Pular para o conteúdo principal
PromptQuorumFeito para humanos. Estruturado para IA.
Início/LLMs locais avançados
Mobile & Edge LLMs

IA local no Android em 2026: o que é possível, o que não é e os apps que cobrimos

·45 min de leituraPor · Fundador do PromptQuorum · Mecanismo de descoberta de IA de pesos abertos e código aberto

Sim: um celular Android recente pode executar uma IA local útil offline, mas apenas modelos pequenos. Espere de 1 a 4 bilhões de parâmetros com 6 a 8 GB de RAM e de 7 a 8 bilhões com quantização de poucos bits em 12 a 16 GB. Chat, perguntas pela câmera, ditado, perguntas sobre documentos e tradução funcionam; qualidade de modelo de ponta, contextos longos, velocidade sustentada e um assistente sempre ativo em segundo plano, não. O Android traz opções mais amplas ou mais fáceis do que no iPhone: instalar apps fora da loja, Termux e usar o celular como servidor de API local.

Principais conclusões

  • A IA local no Android é real e funciona offline, e é IA de modelos pequenos. Celulares com 6 a 8 GB de RAM lidam com modelos de 1 a 4 bilhões de parâmetros; celulares com 12 a 16 GB podem comportar de 7 a 8 bilhões com quantização de poucos bits. Respostas no nível da nuvem, documentos longos e respostas longas e rápidas estão fora de alcance.
  • A RAM decide o que cabe; a largura de banda da memória, o calor e o chip decidem a velocidade. O modelo precisa caber na RAM livre ao lado do próprio Android, e a velocidade de geração é limitada pela rapidez com que o celular consegue ler o modelo da memória a cada token.
  • Há quatro motores por trás de quase todos os apps: llama.cpp (arquivos GGUF, CPU e às vezes GPU), Google LiteRT-LM (Gemma e outros modelos, GPU e cada vez mais NPU), MLC (modelos compilados, GPU via OpenCL) e Google AICore com Gemini Nano (modelo do sistema, apenas em celulares compatíveis, acessado pelos apps via ML Kit).
  • A NPU é a parte menos acessível do celular. Google, Qualcomm e MediaTek publicam caminhos para a NPU por meio do LiteRT e do Qualcomm GenieX, mas eles exigem modelos compilados para cada chip. Um app genérico de GGUF instalado por sideload normalmente roda na CPU ou na GPU.
  • O Android dá mais liberdade do que o iPhone em vários aspectos: os apps podem ser instalados fora do Google Play, o Termux oferece um terminal Linux no celular, o celular pode servir uma API compatível com OpenAI ao seu notebook, e a importação de modelos GGUF é um recurso comum. O preço é a fragmentação: os resultados variam por marca, chip e configurações de bateria.
  • A maioria dos apps Android do nosso diretório está associada a uma tarefa neste guia: chat, visão, voz, documentos, tradução, geração de imagens, fotos, notas, casa inteligente e agentes, ferramentas para desenvolvedores e clientes remotos para o seu próprio servidor.
  • "Zero telemetria" é uma alegação, não uma garantia. A inferência no dispositivo mantém os prompts fora dos servidores, mas o app ainda pode enviar análises, anúncios ou relatórios de falhas. Leia o cartão de Segurança dos dados e a política de privacidade em conjunto; eles divergem com mais frequência do que se imagina.
  • Não é possível hoje: qualidade de modelo de ponta offline, modelos de 70 bilhões de parâmetros, contextos de um milhão de tokens, um assistente sempre ativo em segundo plano que o Android não encerre e acesso ao Gemini Nano para qualquer app em qualquer celular.
Ler em:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Celulares Android podem executar IA local offline em 2026: chat, perguntas pela câmera, ditado, perguntas sobre documentos e tradução funcionam com modelos de cerca de 1 a 4 bilhões de parâmetros, e de 7 a 8 bilhões em celulares com 12 a 16 GB. Este guia mapeia as principais capacidades, os limites rígidos, a realidade de chips e RAM, e liga os apps Android do nosso diretório à tarefa em que cada um se sai melhor.

IA local no Android em 2026: o que é possível, o que não é e os apps que cobrimos

Comece aqui: três apps para instalar

Pouco tempo? Instale um destes três apps, baixe um modelo que caiba na RAM do seu celular e teste-o uma vez no modo avião. As indicações vêm dos capítulos e das análises deste guia, não de benchmarks; o restante do guia explica cada escolha.

Outros bons pontos de partida: em um celular em que o AICore oferece suporte ao Gemini Nano, como um Pixel 9 ou 10, experimente o PAIOS, que usa o modelo do sistema do Google sem download; para perguntas com a câmera e modelos Gemma, use o Google AI Edge Gallery; para rodar modelos maiores a partir do seu celular, conecte-o ao Ollama ou ao LM Studio no seu próprio computador com o LocalMind.

📍 Em uma frase

Iniciantes podem começar com o PocketPal AI, usuários avançados com o Maid e um modelo GGUF maior, e desenvolvedores com a ML Kit Prompt API ou o LiteRT-LM; em todos os casos o tamanho do modelo segue a RAM do celular.

💬 Em termos simples

Um app, um modelo ajustado à sua RAM, um teste no modo avião.

Iniciante

Instalar ou usar:
PocketPal AI
Primeiro modelo:
1 a 2B com 4 a 6 GB de RAM; 3 a 4B com 8 GB
Por que esta escolha:
Gratuito, com licença MIT e sem conta. Você escolhe o modelo, e um modelo grande demais simplesmente não carrega; se isso acontecer, desça um tamanho.

Avançado

Instalar ou usar:
Maid
Primeiro modelo:
4 a 8B com 12 GB; 7 a 8B com 16 GB, com contexto curto
Por que esta escolha:
Um executor de GGUF para o maior modelo que o seu celular consegue comportar. Espere um celular mais lento e mais quente, e mantenha o contexto curto.

Desenvolvedor

Instalar ou usar:
ML Kit Prompt API ou LiteRT-LM
Primeiro modelo:
Modelo do sistema do Google, ou o seu próprio modelo
Por que esta escolha:
A Prompt API cobre tarefas pequenas de texto com o modelo do sistema; o LiteRT-LM é para o seu próprio modelo. O capítulo “Caminhos para desenvolvedores” compara as outras rotas.

Seis respostas rápidas antes de instalar

Estas são as seis perguntas que os leitores fazem primeiro; cada resposta aponta para o capítulo que a explica.

📍 Em uma frase

A RAM define o tamanho do modelo, 3 a 6 GB de armazenamento livre comportam um primeiro modelo, e um teste no modo avião mostra se o app funciona offline.

💬 Em termos simples

A RAM escolhe o modelo, o armazenamento o guarda e o modo avião comprova.

  • Qual modelo devo baixar? Siga a sua RAM: 1 a 2B com 4 a 6 GB, 3 a 4B com 8 GB e 4 a 8B com 12 a 16 GB, em que 7 a 8B só cabe com contexto curto. Na dúvida, escolha o menor. Veja “Faixas de RAM” mais abaixo.
  • Quanto armazenamento eu preciso? Deixe livres de 3 a 6 GB para um primeiro modelo, porque os arquivos de modelo são medidos em gigabytes. Veja “Primeira execução em 15 minutos”.
  • Qual será a velocidade? A PromptQuorum não executou novos testes de velocidade para este guia. A velocidade é limitada pela largura de banda da memória, então um modelo menor responde mais rápido; observe a rapidez com que as palavras aparecem no seu primeiro prompt e use isso como referência. Veja o capítulo “Chips”.
  • Qual app é privado? Nenhum pode ser presumido como privado. A inferência no dispositivo mantém seus prompts fora dos servidores de inferência de um fornecedor, mas um app ainda pode enviar dados de análise. Confira o cartão de segurança dos dados (Data safety), a política de privacidade e as permissões, e faça o teste no modo avião; apps de código aberto como o PocketPal AI podem ser auditados, enquanto as afirmações dos de código fechado dependem de confiança. Veja “Privacidade e a realidade da telemetria”.
  • O que posso fazer sem internet? Segundo o mapa de capacidades deste guia, chat, perguntas com a câmera, ditado, perguntas sobre documentos e tradução podem funcionar offline com modelos adequados depois do download; a geração de imagens e os modelos grandes são lentos ou precisam de um servidor. Veja “O mapa de capacidades”.
  • O que leio em seguida? Siga “Primeira execução em 15 minutos”, use “Resumo: faixa de celular, app, tamanho de modelo” como guia rápido em uma única tabela e abra o “Caminho de decisão” se você tiver uma tarefa específica em mente.

Fatos rápidos

  • Tamanhos práticos de modelo: 1 a 2 bilhões de parâmetros com 4 a 6 GB de RAM; 3 a 4 bilhões com 8 GB; 7 a 8 bilhões com quantização de poucos bits em 12 a 16 GB. São regras práticas derivadas de contas de tamanho de arquivo, não resultados de benchmark.
  • Gemini Nano via ML Kit GenAI: a Prompt API aceita texto e até 10 imagens, com entrada abaixo de cerca de 4.000 tokens, e só funciona enquanto o app que a chama está em primeiro plano (Google).
  • Gemma 4 E2B e E4B: o Google os chama de base do Gemini Nano 4 e diz que o E2B é até 3 vezes mais rápido que o E4B; o AICore Developer Preview foi aberto em 2 de abril de 2026 (Android Developers Blog).
  • Caminhos de NPU: o LiteRT tem aceleradores para as NPUs da Qualcomm e da MediaTek; o Google relata o Gemma 3n E2B com mais de 1.600 tokens/s de prefill e 28 tokens/s de decode em uma NPU Dimensity 9500 (Vivo X300 Pro, números do Google, contexto de 4K).
  • TPU do Pixel para desenvolvedores: o Tensor SDK chegou ao beta em 19 de maio de 2026 e lista Pixel 10, 10 Pro, 10 Pro XL e 10 Pro Fold.
  • Versões do Android: o Google AI Edge Gallery exige Android 12 ou posterior; a documentação de NPU do LiteRT exige API de nível 31 ou posterior; o AppFunctions exige Android 16 ou posterior.
  • Termux: instale-o pelo F-Droid ou pelo GitHub; a versão do Google Play é marcada como experimental pelos mantenedores do Termux, e misturar fontes quebra as atualizações.
  • Apps cobertos: os apps Android do diretório do PromptQuorum que analisamos a partir de fontes públicas, cada um ligado uma vez à sua própria análise quando cabe; veja o diretório para a lista completa.
  • Leitor de iPhone? Veja o guia irmão IA local no iPhone.

