la ficha, señaló que su política de privacidad y la ficha de Seguridad de los datos difieren en la ubicación.
  • Ollama Local AI: ejecuta modelos GGUF mediante un motor llama.cpp integrado y expone una API compatible con OpenAI en tu Wi-Fi para que herramientas como Cursor puedan usar el teléfono. Límite: no es la app del proyecto Ollama, y es gratuita con compras dentro de la app.

ML Kit GenAI y Gemini Nano (AICore)

Ideal para:
Resúmenes, reescritura, descripción de imágenes y una Prompt API sobre un modelo del sistema que se actualiza por ti. Incluye las API AgentRunner y Embedding. La entrada de la Prompt API se mantiene por debajo de unos 4000 tokens.
Límite principal:
Solo uso en primer plano; cuotas por app; solo teléfonos compatibles; no es compatible con un bootloader desbloqueado (Prompt API).

AICore Developer Preview con Gemma 4

Ideal para:
Probar Gemma 4 E2B y E4B mediante la Prompt API de ML Kit; el código escrito ahora está pensado para trasladarse a dispositivos con Gemini Nano 4.
Límite principal:
Una vista previa; Google dijo que aún se estaban añadiendo las llamadas a herramientas, la salida estructurada, los prompts de sistema y el modo de razonamiento.

LiteRT y LiteRT-LM

Ideal para:
Tu propia app con las familias Gemma, Llama, Phi-4 o Qwen, aceleración por GPU y NPU, entrada de visión y audio, llamadas a funciones.
Límite principal:
La NPU necesita modelos compilados por chip; Swift y JavaScript son vistas previas tempranas.

Qualcomm AI Hub y GenieX

Ideal para:
Snapdragon 8 Elite y 8 Elite Gen 5, GGUF mediante llama.cpp con un backend Hexagon o paquetes precompilados de AI Hub mediante AI Engine Direct.
Límite principal:
Solo Snapdragon; el runtime de Android rechaza los ajustes no predeterminados de capas de GPU y de contexto en la ruta de AI Hub.

MediaTek NeuroPilot mediante LiteRT

Ideal para:
NPU Dimensity con modelos Gemma y Qwen3 precompilados.
Límite principal:
La conversión de Gemma personalizado para MediaTek aún no estaba disponible.

Google Tensor SDK

Ideal para:
TPU del Pixel 10 mediante LiteRT, con un Model Garden de más de 100 modelos.
Límite principal:
Beta; solo la familia Pixel 10.

llama.cpp en Termux o el NDK

Ideal para:
Cualquier modelo GGUF en la CPU, sin root; un prototipo puntual o una CLI.
Límite principal:
Límites de procesos de Android y calor; empieza con un contexto cercano a 4096 o la terminal puede cerrarse.

MLC LLM

Ideal para:
Compilar un modelo para un único destino con aceleración por GPU.
Límite principal:
Cadena de compilación; la compatibilidad con OpenCL varía según el teléfono.
Artículos sobre MLC LLM (7)

También mencionado en:

ExecuTorch

Ideal para:
Exportación de PyTorch a Android, listado como compatible con LLM y backends de CPU, GPU, NPU y DSP.
Límite principal:
No pudimos confirmar la lista exacta de backends ni el estado a partir de la página de resumen.

SDK: RunAnywhere, Llamatik, Foundry Local

Ideal para:
Funciones de voz, visión y LLM en tu propia app (RunAnywhere); Kotlin Multiplatform (Llamatik); runtime de Microsoft con SDK de C#, JavaScript, Rust y Python (Foundry Local).
Límite principal:
Foundry Local figura para Android en el directorio, pero su reseña no documenta ninguna compilación de Android; confírmalo antes de usarlo.

💡Consejo: Lee las páginas de los fabricantes: resumen de ML Kit GenAI, Gemini Nano y AICore, LiteRT-LM, Qualcomm AI Hub, Termux y la guía de Android de llama.cpp.

Modo remoto: el teléfono como cliente ligero

La configuración de "IA local en Android" más capaz suele ser un teléfono que habla con un modelo de tu propio ordenador. El modelo se ejecuta en tu máquina con Ollama o LM Studio; el teléfono es la interfaz. Mantienes la privacidad, porque el tráfico se queda en tu red (o en una VPN), y accedes a modelos de clase 7B a 70B sin tocar la RAM del teléfono.

