Stacks comunes en producción
Para los lectores que no quieren leer las nueve categorías, elige el stack más cercano y cópialo. Cada fila empareja un objetivo real con una combinación probada y el hardware mínimo en el que realmente funciona.
Objetivo | Stack | Hardware mínimo |
|---|---|---|
| Chat casual | LM Studio standalone | 16 GB RAM, sin GPU |
| Mejor equilibrio para usuarios avanzados | Ollama + Open WebUI | 16 GB RAM, GPU opcional |
| Chat de documentos | Ollama + AnythingLLM | 16 GB RAM, GPU opcional |
| Código | Ollama + Continue.dev | 16 GB RAM + GPU recomendada |
| Juego de rol / creativo | KoboldCpp + SillyTavern | 16 GB RAM, GPU recomendada |
| Empresa con privacidad ante todo | Ollama + Open WebUI + PrivateGPT | 32 GB RAM + 12 GB VRAM |
| Móvil / en movimiento | MLC Chat o PocketPal AI | iPhone 13+ / Pixel 7+ |
| Apple Silicon | Ollama (backend MLX) o LM Studio | M2/M3/M4/M5 con 16+ GB unificada |
| Equipo multiusuario | vLLM + Open WebUI | 32+ GB RAM + multi-GPU |
Conclusiones clave
- Diez capas, 160+ proyectos, un mapa. Runtimes, apps de escritorio, interfaces web, integraciones IDE, herramientas de terminal, sistemas RAG, frameworks de agentes, voz/audio/visión, clientes móviles, plugins de productividad especializados y generación de imágenes — casi todos los proyectos populares de 2026 encajan exactamente en una capa.
- Elige primero un runtime. Ollama es la opción predeterminada adecuada para ~95% de los lectores; llama.cpp es el motor fundamental detrás de la mayoría de las otras herramientas; vLLM es la opción de producción para despliegues multiusuario en GPU real.
- La mayoría de las capas por encima del runtime son opcionales. Una app de escritorio O una interfaz web es suficiente para el chat. Agrega una integración IDE solo cuando quieras asistencia de código; herramientas de terminal solo cuando quieras workflows CLI; un sistema RAG solo cuando quieras chatear con tus propios documentos; un framework de agentes solo cuando las llamadas de un solo paso dejen de ser suficientes; generación de imágenes solo cuando necesites salida visual.
- La licencia importa para el uso comercial. MIT y Apache 2.0 dominan el ecosistema. AGPL aparece en algunas interfaces (text-generation-webui, KoboldCpp, Jan, SillyTavern) — perfecto para uso personal, más deliberado para despliegues comerciales. La columna "Licencia" a continuación nombra cada una explícitamente.
- Los stacks multiherramienta son la norma. Ollama + Open WebUI + AnythingLLM + Continue.dev + Stable Diffusion es una configuración de una sola máquina que cubre chat, RAG, código y generación de imágenes sin compromiso. La tabla "Stacks comunes en producción" a continuación nombra las recetas que realmente funcionan en 2026.
Cómo se mantiene actualizado este directorio
Este directorio se revisa cada seis meses y se corrige entre revisiones — última actualización en agosto de 2026, próxima revisión programada en noviembre de 2026. La expansión de agosto de 2026 añadió 72+ herramientas nuevas en todos los niveles, dividió voz/multimodal en tres capas específicas (STT, TTS, visión), dividió los asistentes de código en integraciones IDE (4a) y herramientas de terminal (4b), y añadió un nivel completamente nuevo de generación de imágenes. Todos los enlaces y licencias se reverificaron; las nuevas entradas (PearAI, Windsurf, Sourcegraph Cody, SuperAGI, Leon AI, Draw Things, Fooocus, StableSwarmUI y otras) se validaron por mantenimiento activo. Criterios de inclusión: el proyecto está en mantenimiento activo (commits en los últimos 90 días), tiene una licencia open-source verificable o una declaración clara de uso comercial, y o bien tiene una cuota de usuarios significativa en 2026 o llena un nivel que de otro modo estaría vacío. Los proyectos que quedan inactivos durante más de dos ciclos de versión se eliminan; los nuevos participantes que cumplan los criterios se añaden en la próxima revisión. Para sugerir un proyecto para su inclusión, abre un issue o PR contra el repositorio de PromptQuorum — incluye la URL del proyecto, la licencia y una descripción de una oración en el formato anterior.