O mapa de capacidades: o que funciona, o que funciona em parte, o que não funciona

A maioria das tarefas cotidianas de IA funciona em um celular Android sem conexão; as tarefas que exigem escala ou atividade constante em segundo plano, não. A tabela dá o veredito por capacidade, um app para começar e o limite rígido. Cada capítulo abaixo lista os apps que cobrimos para aquela tarefa.

"Funciona" significa que modelos pequenos no dispositivo fazem a tarefa de forma aceitável hoje. "Parcial" significa que funciona com um servidor no circuito, com um único app ou com limites claros de qualidade. "Não" significa que o limite é físico ou uma regra da plataforma, e não a falta de um app.

📍 Em uma frase

No Android em 2026, chat, perguntas pela câmera, ditado, tradução e perguntas sobre documentos curtos rodam offline em modelos pequenos, enquanto modelos grandes, contextos longos e assistentes sempre ativos não rodam.

💬 Em termos simples

Pense em um modelo no dispositivo como um estagiário capaz com uma mesa pequena: rápido, privado e offline, mas incapaz de guardar uma biblioteca inteira ou de igualar um modelo de nuvem em perguntas difíceis.

Capacidade
No celular?
Comece com
Limite rígido
Chat offlineFuncionaPocketPal AIApenas modelos pequenos
Perguntas por câmera e imagemFuncionaGoogle AI Edge GalleryExige um modelo com visão
Ditado (voz para texto)FuncionaPrivate MindA precisão varia conforme o idioma
Respostas lidas em voz altaFuncionaToolNeuronA qualidade da voz varia conforme o app
Assistente de voz offlineParcialHome Assistant AssistO Android pode encerrar ouvintes em segundo plano
Perguntas sobre documentos e PDFsFuncionaAnythingLLM MobileJanela de contexto dos modelos pequenos
TraduçãoFuncionaLLM HubMais fraca em idiomas raros
Geração de imagensParcialTokForgeMais lenta que uma GPU de desktop
Busca de fotosParcialEnte PhotosCostuma rodar em um servidor ou desktop
IA em notas e favoritosParcialKarakeepA IA costuma rodar no seu servidor
Hub de casa inteligenteParcialScryptedO celular é cliente, não o cérebro
Agentes que operam o celularInicialKai 9000Os ganchos do sistema ainda estão em preview
Celular como cliente leveFuncionaLocalMindSeu servidor precisa estar ligado
Embutir IA no seu próprio appFuncionaRunAnywhereA NPU exige builds por chip
Modelos de 70 bilhões de parâmetrosNãoUse um servidorRAM
Respostas no nível da nuvem offlineNãoUse um servidorTamanho do modelo

💡Dica: Se uma tarefa diz "Parcial", a solução usual é o padrão remoto: o celular é a tela e o microfone, e um computador ou servidor doméstico executa o modelo maior. Veja o capítulo sobre o modo remoto.

Como este guia foi feito

Este é um mapa de pesquisa documental (desk research), não um relatório de benchmarks. Foi escrito por Hans Kuepper a partir da documentação do Google, da Qualcomm, da MediaTek e do Termux lida em novembro de 2026, e das análises individuais do PromptQuorum ligadas em cada capítulo. O PromptQuorum não executou novos testes de velocidade para este guia.

Muitas das análises ligadas afirmam que se baseiam em páginas de loja, políticas de privacidade e documentação dos desenvolvedores, e que o PromptQuorum não executou o app. Quando uma afirmação vem do desenvolvedor ou do Google, o texto diz isso. Quando não conseguimos confirmar algo em uma fonte primária, o texto diz "incerto" ou deixa de fora.

Números de velocidade aparecem apenas quando uma fonte identificada os publicou, com o dispositivo indicado. Tamanhos de modelo, faixas de RAM e o "teto de tokens por segundo" são aritmética, e estão rotulados como tal.

📍 Em uma frase

Este guia combina a documentação oficial das plataformas com as análises de apps do PromptQuorum e não executa novos benchmarks, de modo que cada número é citado de uma fonte ou rotulado como aritmética.

💬 Em termos simples

Se uma frase cita uma velocidade, um dispositivo e uma fonte, ela foi publicada por essa fonte; se não tem fonte, é uma regra prática.

Faixas de RAM: que tamanho de modelo o seu celular comporta

A RAM é o primeiro filtro: o modelo precisa caber na memória livre ao lado do Android e dos seus outros apps. Um modelo quantizado em 4 bits precisa de aproximadamente 0.5 a 0.6 GB por bilhão de parâmetros só para os pesos, mais uma memória de trabalho que cresce com o tamanho do contexto. O Android, o launcher e os serviços em segundo plano costumam ocupar vários gigabytes da RAM do celular, então um celular de 12 GB não entrega 12 GB a um app.

A velocidade acompanha a largura de banda da memória. Gerar um token significa ler a maior parte do modelo da memória, então o teto é aproximadamente a largura de banda dividida pelo tamanho do modelo. Nosso guia de IA no dispositivo do Galaxy S26 aplica essa conta: 85.6 GB/s sobre um modelo de 4 bits de 3.5 GB dá um teto teórico próximo de 24 tokens por segundo. Apps reais ficam abaixo do teto, e um celular quente fica ainda mais abaixo.

Trate a tabela como ponto de partida. Vários apps analisados não publicam um mínimo fixo de RAM e dizem que a necessidade depende do modelo carregado; outros definem seus próprios limites. O Ensu desativa o chat em celulares com menos de 4 GB de RAM, e a página do Private Mind no Google Play recomenda um celular com 4 GB ou mais para modelos maiores.

📍 Em uma frase

Um celular com 6 a 8 GB de RAM comporta modelos de cerca de 1 a 4 bilhões de parâmetros com quantização de 4 bits, e celulares com 12 a 16 GB podem comportar de 7 a 8 bilhões.

💬 Em termos simples

A quantização reduz um modelo guardando cada peso em menos bits; um modelo de 4 bits tem aproximadamente um quarto do tamanho de um de 16 bits, com uma pequena perda de qualidade.

RAM do celular
Tamanho do modelo (4 bits)
Modelos de exemplo
O que esperar
4 GB0.5 a 1BQwen3 0.6B, Gemma 3 1BRespostas curtas, tarefas simples
6 GB1 a 2BQwen3 1.7B, SmolLM2 1.7BChat utilizável, resumos básicos
8 GB3 a 4BPhi-4 Mini, Qwen3 4BMelhor equilíbrio na maioria dos celulares
12 GB4 a 8B (apertado)Gemma 4 E4B, Llama 3.2 3B7 a 8B só com contexto pequeno
16 GB ou mais7 a 8BModelos instruct de 7 a 8BMais lento, mais quente, esperas maiores

⚠️Aviso: As páginas do próprio Google não publicam um mínimo de RAM para o Gemma 4 E2B ou E4B nas fontes que lemos. Trate a necessidade de RAM como incerta e confira a lista de modelos do app no seu celular.

💡Dica: Quando um modelo não carrega, a causa costuma ser a RAM livre, não a RAM total. Feche outros apps, reinicie o celular e escolha o próximo modelo menor antes de culpar o app.

Chips: Snapdragon, Tensor, Dimensity, Exynos

Os chips topo de linha atuais incluem uma NPU, mas um app de chat instalado por sideload raramente consegue usá-la. Os caminhos de NPU que existem são publicados pelos fabricantes de chips e pelo Google e exigem modelos preparados para aquele chip. Apps baseados em builds genéricos do llama.cpp rodam principalmente na CPU, às vezes na GPU.

Snapdragon. O GenieX da Qualcomm oferece suporte ao Android nos Snapdragon 8 Elite e 8 Elite Gen 5, executa modelos GGUF pelo llama.cpp com um backend Hexagon e recomenda a quantização Q4_0 para o caminho da NPU; a página não informa o status de lançamento. O acelerador Qualcomm do LiteRT, do Google, relata o FastVLM-0.5B na NPU do Snapdragon 8 Elite Gen 5 com 0.12 segundo até o primeiro token e mais de 100 tokens por segundo de decode (Xiaomi 17 Pro Max, números do Google). Hoje esses são caminhos para desenvolvedores, não botões em um app de chat.

Google Tensor. O Pixel 9 executa o Gemini Nano pelo AICore e pelo ML Kit; o Pixel 10 com Tensor G5 está listado para o suporte ao Gemini Nano 4. Para modelos próprios, o Tensor SDK do Google chegou ao beta em 19 de maio de 2026 para a família Pixel 10 e executa modelos na TPU pelo LiteRT. Se um determinado app de chat de terceiros já o utiliza é algo a verificar app por app.