Tres precauciones. Primero, el servidor debe estar encendido y accesible, así que la configuración falla fuera de casa a menos que añadas una VPN como WireGuard o Tailscale. Segundo, Ollama escucha solo en la máquina local por defecto, y exponerlo a tu red, por ejemplo cambiando su dirección de host, da acceso a cualquiera de esa red porque no tiene inicio de sesión integrado; usa un proxy inverso con autenticación o una VPN. Tercero, una clave de API en la nube dentro de la misma app es una vía de datos distinta, así que mantén claramente separados los perfiles locales y los de la nube.

📍 En una frase

Apps de Android como LocalMind, PocketLLM Lite, AnythingLLM Mobile, AnyLLM y RikkaHub permiten que el teléfono actúe como cliente de tu propio servidor Ollama o LM Studio en tu red.

💬 En términos simples

El teléfono es la pantalla y el teclado; el trabajo pesado lo hace tu ordenador en casa.

  • LocalMind: app de chat gratuita con licencia MIT para Android e iPhone que envía los prompts a un modelo del teléfono o a Ollama, LM Studio, OpenRouter o cualquier endpoint compatible con OpenAI, con herramientas MCP. Límite: desarrollador independiente; la vía remota envía texto al endpoint que elijas.
  • PocketLLM Lite: app de Android con licencia MIT que ejecuta modelos en formato Cactus en el teléfono o se conecta a tu propio servidor Ollama o compatible con OpenAI. Límite: sin desarrollador con nombre, y PromptQuorum no la ha instalado.
  • AnythingLLM Mobile: el modo conectado se empareja con AnythingLLM Desktop o Cloud por la red local mediante código QR. Límite: solo Android.
  • AnyLLM: cliente de Android para tus propias claves de API (OpenAI, Anthropic, Google, Groq) que también puede conectar un servidor Ollama, con herramientas MCP y debates entre IA. Límite: código cerrado, y las claves en la nube implican que los prompts salen de tu red.
  • RikkaHub: cliente de Android de código abierto para proveedores en la nube que puede llegar a un servidor Ollama o LM Studio autoalojado mediante su campo de endpoint personalizado. Límite: no ejecuta modelos en el teléfono, así que por sí sola no es una app sin conexión.
  • Chapper: un cliente cuidado de Ollama y LM Studio, pero solo para Apple (iPhone, iPad, Mac). Límite: no existe versión para Android, así que los usuarios de Android deberían usar una de las apps anteriores.

💡Consejo: Un teléfono también puede ser el servidor. OlliteRT, Mobile LM Server y Ollama Local AI sirven su modelo a otros dispositivos de tu Wi-Fi, lo cual es útil para pruebas y scripts rápidos pero no sustituye a un servidor de verdad.

Privacidad y realidad de la telemetría

La inferencia en el dispositivo mantiene tus prompts fuera de los servidores de inferencia de un proveedor; por sí sola no impide que la app envíe datos a otra parte. "Cero telemetría" puede significar sin SDK de analíticas, sin informes de fallos, sin anuncios y sin llamadas de red tras la descarga del modelo, o solo algunas de esas cosas. Las apps varían, y la afirmación es del fabricante salvo que la verifiques.

Tres lugares donde comprobar. La ficha de Seguridad de los datos de Google Play lista lo que el desarrollador dice que recopila o comparte; la declara el desarrollador. La política de privacidad dice lo que la empresa hace con los datos; la reseña de Mobile LM Server, basada en la ficha, señaló que la política y la ficha difieren en la ubicación. El comportamiento de red en sí: un cortafuegos o monitor de red que muestre conexiones después de descargar el modelo es la prueba más directa.

El diseño de AICore de Google es un buen punto de referencia: Google documenta que AICore no tiene acceso directo a internet, que las descargas de modelos pasan por el compañero de código abierto Private Compute Services y que no almacena la entrada ni la salida tras el procesamiento. Es la descripción que Google hace de su propio sistema, no una auditoría independiente. Las apps basadas en otros motores hacen sus propias promesas: ToolNeuron, por ejemplo, declara "sin telemetría" como objetivo de diseño en su README, mientras que la reseña de Google AI Edge Gallery de la versión para iPhone encontró diagnósticos en la etiqueta de privacidad.