Fuentes
- ggml-org/llama.cpp GitHub — fuente principal para la arquitectura del runtime y los modelos compatibles.
- Ollama Library — catálogo oficial de modelos y documentación del runtime.
- LM Studio Documentation — referencia de funciones para la GUI de escritorio dominante.
- Open WebUI Documentation — referencia de funciones para la interfaz web autoalojada dominante.
- Hugging Face Hub — ubicación principal para descargar los pesos de modelos consumidos por cada runtime listado anteriormente.
- awesome-local-llm GitHub list — inventario mantenido por la comunidad usado como verificación de la inclusión de proyectos.
Preguntas frecuentes
¿Cuál es la diferencia entre un runtime LLM local y una app de escritorio?
Un runtime (Ollama, llama.cpp, vLLM) es el motor que carga los pesos del modelo y sirve una API — típicamente compatible con OpenAI. Una app de escritorio (LM Studio, Jan, GPT4All) es una interfaz de chat que llama a un runtime por detrás. Algunas apps incluyen su propio runtime (LM Studio incorpora llama.cpp), otras requieren que instales un runtime por separado (Open WebUI llama a Ollama). El runtime decide qué es posible; la app decide qué es conveniente.
¿Puedo usar varias herramientas de esta lista al mismo tiempo?
Sí — la mayoría de los stacks combinan 2-4 herramientas. Una configuración común: Ollama como runtime, Open WebUI para chat, AnythingLLM para chat de documentos y Continue.dev para código — las cuatro funcionan con la misma instancia de Ollama en una sola máquina. La tabla "Stacks comunes en producción" arriba lista las recetas que funcionan sin conflicto.
¿Qué herramientas funcionan completamente offline sin telemetría?
Ollama, llama.cpp, vLLM, Jan, GPT4All, Open WebUI, AnythingLLM, PrivateGPT, Continue.dev, Aider, KoboldCpp, Llamafile, MLX-LM y la mayoría de las apps con licencia AGPL/MIT de este directorio funcionan completamente offline una vez descargado el modelo. LM Studio y varias herramientas de código cerrado tienen análisis opcionales que se pueden desactivar en la configuración — verifica con una captura de paquetes una vez después de instalar. Las interfaces web (Open WebUI, LibreChat) son solo locales cuando se configuran para usar un backend local.
¿Alguna de estas herramientas tiene licencia comercial (no gratuita para uso comercial)?
Algunas: LM Studio, Msty, Backyard AI, Layla y Cursor son de código cerrado — generalmente gratuitas para usar pero no redistribuibles, y los términos comerciales varían. Private LLM es de pago. Las herramientas con licencia AGPL (Jan, KoboldCpp, text-generation-webui, SillyTavern, Khoj, Copilot for Obsidian) son gratuitas para cualquier uso incluyendo comercial, pero los términos AGPL requieren divulgar el código fuente si las modificas y las alojas públicamente. Los proyectos Apache 2.0 y MIT (la mayoría) son utilizables en cualquier contexto incluyendo comercial sin restricciones de atribución más allá del texto de la licencia.
¿Qué herramientas soportan Apple Silicon (chips de la serie M) de forma nativa?