MediaTek Dimensity. O Google e a MediaTek publicaram um acelerador LiteRT NeuroPilot com modelos pré-compilados (Qwen3 0.6B, Gemma 3 270M, Gemma 3 1B, Gemma 3n E2B, EmbeddingGemma 300M). O chip de referência é o Dimensity 9500 em um Vivo X300 Pro, onde o Google relata o Gemma 3n E2B com mais de 1.600 tokens por segundo de prefill e 28 tokens por segundo de decode com contexto de 4K. A conversão de um modelo Gemma personalizado para a NPU da MediaTek constava como "em breve".

Samsung Exynos. No nosso artigo sobre o Galaxy S26, o S26 e o S26+ usam o Exynos 2600 na Europa, na Coreia e na maioria dos outros mercados e um Snapdragon nos EUA, na China e no Japão, enquanto o S26 Ultra usa o Snapdragon 8 Elite Gen 5 em todos os lugares. Não encontramos documentação primária de um caminho aberto de NPU para apps de modelos de linguagem de terceiros no Exynos, então presuma CPU ou GPU para apps instalados por sideload. A geração de imagens EdgeFusion da própria Samsung na NPU do Exynos 2600 é um pipeline da Samsung e da Nota AI, não algo que um app genérico herda.

📍 Em uma frase

Snapdragon, Tensor e Dimensity têm rotas publicadas de NPU ou TPU por meio do LiteRT ou de SDKs dos fabricantes, mas um app genérico de GGUF instalado por sideload normalmente roda na CPU ou na GPU, e o Exynos não tem um caminho aberto documentado para modelos de linguagem de terceiros.

💬 Em termos simples

A NPU é uma pista rápida que exige um modelo reconstruído para cada chip; apps que distribuem um único arquivo de modelo universal não conseguem usá-la.

Família de chip
Caminho aberto de NPU/TPU
Onde está documentado
Status
Snapdragon 8 Elite / Gen 5Sim, builds por chipLiteRT, Qualcomm GenieXCaminhos para desenvolvedores
Tensor G5 (Pixel 10)Sim, via Tensor SDKGoogle Developers BlogBeta (maio de 2026)
Tensor G4 (Pixel 9)Gemini Nano via ML KitML Kit GenAIDispositivo compatível
Dimensity 9500Sim, NeuroPilotGoogle Developers BlogModelos pré-compilados
Exynos 2600Não documentado para LLMsNenhum encontradoPresuma CPU ou GPU
Chips antigos ou intermediáriosRaramenteVariaCPU, modelos pequenos

⚠️Aviso: Não escolha um celular para IA local pelo número de "TOPS" da NPU. O desempenho máximo da NPU diz pouco sobre um app de chat que nunca usa a NPU. O tamanho da RAM, a largura de banda da memória e a refrigeração decidem a maior parte dos resultados reais.

Os quatro principais motores por trás dos apps de IA para Android

Quase todo app deste guia é uma interface para um de quatro motores, e o motor explica os pontos fortes e os limites do app melhor do que o marketing dele. Se você conhece o motor, sabe quais arquivos de modelo funcionam, se a NPU pode ser usada e para onde vão os seus dados.

📍 Em uma frase

A maioria dos apps de IA no dispositivo para Android roda em um de quatro motores principais: llama.cpp para arquivos GGUF, LiteRT-LM para modelos da classe Gemma, MLC para modelos compilados ou Google AICore para o modelo Gemini Nano do sistema.

💬 Em termos simples

O motor decide quais arquivos de modelo você pode carregar e quanto do chip é usado; o app decide o quanto é agradável de usar.

llama.cpp

Executa:
Arquivos GGUF do Hugging Face; a maior variedade de modelos, e a maioria dos apps permite importar o seu próprio arquivo.
Aceleração:
CPU por padrão; alguns apps adicionam GPU. Existe um backend Hexagon no Qualcomm GenieX.
Apps de exemplo:
PocketPal AI, Maid, LM Playground, KernelAI
Artigos sobre llama.cpp (9)

+180 mais não exibidos

LiteRT-LM

Executa:
O runtime de borda do Google para Gemma e outros modelos em arquivos .litertlm, com entrada de visão e áudio e chamada de funções. O Google lista as famílias Gemma 4, Gemma 3n, Llama, Phi-4 e Qwen.
Aceleração:
Caminhos de GPU e NPU; as APIs Python, Kotlin e C++ estão marcadas como estáveis.
Apps de exemplo:
Google AI Edge Gallery, OlliteRT, MemoryAI

MLC LLM

Executa:
Modelos compilados antecipadamente para um alvo; você recebe uma biblioteca curada, não qualquer arquivo.
Aceleração:
GPU via OpenCL no Android; o suporte é relatado como irregular entre celulares (veja a análise do MLC Chat).
Apps de exemplo:
MLC Chat, MLC LLM
Artigos sobre MLC LLM (7)

Também mencionado em:

AICore com Gemini Nano

Executa:
O modelo do sistema do Google, gerenciado e atualizado pelo Android; os apps o acessam pelo ML Kit GenAI, então não há nada para baixar dentro do app.
Aceleração:
O que o celular compatível oferecer; os apps não podem escolher o hardware.
Apps de exemplo:
PAIOS

💡Dica: Existem outros motores. O Private Mind roda na biblioteca React Native ExecuTorch, e o Ensu e o Atomic Chat trazem suas próprias pilhas. Os quatro acima cobrem a maior parte do que você vai instalar.

Onde o Android dá mais liberdade do que o iPhone

O Android é uma plataforma mais aberta do que o iPhone para IA local, no sentido de que os apps podem carregar seus próprios modelos e motores: você pode instalar apps fora da loja, executar um userland Linux e transformar o celular em um servidor. O custo é a fragmentação. Uma receita que funciona em um topo de linha Galaxy pode falhar em um celular intermediário de outra marca, e não encontramos nenhuma lista de compatibilidade neutra entre fabricantes.

Para o lado da Apple em cada comparação abaixo, leia IA local no iPhone. Para os dois grandes ecossistemas lado a lado, veja IA no dispositivo: Galaxy vs iPhone.

📍 Em uma frase

O Android permite APKs instalados por sideload, Termux, F-Droid e servidores de API hospedados no celular com mais liberdade do que o iOS, ao preço de resultados irregulares entre marcas e chips.

💬 Em termos simples

O Android deixa você mexer mais fundo; o iPhone dá resultados mais previsíveis em menos dispositivos.

  • Sideload e lojas alternativas. O MLC Chat é distribuído como APK nas versões do GitHub do desenvolvedor, e o Google AI Edge Gallery oferece um APK para quem não usa o Google Play. O mesmo app pode existir em vários lugares, então use uma única fonte por app.
  • Termux. Um terminal de verdade no celular, instalável pelo F-Droid ou pelo GitHub, pode compilar e executar o llama.cpp sem root. É também onde os limites de segundo plano do Android pesam mais (veja o capítulo sobre bateria).
  • O celular como servidor. OlliteRT, Mobile LM Server, Ollama Local AI e ToolNeuron expõem um endpoint no estilo OpenAI para que outros dispositivos da sua rede usem o modelo do celular.
  • Escolha de modelo. A importação de GGUF é um recurso comum nos apps Android, então você pode carregar quase qualquer modelo pequeno de pesos abertos que um desenvolvedor publique, não apenas uma lista curada.
  • Variedade de hardware. Celulares gamer com 16 GB ou mais de RAM e refrigeração ativa podem dar mais folga do que os iPhones com que comparamos. O outro lado é que celulares baratos com 4 GB são comuns, e são péssimas máquinas de IA local.
  • Onde o iPhone é mais simples. Um único fabricante, um orçamento de memória por classe de modelo e menos surpresas com otimização de bateria tornam os resultados do iPhone mais fáceis de prever. Se a previsibilidade importa mais do que a flexibilidade, o guia irmão pode servir melhor para você.

Assistentes de chat do nosso diretório, por tipo

O chat offline é a tarefa mais amplamente suportada no Android em nosso diretório, e a escolha do app é, em grande parte, uma escolha de compromissos: código aberto ou fechado, qualquer arquivo GGUF ou uma lista curada, gratuito ou pago. Cada linha abaixo diz o que o app faz e o limite, sem rodeios. Os apps que se encaixam em uma tarefa mais específica aparecem de novo no capítulo dessa tarefa.

Para uma comparação de velocidade e configuração dos apps mais conhecidos, leia Melhores apps de LLM local para Android. Para a escolha de modelos, leia Modelos de LLM móveis: Phi-4, Gemma e SmolLM e a visão geral LLMs locais para celular. Quem tem tablet deve acrescentar Como executar IA em um tablet.

📍 Em uma frase

Dezenas de apps Android executam modelos de chat no celular; os executores GGUF de código aberto dão a maior variedade de modelos, os apps de código fechado oferecem downloads guiados, e o Google AI Edge Gallery é a interface do próprio Google para modelos da classe Gemma.

💬 Em termos simples

Escolha um executor de código aberto se quiser escolher os modelos você mesmo, e um app guiado se quiser que funcione em cinco minutos.