📍 En una frase

La inferencia sin conexión mantiene los prompts en el teléfono, pero "cero telemetría" debe comprobarse en la ficha de Seguridad de los datos, la política de privacidad y el tráfico de red real de la app.

💬 En términos simples

Ejecutar el modelo en tu teléfono protege lo que escribes; no promete que la app nunca hable con internet.

Ficha de Seguridad de los datos

Dónde:
Ficha de Google Play
Qué puede revelar:
Recopilación y uso compartido de datos declarados por el desarrollador, que pueden estar incompletos o desactualizados.

Política de privacidad

Dónde:
Sitio web del desarrollador
Qué puede revelar:
Conservación, terceros, jurisdicción y si la política coincide con la ficha.

Permisos

Dónde:
Ajustes de Android, Información de la app
Qué puede revelar:
Acceso al micrófono, la cámara, el almacenamiento o la red que una app puramente local no debería necesitar.

Funciones opcionales en la nube

Dónde:
Ajustes de la app
Qué puede revelar:
Búsqueda web, proveedores en la nube e interruptores de sincronización que amplían discretamente la vía de datos.

Tráfico de red

Dónde:
Prueba en modo avión o una app de cortafuegos
Qué puede revelar:
Si el chat funciona con todo el acceso a la red bloqueado tras la descarga.

Código fuente

Dónde:
GitHub o F-Droid
Qué puede revelar:
Si las afirmaciones pueden auditarse siquiera; las de código cerrado se apoyan en la confianza.

💡Consejo: La prueba del modo avión es sencilla y honesta: descarga el modelo por Wi-Fi, activa el modo avión y chatea. Si la app se niega a funcionar, necesita la red. Si funciona, aun así puede haber enviado datos antes, así que combínala con las comprobaciones de permisos y política.

⚠️Advertencia: Obscurify está en Android y promociona la privacidad, pero es un servicio en la nube: da acceso a más de 200 modelos en la nube tras un número de cuenta aleatorio, con un modo local opcional que ejecuta modelos GGUF en el navegador. La nube anónima no es IA local, y AquaVoice es dictado en la nube. Sabe de qué lado de la línea está cada herramienta.

Batería, calor y cierres en segundo plano

Tres cosas limitan la IA local en un teléfono antes que el modelo: el calor, la batería y la costumbre de Android de cerrar el trabajo en segundo plano. Las tres empeoran con modelos más grandes y sesiones más largas, y ninguna aparece en una hoja de especificaciones.

📍 En una frase

En Android, la inferencia local sostenida calienta el teléfono y gasta batería, y el sistema o el gestor de batería de la marca puede cerrar la app a mitad de una respuesta salvo que la excluyas.

💬 En términos simples

Ejecutar un modelo es como ejecutar un juego: el teléfono se calienta, se ralentiza para protegerse y puede cerrar la app si cree que malgasta energía.

  • Calor. Un teléfono no puede mantener la velocidad máxima mucho tiempo. Se ralentiza para mantenerse fresco, así que la primera respuesta suele ser más rápida que la décima. No tenemos una cifra de limitación térmica con fuente y no damos ninguna; haz una prueba de diez minutos en tu propio teléfono. Quita la funda, evita el cargador mientras genera y prefiere modelos más pequeños para sesiones largas.
  • Batería. La generación mantiene ocupadas la CPU, la GPU o la NPU, así que espera un consumo notable. Google dice que Gemma 4 en AICore usa hasta un 60% menos de batería que versiones anteriores y se ejecuta hasta 4 veces más rápido (afirmación de Google para sus propios modelos y teléfonos). Esas cifras no se trasladan a una app de GGUF instalada fuera de la tienda.
  • Reglas de primer plano para el modelo del sistema de Google. Google documenta que la inferencia de ML Kit GenAI solo se permite cuando la app que llama es la app superior en primer plano, con errores para el uso en segundo plano y cuotas por app para el uso rápido o prolongado. Las apps que usan Gemini Nano no pueden resumir en segundo plano.
  • Límites de procesos. Android 12 introdujo un límite a los procesos hijo en segundo plano, y por eso Termux puede mostrar "signal 9" y detenerse. Los responsables de Termux advierten de que puede ser inestable en Android 12 y posteriores. En versiones recientes, las guías describen un interruptor en las Opciones de desarrollador llamado "Disable child process restrictions" y, en Android 12 a 13, un ajuste mediante ADB; los detalles difieren según la marca y la versión, así que verifica en tu teléfono antes de depender de cualquiera de los dos.
  • Gestores de batería de las marcas. Samsung, Xiaomi, OnePlus y otros añaden sus propias listas de apps en suspensión. Excluye tu app de IA de la optimización de batería, bloquéala en la vista de apps recientes y mantén la pantalla encendida durante las respuestas largas.
  • Almacenamiento. Los modelos son archivos grandes. Guárdalos en la ubicación que espera la app, mantén libres varios gigabytes y borra los modelos que ya no uses.
  • Tamaño de contexto. Una ventana de contexto mayor usa más memoria. La guía de Android de llama.cpp sugiere empezar cerca de 4096 porque valores mayores pueden provocar picos de memoria y cerrar la terminal.