Ollama, llama.cpp, MLX-LM, LM Studio, Jan, Enchanted, GPT4All, MLC Chat, AnythingLLM y la mayoría de las apps Electron/Tauri funcionan de forma nativa en Apple Silicon y usan el backend Metal. MLX-LM es específico de Apple y el más rápido para modelos grandes en chips M-series. vLLM, TensorRT-LLM y ExLlamaV2 están centrados en NVIDIA y no funcionan o funcionan mal en Apple Silicon — para usuarios de Apple, Ollama con el backend Metal es la opción por defecto.
¿Todas estas herramientas soportan el formato de modelo GGUF?
GGUF es el formato nativo de llama.cpp y cualquier herramienta que lo envuelva (Ollama, LM Studio, Jan, GPT4All, KoboldCpp, Llamafile). vLLM y TensorRT-LLM usan sus propios formatos optimizados (típicamente AWQ o FP16) para mayor rendimiento. ExLlamaV2 usa cuantización EXL2. MLX-LM usa pesos convertidos a MLX. La mayoría de las herramientas listadas aceptan GGUF; algunas (vLLM, TensorRT-LLM, ExLlamaV2, MLX-LM) requieren un paso de conversión único desde los pesos originales de Hugging Face.
¿Qué herramientas son mejores para usuarios sin experiencia en código?
GPT4All tiene la instalación más sencilla (un clic, funciona con 8 GB RAM). LM Studio es la más completa en funciones sin necesitar terminal. Jan es la opción sin código más centrada en la privacidad. Para chat de documentos sin trabajo en línea de comandos, AnythingLLM es la más fácil. Las cuatro están listadas en la categoría de Aplicaciones de escritorio (GUI) arriba.
¿Puedo ejecutar estas herramientas en un servidor y acceder a ellas de forma remota?
La mayoría de las herramientas con capacidad de servidor (Ollama, vLLM, LocalAI, Open WebUI, LibreChat, PrivateGPT, AnythingLLM) exponen una API HTTP y se vinculan a una interfaz de red configurable en la configuración. Patrón estándar: ejecutar Ollama en un servidor doméstico o VPS, ejecutar una interfaz en tu laptop o teléfono apuntando a la IP del servidor. Trata la API como cualquier servicio web — vincular a localhost detrás de un proxy inverso, o a una red privada con autenticación adecuada. Open WebUI incluye soporte multiusuario de forma nativa.
¿Qué herramientas soportan configuraciones multiusuario / de equipo?
Open WebUI, LibreChat, h2oGPT, AnythingLLM (con funciones de administrador habilitadas) y Dify están diseñados para uso multiusuario, con control de acceso basado en roles e historial de conversaciones por usuario. vLLM es la capa de serving correcta por debajo cuando la inferencia concurrente importa — agrupa solicitudes de múltiples usuarios para un rendimiento inalcanzable con Ollama a una concurrencia por encima de ~3.
¿Con qué frecuencia se actualiza este directorio?
Cada seis meses — última revisión en julio de 2026, la próxima actualización programada es en noviembre de 2026. Los cambios intermedios (un proyecto queda inactivo, una nueva herramienta gana cuota significativa, una licencia cambia) se aplican como parches a la entrada existente. Las categorías o capas completamente nuevas esperan a una revisión para mantener estable la estructura. La sección "Fuentes" arriba lista los índices comunitarios utilizados para monitorear lo que el ecosistema está haciendo entre revisiones.
¿Puedo generar imágenes localmente sin llamadas a la nube?
Sí — Stable Diffusion, ComfyUI, Invoke AI, AUTOMATIC1111 WebUI y otras herramientas del Nivel 10 funcionan completamente en hardware local. Stable Diffusion necesita 6+ GB VRAM (RTX 3060, RTX 4060 o equivalente); Fooocus y otras interfaces optimizadas pueden funcionar con tarjetas de 4-6 GB. Real-ESRGAN amplía las imágenes generadas; ControlNet añade control espacial (bordes, poses, mapas de profundidad); AnimateDiff genera video a partir de texto. Todas funcionan sin enviar datos a servidores externos.