Executores de código aberto e feitos pelos desenvolvedores (comece por aqui)

  • PocketPal AI: executor GGUF gratuito, com licença MIT, para Android e iPhone, sem necessidade de conta; um marketplace opcional da comunidade vende presets premium. Limite: você escolhe o modelo, e o app não tem um mínimo fixo de RAM, então um modelo grande demais simplesmente não carrega.
  • Google AI Edge Gallery: a vitrine gratuita do Google para modelos no dispositivo sobre o LiteRT, com chat, perguntas sobre imagens, transcrição de áudio e testes de prompts. Exige Android 12 ou posterior e é instalado pelo Google Play ou como APK. Limite: o Google rotula o app como um beta experimental. O rótulo de privacidade dele na App Store lista alguns diagnósticos do dispositivo (segundo a nossa análise da versão para iPhone); confira o cartão de Segurança dos dados no Android antes de tratá-lo como zero telemetria.
  • Maid: licença MIT; executa modelos GGUF pelo llama.cpp ou se conecta a provedores remotos com a sua própria chave. A base de código foi reescrita em React Native para a versão 3.0.0 e hoje é distribuída como app apenas para Android. Limite: as versões antigas para iOS e desktop não existem mais, então tutoriais antigos não vão corresponder.
  • Off Grid AI: gratuito, com licença MIT, sem conta, para Android, iOS, macOS e Windows. Limite: os números de downloads no site do desenvolvedor são autodeclarados e não puderam ser conferidos nas lojas de apps.
  • Private Mind: licença MIT, da Software Mansion, executa modelos pelo React Native ExecuTorch, com perguntas sobre documentos, ditado com Whisper e benchmarks de velocidade integrados. Limite: desde a versão 1.3.0, uma chave opcional Web busca páginas na internet, então mantenha-a desligada para uso estritamente offline.
  • Atomic Chat: Apache-2.0; navega por mais de 1.000 modelos do Hugging Face, expõe uma API local compatível com OpenAI e oferece suporte a agentes. Limite: provedores de nuvem opcionais vêm integrados, então confirme que nenhum está ativado se quiser apenas offline.
  • Ensu: AGPL-3.0, da equipe da Ente Labs, com entrada de imagens, ditado de voz local e sem conta. Limite: o chat é desativado em celulares com menos de 4 GB de RAM, e o PromptQuorum não o testou na prática.
  • Llamatik: chatbot offline com licença MIT que serve também de vitrine para o SDK Kotlin Multiplatform do desenvolvedor; a versão Android chegou ao Google Play em novembro de 2025. Limite: um único desenvolvedor independente e um app jovem.
  • LM Playground: executor GGUF com licença MIT, com perguntas sobre documentos, entrada de fotos para modelos de visão, exibição do raciocínio e ferramentas opcionais. Limite: desenvolvedor independente; a análise se baseia na página da loja, no site e no repositório.
  • MLC Chat: app Apache-2.0 sobre o compilador MLC, com inferência acelerada por GPU. É um APK das versões do GitHub do desenvolvedor, não uma página do Google Play. Limite: a biblioteca curada de modelos, o suporte irregular a OpenCL entre celulares e um longo intervalo desde a última atualização (veja o capítulo sobre apps parados).

Apps gratuitos para o consumidor, de código fechado

  • KernelAI: baixa modelos abertos (53, de 112 MB a 3.11 GB, segundo o desenvolvedor) e os executa pelo llama.cpp, com documentos e visão. Limite: código fechado de um único publicador, então as alegações se baseiam nas próprias páginas dele.
  • MemoryAI: executa modelos pelo llama.cpp e pelo Google LiteRT, com perguntas sobre documentos, uma Agent Memory editável, voz com mãos livres e um Modo Infantil protegido por PIN. Limite: código fechado, um único desenvolvedor independente.
  • Loci AI: escolhe llama.cpp ou MLX por modelo, gerencia a temperatura do celular e sincroniza a memória entre conversas; pode se conectar a um desktop para modelos maiores. Limite: código fechado; a promessa de "privado" pode depender de os apps permanecerem offline após a configuração.
  • On Device LLM: chat offline gratuito com importação de GGUF e uma API local opcional compatível com OpenAI. Limite: um app novo, de código fechado; o Google Play o intitula "Local LLM", e ele não é os apps de iPhone com nomes parecidos.
  • LocalAI: Offline AI Chat LLM: chat com llama.cpp com uma faixa premium opcional, chat com documentos, visão e saída estruturada. Limite: código fechado e nenhum repositório público encontrado.
  • Chatty-mini: chat GGUF em modo retrato de um desenvolvedor independente. Limite: documentação pública escassa e licença não confirmada.
  • Caelum: chat gratuito e assistente de documentos que, segundo o próprio app, roda no celular, com busca na web opcional pelo Brave. Limite: sem atualização desde agosto de 2025; veja o capítulo sobre apps parados.

Companheiros, apps pagos e apps respaldados por empresas

  • Layla: app pago (compra única mais faixas dentro do app) construído em torno de um companheiro de personas e roleplay executado localmente. Limite: código fechado e um preço; é primeiro um companheiro, depois um utilitário.
  • Laria: assistente pago para Android com modelos no dispositivo para baixar, identidades de IA personalizadas, ferramentas de imagem e provedores de nuvem opcionais. Limite: código fechado e, segundo a nossa análise, a página do desenvolvedor mostra conteúdo de exemplo explícito; leia antes as notas de classificação etária.
  • Secret AI: personagens personalizados, Skills e ferramentas MCP, executando modelos GGUF, MNN e MLX. Limite: código fechado; outros produtos compartilham o nome, então confira o publicador antes de instalar.
  • CompactifAI APP: da Multiverse Computing, oferece modelos comprimidos para uso offline e modelos maiores pela API de nuvem do desenvolvedor. Limite: o caminho da nuvem faz parte do produto, então o offline é uma opção que você escolhe.
  • Liquid Apollo: o app da Liquid AI para seus pequenos modelos LFM2 no dispositivo, mais OpenRouter e backends personalizados. Limite: não é apenas local; os modos de nuvem e de servidor personalizado enviam prompts para fora do celular.
  • TokForge: personagens de roleplay, geração de imagens, voz e perguntas sobre documentos, com um benchmark de velocidade que pode publicar em um ranking público. Limite: proprietário, e a versão para iPhone é um beta público.

O modelo do sistema: Gemini Nano pelo AICore

  • PAIOS: uma interface de chat gratuita e de código aberto para o Gemini Nano, executada pelo AICore sem download de modelo dentro do app. Limite: só funciona em celulares em que o AICore oferece suporte ao Gemini Nano, com Pixel 9 e 10 como exemplos citados, e o projeto se rotula como alfa.

💡Dica: Instale dois apps, não dez: um executor GGUF de código aberto para ter escolha (PocketPal AI ou Maid) e o Google AI Edge Gallery para modelos da família Gemma. Acrescente outros só para uma tarefa que façam melhor.

⚠️Aviso: Vários dos apps acima são novos, de código fechado e analisados apenas a partir das páginas das lojas. As listas de recursos são alegações dos desenvolvedores; as análises do PromptQuorum dizem quais não foram testadas na prática.

Visão e perguntas pela câmera

Apontar a câmera para algo e fazer uma pergunta funciona hoje no dispositivo, mas só com um modelo com capacidade de visão. Um modelo apenas de texto ignora ou rejeita imagens sem avisar. Os apps abaixo carregam um modelo de visão ou um que aceita entrada de imagens; o modelo, e não o app, define a qualidade.

O ML Kit do Google também oferece opções no nível do sistema: a Prompt API aceita texto mais até 10 imagens, e uma Image Description API dedicada produz uma legenda curta de uma imagem. Ambas rodam no Gemini Nano em celulares compatíveis. O Google também diz que o Gemma 4 melhora tarefas do tipo OCR, como leitura de gráficos e reconhecimento de escrita à mão; não encontramos nenhum número independente de precisão, então teste com os seus próprios documentos.

📍 Em uma frase

Perguntas pela câmera rodam offline no Android por meio de modelos com visão em apps como Google AI Edge Gallery, LM Playground e Private Mind, e pelo Gemini Nano em celulares compatíveis.

💬 Em termos simples

Um modelo de visão lê a imagem em si; um modelo apenas de texto nunca a vê, então o modelo que você escolhe importa mais que o app.

  • Google AI Edge Gallery: o recurso Ask Image identifica objetos, resolve quebra-cabeças visuais e descreve imagens da câmera ou da galeria. Limite: exige um modelo Gemma com visão, e o README não cita números de precisão.
  • LM Playground: entrada de fotos para modelos de visão em formato GGUF. Limite: você precisa encontrar e baixar um GGUF com visão mais o arquivo do projetor; o app não faz isso por você.
  • Private Mind: lista modelos com visão ao lado dos modelos de texto. Limite: modelos de visão maiores podem precisar de mais RAM do que os 4 GB que a página dele recomenda para modelos maiores.
  • LocalAI: Offline AI Chat LLM: oferece suporte a modelos com visão, segundo a página dele no Google Play. Limite: código fechado, e a análise do PromptQuorum se baseia na página da loja.
  • KernelAI: lista a visão entre os seus recursos. Limite: as alegações se baseiam nas páginas do desenvolvedor.
  • Ensu: aceita entrada de imagens no chat. Limite: o suporte a imagens depende do modelo que você escolher.

⚠️Aviso: Não use um modelo de visão no dispositivo para nada em que uma leitura errada importe: rótulos de medicamentos, textos jurídicos, placas de segurança. Modelos de visão pequenos leem mal textos e números, e não há um número de precisão verificado em que se apoiar.

Voz: ditado, transcrição, leitura em voz alta, assistentes

Ditado e transcrição offline são as tarefas de voz mais maduras no Android; um assistente offline sempre à escuta é a menos madura. As duas primeiras executam um modelo de fala como o Whisper no celular e são acionadas por você. A última precisa de um serviço em segundo plano que o Android pode encerrar à vontade.

O reconhecimento de fala do ML Kit, do Google, tem um modo básico que, segundo a documentação, está disponível na maioria dos dispositivos Android com API de nível 31 ou posterior, e um modo avançado em celulares Pixel 10, com mais dispositivos em desenvolvimento. O ML Kit também lista tradução de fala e síntese de voz; a página de visão geral não informa os requisitos de dispositivo para esses, então confira as páginas dos recursos.