⚠️Advertencia: No dejes un teléfono generando imágenes o respuestas largas bajo una almohada ni en un coche caliente. El calor acorta la vida de la batería, y un teléfono con limitación térmica es un teléfono lento.

Lo que no es posible, o todavía no

Estos son los límites que ninguna app puede resolver hoy, agrupados por motivo. Conocerlos ahorra horas de probar ajustes que no ayudarán.

📍 En una frase

La IA local en Android no puede igualar a los modelos en la nube en tareas difíciles, no puede alojar modelos de 70 mil millones de parámetros ni contextos muy largos, y no puede funcionar como un asistente permanente que Android no cierre.

💬 En términos simples

Un teléfono tiene poca memoria, poca batería y una carcasa sellada y caliente; esos tres hechos fijan el techo.

Calidad de un modelo de frontera sin conexión

Por qué:
Los modelos de teléfono tienen de 1 a 8 mil millones de parámetros; los modelos insignia en la nube son mucho mayores. Los modelos pequeños son más débiles en razonamiento difícil y respuestas largas y exactas.
Qué hacer en su lugar:
Usa lo local para tareas privadas, simples o sin conexión; usa un servidor o la nube para las difíciles.

Modelos de 70 mil millones de parámetros

Por qué:
A 4 bits, solo los pesos necesitan decenas de gigabytes; la mayoría de los teléfonos tienen de 8 a 16 GB en total.
Qué hacer en su lugar:
Ejecútalos en un ordenador y usa el modo remoto.

Documentos muy largos de una vez

Por qué:
Las ventanas de contexto son pequeñas y la memoria crece con el contexto; la Prompt API de Gemini Nano se mantiene por debajo de unos 4000 tokens.
Qué hacer en su lugar:
Fragmenta con RAG; indexa en un servidor.

Respuestas rápidas para salidas largas

Por qué:
La velocidad está limitada por el ancho de banda de memoria, y el calor frena las ejecuciones sostenidas.
Qué hacer en su lugar:
Elige un modelo más pequeño; pide respuestas cortas.

Un asistente permanente en segundo plano fiable

Por qué:
Android restringe el trabajo en segundo plano y los gestores de batería de las marcas cierran apps; el modelo del sistema de Google solo funciona en primer plano.
Qué hacer en su lugar:
Pon el asistente en un servidor doméstico; usa el teléfono como cliente.

Velocidad de NPU con cualquier modelo instalado fuera de la tienda

Por qué:
Las rutas de la NPU necesitan modelos compilados por chip; solo se admiten algunas operaciones y el resto recurre a CPU o GPU.
Qué hacer en su lugar:
Usa modelos preparados para LiteRT, GenieX o NeuroPilot, o acepta la velocidad de CPU y GPU.

Gemini Nano en cualquier app y en cualquier teléfono

Por qué:
El acceso depende de AICore, de la compatibilidad del dispositivo y del chipset, y de un bootloader bloqueado para la Prompt API.
Qué hacer en su lugar:
Usa un motor que controles, como llama.cpp o LiteRT-LM.

Entrenar o ajustar finamente en el teléfono

Por qué:
Los presupuestos de memoria, cómputo y temperatura son demasiado pequeños para algo más que experimentos diminutos.
Qué hacer en su lugar:
Ajusta finamente en un ordenador y luego carga el resultado.