Para toda a pilha de voz offline, veja Assistentes de voz no celular, offline, Comparativo de Whisper local para STT, Comparativo de ferramentas locais de voz e áudio e Crie um assistente de voz local.

📍 Em uma frase

Ditado e transcrição de gravações offline funcionam no Android por meio de modelos da classe Whisper em apps como Private Mind, Ensu e LLM Hub, enquanto assistentes de voz offline sempre ativos continuam limitados pelas regras de segundo plano do Android.

💬 Em termos simples

A voz que você inicia com um toque funciona offline; a voz que precisa ouvir o dia todo esbarra nos limites de bateria e nos apps que encerram processos.

Private Mind

Tarefa de voz:
Ditado com Whisper, no celular
Limite, sem rodeios:
O idioma e a precisão dependem do modelo Whisper que você carregar.
Artigos sobre Private Mind (3)

Também mencionado em:

+11 mais não exibidos

Ensu

Tarefa de voz:
Ditado de voz local para o chat
Limite, sem rodeios:
Não testado na prática pelo PromptQuorum; sem dados de precisão.
Artigos sobre Ensu (2)

Também mencionado em:

LM Playground

Tarefa de voz:
Ditado de voz
Limite, sem rodeios:
Apenas ditado; nenhuma resposta falada listada.
Artigos sobre LM Playground (1)

LLM Hub

Tarefa de voz:
Transcrição com Whisper junto com chat, imagem e tradução
Limite, sem rodeios:
Código disponível sob licença não comercial; a faixa Premium é paga.
Artigos sobre LLM Hub (2)

Também mencionado em:

MemoryAI

Tarefa de voz:
Conversa por voz com mãos livres
Limite, sem rodeios:
Código fechado; confira na política de privacidade se o reconhecimento é no dispositivo.
Artigos sobre MemoryAI (4)

ToolNeuron

Tarefa de voz:
Entrada e saída de voz, mais um armazenamento criptografado
Limite, sem rodeios:
Sem atualização há mais de três meses; veja os apps parados.
Artigos sobre ToolNeuron (4)

Também mencionado em:

TokForge

Tarefa de voz:
Síntese de voz com clonagem de voz
Limite, sem rodeios:
Proprietário; a clonagem de voz levanta questões de consentimento e de falsificação de identidade.
Artigos sobre TokForge (2)

RunAnywhere

Tarefa de voz:
SDK de voz para texto, texto para voz e detecção de atividade de voz no seu próprio app
Limite, sem rodeios:
Uma biblioteca para desenvolvedores, não um app; aplicam-se termos comerciais.
Artigos sobre RunAnywhere (1)

Também mencionado em:

Home Assistant Assist

Tarefa de voz:
Controle da casa por voz com Whisper e Piper no seu próprio hardware
Limite, sem rodeios:
Os modelos de fala rodam em um servidor doméstico, não no celular.
Artigos sobre Home Assistant Assist (2)

AquaVoice

Tarefa de voz:
Ditado rápido que digita no app ativo
Limite, sem rodeios:
Serviço de nuvem. Está aqui para você não o confundir com um serviço local.
Artigos sobre AquaVoice (2)

Também mencionado em:

⚠️Aviso: Clonagem de voz e gravação sempre ativa são temas de privacidade e consentimento, não apenas recursos. Clone somente a sua própria voz ou uma que você tenha autorização por escrito para usar, e avise as pessoas quando for gravá-las.

Documentos, PDFs e RAG

As perguntas sobre documentos funcionam no Android dividindo um arquivo em trechos, encontrando os relevantes e entregando apenas esses a um modelo pequeno. Isso é a geração aumentada por recuperação (RAG). É melhor do que colar um PDF inteiro em um modelo pequeno, cuja janela de contexto é curta demais para ele.

A Prompt API do Gemini Nano limita a entrada a menos de cerca de 4.000 tokens, o que equivale a aproximadamente 3.000 palavras em inglês, então perguntas sobre documentos no nível do sistema também exigem divisão em trechos. Para o método em detalhes, leia RAG local nos seus PDFs, passo a passo e Melhores ferramentas de RAG local.

📍 Em uma frase

Apps Android como AnythingLLM Mobile, Private Mind, LM Playground e Honey LLM respondem a perguntas sobre os seus arquivos no celular recuperando trechos relevantes para um modelo pequeno.

💬 Em termos simples

O app procura no seu documento os parágrafos certos e entrega só esses ao modelo, de modo que um modelo pequeno consegue responder perguntas sobre um arquivo longo.

  • AnythingLLM Mobile: licença MIT, apenas Android. O modo autônomo executa um modelo pequeno e um banco de dados vetorial local no celular; o modo conectado se pareia por QR code com o AnythingLLM Desktop ou Cloud para ter o conjunto completo de recursos. Limite: a qualidade no modo autônomo é a de um modelo pequeno; o pareamento é o que dá mais.
  • Private Mind: perguntas sobre documentos no dispositivo, com citação das fontes. Limite: as citações mostram de onde veio uma resposta, não que ela está certa.
  • LM Playground: perguntas sobre documentos no dispositivo em um app gratuito com licença MIT. Limite: desenvolvedor independente; confira na análise os tipos de arquivo compatíveis antes de depender dele.
  • Honey LLM: responde a perguntas sobre arquivos PDF, DOCX, TXT e Markdown e mantém um cofre local criptografado. Limite: app jovem no Google Play desde março de 2026; a nossa análise se baseia na página da loja.
  • LocalAI: Offline AI Chat LLM: chat com documentos em PDF, Word, Excel e CSV usando recuperação vetorial no dispositivo. Limite: código fechado; a análise se baseia na página da loja.
  • ToolNeuron: RAG de documentos com armazenamento criptografado, voz, um servidor HTTP local e plugins. Limite: sem atualização há mais de três meses.
  • MemoryAI: perguntas sobre documentos mais uma Agent Memory que você pode editar. Limite: código fechado.
  • Caelum: perguntas sobre documentos com busca na web opcional. Limite: sem atualização desde agosto de 2025, e a opção de busca na web envia consultas on-line.

💡Dica: Para um arquivo grande, não o indexe no celular. Execute o índice em um computador ou servidor e use o celular como cliente, como descreve o capítulo sobre o modo remoto.

Tradução

A tradução offline no Android funciona para pares de idiomas comuns com modelos pequenos, e a qualidade cai em idiomas raros e textos longos. O Google diz que o Gemma 4 oferece suporte nativo a mais de 140 idiomas e lista a tradução de fala entre as APIs do ML Kit GenAI; nenhuma das duas alegações vem com um número de precisão que pudéssemos verificar, então teste o seu próprio par de idiomas antes de depender dela.

📍 Em uma frase

Apps Android como LLM Hub e Google AI Edge Gallery traduzem textos e gravações no celular, e o ML Kit acrescenta tradução de fala em dispositivos compatíveis.

💬 Em termos simples

Modelos pequenos traduzem bem frases do dia a dia e têm dificuldade com idiomas raros, expressões idiomáticas e linguagem jurídica.

  • LLM Hub: tradução no dispositivo junto com chat, um agente com servidores MCP, geração de imagens e música e transcrição com Whisper. Limite: código disponível sob licença não comercial e uma faixa Premium paga.
  • Google AI Edge Gallery: o recurso Audio Scribe transcreve e traduz gravações de voz no dispositivo. Limite: beta experimental.
  • Local AI Mail: um cliente de e-mail para Android que resume, traduz e redige respostas com um modelo no dispositivo e pode passar para o Gemini com a sua própria chave. Limite: uma versão muito inicial; o modo Gemini opcional envia o texto dos e-mails ao Google.

⚠️Aviso: Não confie em um modelo local pequeno para contratos, textos médicos ou qualquer coisa em que uma tradução errada tenha consequências. Use-o para ter a ideia geral e rascunhos, e depois verifique.

Geração e edição de imagens

Gerar imagens em um celular é possível, mas lento em comparação com uma GPU de desktop, e é a tarefa em que o ajuste específico para o chip mais importa. A Samsung e a Nota AI descrevem o EdgeFusion, uma variante do Stable Diffusion que gera imagens de 512 por 512 em menos de um segundo na NPU do Exynos 2600 (alegação da Samsung e do parceiro, citada em nosso guia do Galaxy S26). Esse é um pipeline ajustado pelo fabricante; não encontramos velocidade verificada para os apps instalados por sideload abaixo, então não informamos nenhuma.

Para o equilíbrio geral entre nuvem e local, veja Geração de imagens com IA local vs nuvem. Ferramentas de edição, como inpainting, são mais raras em celulares do que texto para imagem.

📍 Em uma frase

Apps Android como TokForge, Local AI by GeetMark, Laria e LLM Hub geram imagens com modelos no dispositivo, mas nenhuma fonte que encontramos publica tempos de geração verificados para eles.

💬 Em termos simples

O seu celular pode desenhar uma imagem sem internet, mas espere esperar muito mais do que em um computador com placa de vídeo.

  • Local AI: Offline Chat and Image: gratuito, com chat em mais de 20 modelos, imagens com Stable Diffusion e 15 kits de prompts. Limite: contém anúncios, código-fonte e licença não publicados.
  • TokForge: personagens de roleplay com geração de imagens no dispositivo, voz e perguntas sobre documentos. Limite: proprietário; os resultados de velocidade podem ser publicados em um ranking público, então confira o que o benchmark compartilha.
  • Laria: ferramentas de imagem junto com chat local e na nuvem. Limite: pago; algumas ferramentas de imagem podem usar provedores de nuvem, então confira cada ferramenta.
  • LLM Hub: geração de imagens e música no mesmo app do chat e da tradução. Limite: licença de código disponível não comercial.