Precisión verificada en modelos pequeños de visión y OCR

Por qué:
No encontramos cifras de precisión independientes para los modelos que ejecutan estas apps.
Qué hacer en su lugar:
Prueba con tus propias muestras; no confíes a ciegas.

Cero telemetría garantizada

Por qué:
Una app puede ejecutarse en local y aun así recopilar analíticas; la afirmación es del fabricante.
Qué hacer en su lugar:
Comprueba la ficha de Seguridad de los datos, la política, los permisos y el tráfico.

Una configuración que funcione en todos los teléfonos Android

Por qué:
Los chips, la RAM, las versiones del sistema y los gestores de batería difieren según la marca y el modelo.
Qué hacer en su lugar:
Prueba primero un modelo pequeño y luego sube de tamaño.

💡Consejo: Varios de estos límites se están moviendo. Gemma 4 en Gemini Nano 4, la compatibilidad más amplia de LiteRT con la NPU y AppFunctions están en vista previa o beta en las fuentes que leímos. Vuelve a comprobarlos en la próxima actualización en lugar de suponer que los límites de hoy son permanentes.

Apps inactivas que conviene revisar antes de depender de ellas

Algunas apps del directorio llevan más de tres meses sin una actualización del proyecto original. Esto no es una afirmación de que el proyecto esté muerto o sea inseguro; es una invitación a revisar la página del fabricante, la ficha de la tienda y el seguimiento de incidencias antes de montar una rutina en torno a la app. Las fechas provienen de las entradas del directorio, que registran la última versión o el último commit sustancial leído de una fuente primaria.

📍 En una frase

Varias apps del directorio listadas para Android, entre ellas MLC Chat, Caelum, ToolNeuron, PAIOS, Aori y Atomic Bot, llevaban más de tres meses sin una actualización del proyecto original en el momento de escribir esto.

💬 En términos simples

Una app inactiva aún puede funcionar, pero puede que nadie corrija pronto un error o un problema de seguridad.

  • MLC Chat: la última actualización registrada en el directorio es de septiembre de 2024; consulta las versiones de GitHub del fabricante para ver compilaciones más nuevas. El runtime de MLC LLM sigue evolucionando (MLC LLM), así que para trabajo actual compila a partir del runtime.
  • Caelum: sin actualización desde agosto de 2025, más de un año.
  • ToolNeuron: un periodo inactivo de varios meses; encaja bien (licencia MIT, almacenamiento cifrado), pero revisa la actividad reciente.
  • PAIOS: la versión reseñada es de la primavera de 2026 y el proyecto se califica a sí mismo de alfa; comprueba que AICore siga siendo compatible con tu teléfono.
  • Aori: una beta gratuita sin versión reciente; la app de Android envía los prompts a un proveedor en la nube que conectes.
  • Atomic Bot: sin versión reciente, y sin compilación de Android documentada en nuestra reseña.

Ruta de decisión: tengo este teléfono y quiero esto

Empieza por tu RAM y tu objetivo, no por la popularidad de una app. Encuentra la fila que corresponda a tu teléfono, luego el objetivo y después sigue el enlace.

📍 En una frase

Haz coincidir la RAM y el chip de tu teléfono con un tamaño de modelo, y luego tu objetivo con un capítulo: chat en PocketPal AI, cámara y Gemma en Google AI Edge Gallery, documentos en AnythingLLM Mobile, y modelos pesados en un servidor mediante un cliente remoto.

💬 En términos simples

Teléfono pequeño, modelo pequeño; tarea grande, servidor grande.