💡Dica: O calor é o limite prático. Algumas imagens seguidas podem aquecer o celular o bastante para deixá-lo mais lento. Gere em lotes curtos e deixe esfriar.

Notas, conhecimento e favoritos

Apps de notas e favoritos dão a você um cliente móvel para o conhecimento que mora no seu servidor ou em arquivos simples, e os recursos de IA rodam onde você os apontar. Nenhum dos apps abaixo executa um modelo de linguagem dentro do próprio app Android. Eles se conectam a um provedor de IA que você escolhe, que pode ser um servidor Ollama local na sua rede ou um serviço de nuvem. Isso os torna local-first no armazenamento, não necessariamente na inferência.

📍 Em uma frase

Os clientes Android de Karakeep, Linkwarden, Blinko, Logseq, SiYuan e Hillnote mantêm notas e favoritos sob o seu controle, enquanto os recursos de IA rodam em um servidor ou provedor que você configura.

💬 Em termos simples

Esses apps guardam o seu conhecimento localmente; o modelo de IA que o etiqueta ou resume também pode ser local, mas só se você configurar assim.

  • Karakeep: AGPL-3.0, auto-hospedado com Docker, salva links, notas, imagens e PDFs e usa IA para etiquetá-los, resumi-los e indexá-los. Tem apps para Android e iOS e extensões de navegador. Limite: a etiquetagem por IA precisa de um endpoint de modelo que você configura.
  • Linkwarden: gerenciador de favoritos AGPL-3.0 que salva uma cópia de cada página e pode etiquetar links com um modelo Ollama local ou um provedor de nuvem. Limite: a edição Cloud é paga; a auto-hospedagem fica por sua conta.
  • Blinko: GPL-3.0, anotações auto-hospedadas com busca em linguagem natural baseada em RAG sobre as suas próprias notas, executada como um contêiner Docker. Limite: a busca por RAG usa um provedor de IA que você conecta.
  • Logseq: AGPL-3.0, outliner local-first com apps para Android e iOS. Não tem modelo integrado; o beta da versão com banco de dados acrescenta um servidor MCP opcional para que um cliente de IA externo possa ler e editar um grafo. Limite: a IA é traga-a-sua-própria e o servidor MCP está em beta.
  • SiYuan: espaço de conhecimento em blocos AGPL-3.0 com apps para Android e iOS e colaboração integrada com agentes de IA. Limite: a sincronização criptografada na nuvem é um complemento pago; confira onde os recursos de IA dele rodam antes de presumir que são locais.
  • Hillnote: espaço de notas em Markdown para Mac, Windows, iPhone, iPad e Android que guarda os arquivos no seu disco. A IA no dispositivo dele consta como Ollama e Apple Intelligence, e nenhum dos dois roda em um celular Android, então confira quais recursos de IA o app Android realmente expõe antes de comprar.

💡Dica: Um bom padrão: auto-hospede o app de notas e um modelo Ollama pequeno em um servidor doméstico, e deixe o app Android ser o cliente de captura e busca.

Casa inteligente e agentes

Na casa inteligente, o celular é um controle remoto e um microfone; nos agentes, ele é tanto um lugar para executar um agente quanto, cada vez mais, aquilo que o agente controla. A IA da casa inteligente pertence a um servidor doméstico, porque um celular dorme, se move e é encerrado. Os agentes no Android se dividem em três famílias: assistentes que usam ferramentas, agentes que vivem em um servidor e usam o celular como cliente, e agentes que operam o próprio celular.

Para o lado da casa inteligente em profundidade, veja o cluster de casa inteligente do PromptQuorum; este capítulo trata do que o celular faz.

📍 Em uma frase

Celulares Android atuam como clientes de IA para casa inteligente (Home Assistant Assist, Scrypted, EverShelf, LocalGhost) e podem executar agentes que usam ferramentas (Kai 9000, PicoClaw, Aori), mas o controle no nível do sistema sobre outros apps ainda está em preview.

💬 Em termos simples

Deixe um servidor doméstico ser o cérebro, e deixe o celular ser o controle remoto e o microfone.

O celular como cliente da casa inteligente

  • Home Assistant Assist: o assistente de voz dentro do Home Assistant. Pode rodar totalmente no seu hardware, com Whisper ou Speech-to-Phrase para o reconhecimento e Piper para a fala pelo protocolo Wyoming, e pode encaminhar pedidos a um LLM, como um servido pelo Ollama. O app Android é o microfone e a tela. Limite: os modelos de fala e de linguagem rodam no seu servidor doméstico, não no celular.
  • Scrypted: plataforma de câmeras e NVR de código aberto com apps de visualização para Android e iOS, mais resumos opcionais por LLM local via llama.cpp no servidor. Limite: o componente NVR é pago, e a IA roda onde o Scrypted roda.
  • EverShelf: gerenciador de despensa auto-hospedado com leitura de código de barras, controle de validade e listas de compras; os recursos de IA são opcionais e usam Gemini, OpenAI ou o seu próprio servidor Llama. Limite: não é um app de chat nem de LLM, e os provedores de nuvem opcionais veem o que você envia.
  • LocalGhost: sistema pessoal de IA com licença MIT em uma máquina Debian sua, com um app Android como único cliente, que lê fotos, notas, notas de voz e dados de saúde com modelos locais. Limite: muito inicial (a versão analisada foi a v0.0.7), e dados de saúde são sensíveis, então trate-o como um experimento.

Agentes que usam ferramentas

  • Kai 9000: assistente Apache-2.0 com memória persistente e ferramentas em Android, iOS, desktop e web. Fala com provedores de nuvem por padrão e pode, opcionalmente, executar um modelo baixado, incluindo o Gemma 4, no dispositivo. Limite: a nuvem é o padrão, então mude para o dispositivo de forma deliberada.
  • PicoClaw: agente com licença MIT da Sipeed, um único programa em Go para placas pequenas, celulares Android e desktops que encaminha pedidos a um modelo que você configura (um provedor de nuvem, ou o seu servidor Ollama ou vLLM). Limite: o modelo não está no celular.
  • Aori: agente pessoal em beta gratuito com memória persistente, personas e rotinas agendadas para desktop e Android. Limite: o app Android envia prompts ao provedor que você conecta, e está parado há mais de três meses (veja os apps parados).
  • Atomic Bot: empacotamento com um clique da pilha de agentes de código aberto OpenClaw, local ou na nuvem paga do desenvolvedor. Limite: o diretório lista mobile, mas a nossa análise não encontrou nenhuma build Android documentada no site do desenvolvedor, então verifique antes de planejar em torno dele.

Agentes que operam o celular

  • Android AppFunctions permite que apps exponham funções que um agente como o Gemini pode chamar. O Google o documenta como uma API da plataforma com uma biblioteca Jetpack para Android 16 e posterior; as fontes que lemos divergem sobre estar em preview limitado ou privado, então trate-o como não disponível de forma geral. É a contrapartida no dispositivo das ferramentas MCP, e exige que o desenvolvedor do app aceite participar.
  • ML Kit AgentRunner dá aos desenvolvedores um ciclo de chamada de ferramentas em várias etapas sobre a Prompt API do Gemini Nano, de modo que um app pode executar um agente pequeno inteiramente no celular. Tem os mesmos limites da Prompt API: apenas em primeiro plano, apenas em celulares compatíveis.
  • Open-AutoGLM é um framework de agente de celular de código aberto da equipe da Zhipu (zai-org/Open-AutoGLM) que roda em um computador e opera um celular Android por ADB, com um modelo de visão e linguagem lendo a tela. O modelo pode ser uma API remota ou um modelo servido localmente, e o agente em si não está no celular. Confira você mesmo a licença e o model card; as nossas fontes divergiam.

⚠️Aviso: Um agente que pode tocar, digitar e ler a sua tela também pode vazar o que vê. Execute agentes que operam o celular em um celular de teste ou em um perfil de trabalho, nunca no celular que guarda os seus apps bancários.

Caminhos para desenvolvedores

O Android tem muitos caminhos para a IA no dispositivo, e escolher um se resume a precisar de integração com o sistema, escolha de modelos ou a NPU. A tabela compara os caminhos; as notas depois dela trazem as ressalvas que mais custam tempo às pessoas.

📍 Em uma frase

Desenvolvedores podem mirar o Android com Google ML Kit GenAI e Gemini Nano, LiteRT e LiteRT-LM, llama.cpp via Termux ou NDK, MLC LLM, ExecuTorch, Qualcomm GenieX, ou SDKs como RunAnywhere e Llamatik.

💬 Em termos simples

Use o modelo do sistema do Google quando ele bastar, um runtime do Google ou da Qualcomm quando precisar da NPU, e o llama.cpp quando quiser qualquer modelo GGUF.

Ferramentas para desenvolvedores analisadas

  • RunAnywhere: SDK para LLM, voz para texto, texto para voz, detecção de atividade de voz, modelos de visão e linguagem e embeddings que rodam no dispositivo, para apps iOS, Android, Flutter e React Native. Limite: licença baseada em Apache-2.0 com termos comerciais.
  • Llamatik: o SDK Kotlin Multiplatform por trás do chatbot offline de mesmo nome. Limite: um único desenvolvedor independente.
  • Foundry Local: o runtime no dispositivo da Microsoft com SDKs para C#, JavaScript, Rust e Python. Limite: a análise documenta os SDKs de desktop e nenhuma build Android.
  • MLC LLM: o compilador e runtime por trás do MLC Chat, voltado para iPhone, Android, navegador (WebGPU) e GPUs de desktop. Limite: uma etapa de compilação por modelo e por alvo.
  • OlliteRT: transforma um celular Android em um servidor compatível com OpenAI sobre o LiteRT-LM do Google, sem interface de chat própria. Limite: precisa de arquivos de modelo .litertlm, não GGUF.
  • Mobile LM Server: executa modelos GGUF e LiteRT-LM e os serve por endpoints compatíveis com OpenAI e Ollama. Limite: contém anúncios e compras no app; a nossa análise se baseia na página da loja e, segundo essa análise da página, observou que a política de privacidade e o cartão de Segurança dos dados divergem quanto à localização.
  • Ollama Local AI: executa modelos GGUF por um motor llama.cpp embutido e expõe uma API compatível com OpenAI no seu Wi-Fi para que ferramentas como o Cursor usem o celular. Limite: não é o app do projeto Ollama, e é gratuito com compras no app.

ML Kit GenAI e Gemini Nano (AICore)

Melhor para:
Resumos, reescrita, descrição de imagens e uma Prompt API sobre um modelo do sistema atualizado para você. Inclui as APIs AgentRunner e Embedding. A entrada da Prompt API fica abaixo de cerca de 4.000 tokens.
Principal limite:
Uso apenas em primeiro plano; cotas por app; apenas celulares compatíveis; sem suporte com bootloader desbloqueado (Prompt API).

AICore Developer Preview com Gemma 4

Melhor para:
Experimentar o Gemma 4 E2B e E4B pela Prompt API do ML Kit; o código escrito agora deve migrar para dispositivos com Gemini Nano 4.
Principal limite:
Um preview; o Google disse que chamada de ferramentas, saída estruturada, prompts de sistema e modo de raciocínio ainda estavam sendo adicionados.

LiteRT e LiteRT-LM

Melhor para:
Seu próprio app com as famílias Gemma, Llama, Phi-4 ou Qwen, aceleração por GPU e NPU, entrada de visão e áudio, chamada de funções.
Principal limite:
A NPU exige modelos compilados por chip; Swift e JavaScript são previews iniciais.

Qualcomm AI Hub e GenieX

Melhor para:
Snapdragon 8 Elite e 8 Elite Gen 5, GGUF pelo llama.cpp com um backend Hexagon ou bundles pré-compilados do AI Hub pelo AI Engine Direct.
Principal limite:
Apenas Snapdragon; o runtime Android rejeita configurações de camadas de GPU e de contexto fora do padrão no caminho do AI Hub.

MediaTek NeuroPilot via LiteRT

Melhor para:
NPUs Dimensity com modelos Gemma e Qwen3 pré-compilados.
Principal limite:
A conversão personalizada de Gemma para a MediaTek ainda não estava disponível.

Google Tensor SDK

Melhor para:
TPU do Pixel 10 pelo LiteRT, com um Model Garden de mais de 100 modelos.
Principal limite:
Beta; apenas a família Pixel 10.

llama.cpp no Termux ou no NDK

Melhor para:
Qualquer modelo GGUF na CPU, sem root; um protótipo avulso ou uma CLI.
Principal limite:
Limites de processo do Android e calor; comece com um contexto próximo de 4096 ou o terminal pode ser encerrado.

MLC LLM

Melhor para:
Compilar um modelo para um alvo com aceleração por GPU.
Principal limite:
Toolchain de compilação; o suporte a OpenCL varia por celular.
Artigos sobre MLC LLM (7)

Também mencionado em:

ExecuTorch

Melhor para:
Exportação do PyTorch para o Android, listado como cobrindo LLMs e backends de CPU, GPU, NPU e DSP.
Principal limite:
Não conseguimos confirmar a lista exata de backends nem o status pela página de visão geral.

SDKs: RunAnywhere, Llamatik, Foundry Local

Melhor para:
Recursos de fala, visão e LLM no seu próprio app (RunAnywhere); Kotlin Multiplatform (Llamatik); runtime da Microsoft com SDKs em C#, JavaScript, Rust e Python (Foundry Local).
Principal limite:
O Foundry Local está listado para Android no diretório, mas a análise dele não documenta nenhuma build Android; confirme antes de usar.

💡Dica: Leia as páginas dos desenvolvedores: visão geral do ML Kit GenAI, Gemini Nano e AICore, LiteRT-LM, Qualcomm AI Hub, Termux e o guia para Android do llama.cpp.

Modo remoto: o celular como cliente leve

A configuração mais capaz de "IA local no Android" costuma ser um celular que fala com um modelo no seu próprio computador. O modelo roda na sua máquina com Ollama ou LM Studio; o celular é a interface. Você mantém a privacidade, porque o tráfego fica na sua rede (ou em uma VPN), e ganha modelos de classe 7B a 70B sem tocar na RAM do celular.

Três cuidados. Primeiro, o servidor precisa estar ligado e acessível, então a configuração falha fora de casa, a menos que você adicione uma VPN como WireGuard ou Tailscale. Segundo, o Ollama escuta apenas na máquina local por padrão, e expô-lo à sua rede, por exemplo definindo o endereço de host, dá acesso a qualquer pessoa nessa rede, porque ele não tem login integrado; use um proxy reverso com autenticação ou uma VPN. Terceiro, uma chave de API de nuvem dentro do mesmo app é um caminho de dados diferente, então mantenha os perfis local e de nuvem claramente separados.

📍 Em uma frase

Apps Android como LocalMind, PocketLLM Lite, AnythingLLM Mobile, AnyLLM e RikkaHub deixam o celular atuar como cliente do seu próprio servidor Ollama ou LM Studio na sua rede.

💬 Em termos simples

O celular é a tela e o teclado; o trabalho pesado acontece no seu computador em casa.

  • LocalMind: app de chat gratuito, com licença MIT, para Android e iPhone que envia prompts a um modelo no celular ou ao Ollama, LM Studio, OpenRouter ou qualquer endpoint compatível com OpenAI, com ferramentas MCP. Limite: desenvolvedor independente; o caminho remoto envia texto ao endpoint que você escolher.
  • PocketLLM Lite: app Android com licença MIT que executa modelos no formato Cactus no celular ou se conecta ao seu próprio servidor Ollama ou compatível com OpenAI. Limite: sem desenvolvedor identificado, e o PromptQuorum não o instalou.
  • AnythingLLM Mobile: o modo conectado se pareia com o AnythingLLM Desktop ou Cloud pela rede local por QR code. Limite: apenas Android.
  • AnyLLM: cliente Android para as suas próprias chaves de API (OpenAI, Anthropic, Google, Groq) que também pode se conectar a um servidor Ollama, com ferramentas MCP e debates entre IAs. Limite: código fechado, e chaves de nuvem significam que os prompts saem da sua rede.
  • RikkaHub: cliente Android de código aberto para provedores de nuvem que pode alcançar um servidor Ollama ou LM Studio auto-hospedado pelo campo de endpoint personalizado. Limite: não executa modelos no celular, então não é um app offline por si só.
  • Chapper: um cliente refinado de Ollama e LM Studio, mas apenas para Apple (iPhone, iPad, Mac). Limite: não existe versão para Android, então usuários de Android devem usar um dos apps acima.

💡Dica: Um celular também pode ser o servidor. OlliteRT, Mobile LM Server e Ollama Local AI servem o seu modelo a outros dispositivos no seu Wi-Fi, o que é útil para testes e scripts rápidos, mas não substitui um servidor de verdade.

Privacidade e a realidade da telemetria

A inferência no dispositivo mantém os seus prompts fora dos servidores de inferência de um fornecedor; ela não impede, por si só, que o app envie dados para outro lugar. "Zero telemetria" pode significar nenhum SDK de análise, nenhum relatório de falhas, nenhum anúncio e nenhuma chamada de rede após o download do modelo, ou apenas alguns desses itens. Os apps variam, e a alegação é do desenvolvedor, a menos que você a verifique.

Três lugares para conferir. O cartão de Segurança dos dados do Google Play lista o que o desenvolvedor diz coletar ou compartilhar; é declarado pelo próprio desenvolvedor. A política de privacidade diz o que a empresa faz com os dados; a análise do Mobile LM Server, que se baseia na página da loja, observou que a política e o cartão divergem quanto à localização. O comportamento da rede em si: um firewall ou monitor de rede que mostre conexões após o download do modelo é o teste mais direto.

O projeto do AICore, do Google, é um bom ponto de referência: o Google documenta que o AICore não tem acesso direto à internet, que os downloads de modelos passam pelo Private Compute Services, de código aberto, e que ele não armazena a entrada nem a saída após o processamento. Essa é a descrição do Google sobre o próprio sistema, não uma auditoria independente. Apps baseados em outros motores fazem as suas próprias promessas: o ToolNeuron, por exemplo, declara "sem telemetria" como objetivo de projeto no README, enquanto a análise do Google AI Edge Gallery da versão para iPhone encontrou diagnósticos no rótulo de privacidade.

📍 Em uma frase

A inferência offline mantém os prompts no celular, mas "zero telemetria" deve ser conferido no cartão de Segurança dos dados, na política de privacidade e no tráfego de rede real do app.

💬 Em termos simples

Executar o modelo no seu celular protege o que você digita; não promete que o app nunca fala com a internet.

Cartão de Segurança dos dados

Onde:
Página do Google Play
O que pode revelar:
Coleta e compartilhamento de dados declarados pelo desenvolvedor, que podem estar incompletos ou desatualizados.

Política de privacidade

Onde:
Site do desenvolvedor
O que pode revelar:
Retenção, terceiros, jurisdição e se a política corresponde ao cartão.

Permissões

Onde:
Configurações do Android, Informações do app
O que pode revelar:
Acesso a microfone, câmera, armazenamento ou rede que um app puramente local não deveria precisar.