  • 4 a 6 GB, quiero un chat privado sencillo: PocketPal AI con un modelo de 1 a 2 mil millones de parámetros, o Ensu si tienes al menos 4 GB.
  • 8 GB, quiero el mejor equilibrio cotidiano: PocketPal AI o Google AI Edge Gallery con un modelo de 3 a 4 mil millones de parámetros.
  • 12 a 16 GB, quiero el modelo más grande que quepa: un modelo de 7 a 8 mil millones de parámetros con cuantización de pocos bits en un ejecutor de GGUF como Maid, con un contexto corto.
  • Pixel 9 o Pixel 10: prueba el modelo del sistema de Google mediante PAIOS, y usa Google AI Edge Gallery para los modelos Gemma.
  • Galaxy S25 o S26: lee primero IA en el dispositivo del Galaxy S26, porque Galaxy AI es híbrida y el chip depende del modelo y de la región.
  • Insignia con Snapdragon 8 Elite, quiero la máxima velocidad: los desarrolladores pueden usar LiteRT y GenieX; como usuario, empieza con Google AI Edge Gallery y compárala con una app de llama.cpp.
  • Quiero hacer preguntas sobre mis archivos: AnythingLLM Mobile o Private Mind en el teléfono; un servidor doméstico para archivos grandes.
  • Quiero traducción o dictado sin conexión: LLM Hub, Private Mind o Ensu, tras probar tu idioma.
  • Quiero generar imágenes: Local AI by GeetMark o TokForge, con paciencia y un teléfono fresco.
  • Quiero que mi casa lo use: Home Assistant Assist con un servidor doméstico, y el teléfono como mando.
  • Tengo un ordenador con GPU: ejecuta Ollama o LM Studio allí y usa LocalMind o AnythingLLM Mobile como cliente del teléfono.
  • Desarrollador: elige de la tabla de rutas para desarrolladores; empieza con la Prompt API de ML Kit si solo necesitas tareas de texto pequeñas, y con LiteRT-LM si necesitas tu propio modelo.

Primera ejecución en 15 minutos

Puedes tener un asistente sin conexión funcionando en unos 15 minutos, y la mayor parte de ese tiempo es la descarga del modelo. Este recorrido usa PocketPal AI como ejemplo; los pasos son los mismos en cualquier ejecutor de GGUF. Usa Wi-Fi y un cargador para la descarga.

📍 En una frase

Instala una app, descarga por Wi-Fi un modelo dimensionado para tu RAM, ejecuta un prompt y vuelve a probar en modo avión para confirmar que la respuesta funciona sin conexión.

💬 En términos simples

Descarga una vez con internet, luego apaga internet y comprueba si sigue respondiendo.

  1. 1
    Comprueba el almacenamiento y la RAM (1 minuto)
    Why it matters: Los modelos ocupan gigabytes; de 3 a 6 GB de almacenamiento libre cubren un primer modelo, y la RAM decide el tamaño. Mira en Ajustes, Acerca del teléfono.
  2. 2
    Instala una app (2 minutos)
    Why it matters: Usa [PocketPal AI](/es/power-local-llm/pocketpal-ai-review) o [Google AI Edge Gallery](/es/power-local-llm/google-ai-edge-gallery-review) desde Google Play. Una app cada vez mantiene los resultados comparables.
  3. 3
    Conéctate al Wi-Fi y enchufa el teléfono (1 minuto)
    Why it matters: La descarga es grande y el calentamiento mientras se carga es aceptable; los datos móviles pueden ser lentos y costosos.
  4. 4
    Elige un modelo según la RAM (1 minuto)
    Why it matters: 4 a 6 GB: 1 a 2B. 8 GB: 3 a 4B. 12 a 16 GB: 4 a 8B. En caso de duda, elige el más pequeño.
  5. 5
    Descarga y carga el modelo (5 a 7 minutos)
    Why it matters: El tiempo depende de tu conexión y del tamaño del archivo; mantén la pantalla encendida hasta que termine.
  6. 6
    Envía un primer prompt (1 minuto)
    Why it matters: Pregunta algo sencillo. Fíjate en lo rápido que aparecen las palabras; esa es tu referencia.
  7. 7
    Prueba en modo avión (1 minuto)
    Why it matters: Activa el modo avión y pregunta de nuevo. Si responde, la inferencia es local para este modelo y esta app.
  8. 8
    Excluye la app de la optimización de batería (1 minuto)
    Why it matters: Esto reduce los cierres a mitad de respuesta en marcas con gestores de batería agresivos.
  9. 9
    Prueba una tarea de esta guía (el tiempo que quieras)
    Why it matters: Un dictado, una pregunta sobre un documento o una pregunta sobre una imagen te dice rápido si el teléfono es adecuado.

💡Consejo: Si el primer modelo va lento o se bloquea, baja un tamaño antes de cambiar de app. Si te parece débil, sube un tamaño o usa el modo remoto.

Resumen: nivel de teléfono, app, tamaño de modelo

Una tabla para hacer una captura. Son puntos de partida basados en la aritmética de RAM anterior y en lo que documenta cada app, no resultados de benchmarks.

📍 En una frase

Usa modelos de 1 a 2 mil millones de parámetros en teléfonos de 4 a 6 GB, de 3 a 4 mil millones en teléfonos de 8 GB, de 7 a 8 mil millones en teléfonos de 12 a 16 GB, y un servidor para cualquier cosa mayor.

💬 En términos simples

Ajusta primero el modelo a tu RAM y luego elige la app según la tarea.

Nivel de teléfono
Buena primera app
Tamaño del modelo
Ideal para
4 a 6 GB, económicoPocketPal AI1 a 2BChat corto, reescritura simple
8 GB, gama mediaGoogle AI Edge Gallery3 a 4BChat cotidiano, preguntas con la cámara
12 GB, gama altaMaid4 a 8BMejores respuestas, contexto corto
16 GB, teléfono para juegosLM Playground7 a 8BModelos locales más grandes
Pixel 9 o 10PAIOSGemini NanoModelo del sistema, sin descarga
Cualquier teléfono + servidor domésticoLocalMind7 a 70B en el servidorModelos pesados, privacidad en casa
Documentos en cualquier nivelAnythingLLM MobileModelo pequeño + RAGPreguntas sobre tus archivos

Errores comunes

La mayoría de los primeros intentos fallidos se deben a unos pocos errores de siempre.

  • Elegir un modelo demasiado grande para la RAM libre. La app se cierra o el teléfono se congela. Baja un tamaño.
  • Suponer que se usa la NPU. La mayoría de las apps instaladas fuera de la tienda se ejecutan en CPU o GPU, así que un chip de "50 TOPS" no las hace más rápidas.
  • Tratar "sin conexión" como "privado". La inferencia sin conexión es una capa; las analíticas, los anuncios y los interruptores de la nube son otra. Comprueba la ficha de Seguridad de los datos y la política.
  • Instalar Termux desde varios orígenes. Mezclar compilaciones de Google Play, F-Droid y GitHub rompe las firmas y las actualizaciones. Elige un origen y quédate con él.
  • Usar un modelo solo de texto para visión. Las imágenes necesitan un modelo con visión y, en algunas apps, un archivo proyector adicional.
  • Esperar un asistente en segundo plano. Android y los gestores de batería de las marcas cierran las apps inactivas; pon las tareas permanentes en un servidor.
  • Juzgar un modelo por la primera respuesta. Los teléfonos fríos son los más rápidos; haz una prueba de diez minutos antes de decidir.
  • Instalar una app solo para Apple. Chapper no tiene versión para Android. Usa un cliente de Android.
  • Confiar en modelos pequeños para textos de alto riesgo. La traducción, el OCR y los resúmenes pueden ser incorrectos; verifica antes de actuar.

Fuentes

Los datos de plataforma y de chips proceden de las páginas de los fabricantes siguientes, leídas en noviembre de 2026. Los datos de producto proceden de las reseñas de PromptQuorum enlazadas y de las entradas del directorio, que citan sus propias fuentes primarias.

Preguntas frecuentes

¿Puedo ejecutar IA local en Android sin internet?

Sí. Descarga por Wi-Fi una app que funcione en el dispositivo, como PocketPal AI o Google AI Edge Gallery, y un modelo de 1 a 4 mil millones de parámetros, y úsala después en modo avión. La primera descarga necesita conexión; el chat, el dictado, la traducción y las preguntas sobre documentos pueden funcionar sin conexión después, con una calidad inferior a la IA en la nube.

¿Cuánta RAM necesito para ejecutar un LLM en mi teléfono Android?

Como regla general, 4 a 6 GB admiten modelos de 1 a 2 mil millones de parámetros, 8 GB admiten de 3 a 4 mil millones, y 12 a 16 GB pueden alojar de 7 a 8 mil millones con cuantización de pocos bits. Android y otras apps usan varios gigabytes, así que importa más la RAM libre que la cifra de la caja. Las apps pueden fijar sus propios mínimos.

¿Usan las apps de Android la NPU para los LLM locales?

Normalmente no. Las apps genéricas de GGUF se ejecutan en la CPU y a veces en la GPU. Existen rutas para la NPU mediante Google LiteRT, Qualcomm GenieX y MediaTek NeuroPilot, pero necesitan modelos preparados para un chip concreto. Google informa de grandes mejoras de velocidad en sus propios ejemplos, como Gemma 3n E2B en una NPU Dimensity 9500, pero son rutas para desarrolladores.

¿Qué es Gemini Nano y puede usarlo cualquier app?

Gemini Nano es el modelo de Google para el dispositivo, gestionado por el servicio AICore de Android. Las apps acceden a él mediante ML Kit GenAI en teléfonos compatibles, como los Pixel 9 y 10 y modelos recientes de Galaxy y Xiaomi. Google dice que solo se ejecuta mientras la app está en primer plano, y que la Prompt API no es compatible con un bootloader desbloqueado.

¿Cuál es la mejor app de IA local para Android?

No hay una única mejor. PocketPal AI es un ejecutor de GGUF gratuito y de código abierto con gran variedad de modelos; Google AI Edge Gallery es la app propia de Google para modelos de la familia Gemma; AnythingLLM Mobile encaja con las preguntas sobre documentos; LocalMind encaja con un teléfono que habla con tu propio servidor. Nuestro resumen de Android compara las opciones más conocidas.

¿Es realmente privada la IA local en Android?

Cuando una app ejecuta el modelo en el teléfono, los prompts no se envían a los servidores de inferencia de un proveedor de IA en ese paso. La app aún puede recopilar analíticas o usar funciones en la nube. Comprueba la ficha de Seguridad de los datos, la política de privacidad, los permisos y si la app funciona con el modo avión activado tras la descarga del modelo.

¿Puedo ejecutar Ollama en un teléfono Android?

No hay una app oficial de Ollama para Android. Una vía de la comunidad lo ejecuta en Termux en la CPU, y puedes ejecutar llama.cpp en Termux directamente, o usar una app de Android que imite una API compatible con Ollama, como Mobile LM Server u Ollama Local AI (no creadas por el proyecto Ollama). La mayoría de la gente obtiene mejores resultados ejecutando Ollama en un ordenador y usando un cliente en el teléfono.

¿Permite Android la IA local en segundo plano?

Solo en parte. Android restringe los procesos en segundo plano, los gestores de batería de las marcas añaden sus propios límites y las API de Gemini Nano de Google funcionan solo en primer plano. Excluye la app de la optimización de batería y mantén la pantalla encendida para las respuestas largas; pon los asistentes permanentes en un servidor doméstico.

¿Puede un teléfono ejecutar un modelo de 70 mil millones de parámetros?

No de forma realista. A 4 bits, solo los pesos necesitan decenas de gigabytes, mientras que los teléfonos suelen tener de 8 a 16 GB en total. Ejecuta esos modelos en un ordenador y usa tu teléfono como cliente mediante una app como LocalMind o AnythingLLM Mobile.

¿Cómo traduzco texto sin conexión en Android con IA local?

Usa una app que incluya traducción, como LLM Hub, o Audio Scribe de Google AI Edge Gallery para grabaciones. Los modelos pequeños manejan razonablemente los pares de idiomas comunes y tienen dificultades con los idiomas poco comunes y el lenguaje jurídico, así que prueba tu par y verifica los textos importantes.

¿Es seguro usar un modelo de visión en el dispositivo para documentos o etiquetas?

No para lecturas de alto riesgo. Los modelos de visión pequeños pueden leer mal textos y números, y no encontramos cifras de precisión independientes para los modelos que ejecutan estas apps. Úsalos para captar la idea y luego verifica con el original.

¿Qué es diferente en un iPhone?

Ambos son capaces, pero tienen compromisos distintos. iPhone tiene un solo fabricante y menos variantes de dispositivo, así que los resultados tienden a ser más predecibles. Android te da más margen para instalar apps desde fuera de la tienda y para usar Termux, que es una app de Android. Las reglas de Apple para instalar apps desde fuera de la App Store difieren según la región y cambian con el tiempo, así que consulta la política vigente de Apple para tu país. Nuestra guía hermana, IA local en iPhone, cubre el lado de Apple, y IA en el dispositivo: Galaxy vs iPhone compara los dos ecosistemas.

← Volver a LLM locales avanzados

MCP