Recursos de nuvem opcionais

Onde:
Configurações do app
O que pode revelar:
Busca na web, provedores de nuvem e chaves de sincronização que ampliam discretamente o caminho dos dados.

Tráfego de rede

Onde:
Teste em modo avião ou um app de firewall
O que pode revelar:
Se o chat funciona com todo o acesso à rede bloqueado após o download.

Código-fonte

Onde:
GitHub ou F-Droid
O que pode revelar:
Se as alegações podem ser auditadas; as alegações de código fechado dependem de confiança.

💡Dica: O teste do modo avião é simples e honesto: baixe o modelo no Wi-Fi, ative o modo avião e depois converse. Se o app se recusar a funcionar, ele precisa da rede. Se funcionar, ele ainda pode ter enviado dados antes, então combine o teste com as verificações de permissões e de política.

⚠️Aviso: O Obscurify está no Android e promove a privacidade, mas é um serviço de nuvem: alcança mais de 200 modelos de nuvem por trás de um número de conta aleatório, com um modo local opcional que executa modelos GGUF no navegador. Nuvem anônima não é IA local, e o AquaVoice é ditado em nuvem. Saiba de que lado da linha cada ferramenta está.

Bateria, calor e apps encerrados em segundo plano

Três coisas limitam a IA local em um celular antes do modelo: calor, bateria e o hábito do Android de encerrar trabalho em segundo plano. As três pioram com modelos maiores e sessões mais longas, e nenhuma aparece em uma ficha técnica.

📍 Em uma frase

No Android, a inferência local sustentada aquece o celular e consome a bateria, e o sistema ou o gerenciador de bateria da marca pode encerrar o app no meio de uma resposta, a menos que você o isente.

💬 Em termos simples

Executar um modelo é como rodar um jogo: o celular esquenta, desacelera para se proteger e pode fechar o app se achar que está gastando energia à toa.

  • Calor. Um celular não consegue manter a velocidade máxima por muito tempo. Ele reduz o próprio desempenho para se manter frio, então a primeira resposta costuma ser mais rápida que a décima. Não temos nenhum número de redução de desempenho com fonte e não informamos nenhum; teste com uma execução de dez minutos no seu próprio celular. Tire a capa, evite o carregador enquanto gera e prefira modelos menores para sessões longas.
  • Bateria. A geração mantém a CPU, a GPU ou a NPU ocupada, então espere um consumo perceptível. O Google diz que o Gemma 4 no AICore usa até 60% menos bateria que as versões anteriores e roda até 4 vezes mais rápido (alegação do Google para os próprios modelos e celulares). Esses números não se aplicam a um app GGUF instalado por sideload.
  • Regras de primeiro plano para o modelo do sistema do Google. O Google documenta que a inferência do ML Kit GenAI só é permitida quando o app que a chama é o app em primeiro plano, com erros para uso em segundo plano e cotas por app para uso rápido ou prolongado. Apps que usam o Gemini Nano não conseguem resumir em segundo plano.
  • Limites de processo. O Android 12 introduziu um limite para processos filhos em segundo plano, e é por isso que o Termux pode exibir "signal 9" e parar. Os mantenedores do Termux avisam que ele pode ser instável no Android 12 e posteriores. Em versões recentes, guias descrevem uma chave nas Opções do desenvolvedor chamada "Disable child process restrictions" e, no Android 12 a 13, uma configuração via ADB; os detalhes variam por marca e versão, então verifique no seu celular antes de contar com qualquer uma das duas.
  • Gerenciadores de bateria das marcas. Samsung, Xiaomi, OnePlus e outras acrescentam as suas próprias listas de apps em suspensão. Isente o seu app de IA da otimização de bateria, fixe-o na visão de apps recentes e mantenha a tela ligada durante respostas longas.
  • Armazenamento. Os modelos são arquivos grandes. Guarde-os no local que o app espera, mantenha vários gigabytes livres e apague os modelos que não usa mais.
  • Tamanho do contexto. Uma janela de contexto maior usa mais memória. O guia de Android do llama.cpp sugere começar perto de 4096, porque valores maiores podem provocar picos de memória e encerrar o terminal.

⚠️Aviso: Não deixe um celular gerando imagens ou respostas longas debaixo de um travesseiro ou em um carro quente. O calor reduz a vida útil da bateria, e um celular com desempenho reduzido é um celular lento.

Não é possível, ou ainda não

Estes são os limites que nenhum app consegue resolver hoje, agrupados pelo motivo. Conhecê-los poupa horas tentando configurações que não vão ajudar.

📍 Em uma frase

A IA local no Android não consegue igualar os modelos de nuvem em tarefas difíceis, não comporta modelos de 70 bilhões de parâmetros nem contextos muito longos e não pode funcionar como um assistente sempre ativo que o Android não encerre.

💬 Em termos simples

Um celular tem memória pequena, bateria pequena e uma carcaça quente e selada; esses três fatos definem o teto.

Qualidade de modelo de ponta offline

Por quê:
Os modelos de celular têm de 1 a 8 bilhões de parâmetros; os modelos de ponta da nuvem são muito maiores. Modelos pequenos são mais fracos em raciocínio difícil e em respostas longas e exatas.
O que fazer no lugar:
Use o local para tarefas privadas, simples ou offline; use um servidor ou a nuvem para as difíceis.

Modelos de 70 bilhões de parâmetros

Por quê:
Com 4 bits, só os pesos já precisam de dezenas de gigabytes; a maioria dos celulares tem de 8 a 16 GB no total.
O que fazer no lugar:
Execute-os em um computador e use o modo remoto.

Documentos muito longos de uma só vez

Por quê:
As janelas de contexto são pequenas e a memória cresce com o contexto; a Prompt API do Gemini Nano fica abaixo de cerca de 4.000 tokens.
O que fazer no lugar:
Divida em trechos com RAG; indexe em um servidor.

Respostas rápidas para saídas longas

Por quê:
A velocidade é limitada pela largura de banda da memória, e o calor reduz o desempenho nas execuções prolongadas.
O que fazer no lugar:
Escolha um modelo menor; peça respostas curtas.

Um assistente confiável sempre ativo em segundo plano

Por quê:
O Android restringe o trabalho em segundo plano, e os gerenciadores de bateria das marcas encerram apps; o modelo do sistema do Google funciona apenas em primeiro plano.
O que fazer no lugar:
Coloque o assistente em um servidor doméstico; use o celular como cliente.

Velocidade de NPU com qualquer modelo instalado por sideload

Por quê:
Os caminhos de NPU exigem modelos compilados por chip; só algumas operações são suportadas, e o resto recorre à CPU ou à GPU.
O que fazer no lugar:
Use modelos prontos para LiteRT, GenieX ou NeuroPilot, ou aceite a velocidade de CPU e GPU.

Gemini Nano em qualquer app em qualquer celular

Por quê:
O acesso depende do AICore, do suporte do dispositivo e do chipset e de um bootloader bloqueado para a Prompt API.
O que fazer no lugar:
Use um motor que você controle, como o llama.cpp ou o LiteRT-LM.

Treinar ou ajustar modelos (fine-tuning) no celular

Por quê:
Os orçamentos de memória, computação e térmico são pequenos demais para qualquer coisa além de experimentos minúsculos.
O que fazer no lugar:
Faça o fine-tuning em um computador e depois carregue o resultado.

Precisão verificada para modelos pequenos de visão e OCR

Por quê:
Não encontramos números independentes de precisão para os modelos que esses apps executam.
O que fazer no lugar:
Teste com as suas próprias amostras; nunca confie cegamente.

Zero telemetria garantida

Por quê:
Um app pode rodar localmente e ainda coletar análises; a alegação é do desenvolvedor.
O que fazer no lugar:
Confira o cartão de Segurança dos dados, a política, as permissões e o tráfego.

Uma configuração que funcione em todo celular Android

Por quê:
Chips, RAM, versões do sistema e gerenciadores de bateria diferem por marca e modelo.
O que fazer no lugar:
Teste primeiro um modelo pequeno e depois aumente.

💡Dica: Vários desses limites estão mudando. O Gemma 4 no Gemini Nano 4, o suporte mais amplo a NPU no LiteRT e o AppFunctions estão todos em preview ou beta nas fontes que lemos. Reavalie-os na próxima atualização em vez de presumir que os limites de hoje são permanentes.

Apps parados para verificar antes de depender deles

Alguns apps do diretório ficaram mais de três meses sem atualização do projeto original. Isso não é uma afirmação de que o projeto está morto ou é inseguro; é um lembrete para conferir a página do desenvolvedor, a página da loja e o rastreador de problemas antes de montar uma rotina em torno do app. As datas vêm das entradas do diretório, que registram a última versão ou o último commit substancial lido de uma fonte primária.

📍 Em uma frase

Vários apps do diretório listados para Android, incluindo MLC Chat, Caelum, ToolNeuron, PAIOS, Aori e Atomic Bot, estavam há mais de três meses sem atualização do projeto original no momento da redação.

💬 Em termos simples

Um app parado ainda pode funcionar, mas talvez ninguém corrija em breve um bug ou um problema de segurança.

  • MLC Chat: a última atualização registrada no diretório é de setembro de 2024; confira as versões do GitHub do desenvolvedor para builds mais novas. O runtime MLC LLM em si continua evoluindo (MLC LLM), então, para trabalho atual, compile a partir do runtime.
  • Caelum: sem atualização desde agosto de 2025, mais de um ano.
  • ToolNeuron: um período parado de vários meses; uma boa opção (licença MIT, armazenamento criptografado), mas confira a atividade recente.
  • PAIOS: a versão analisada é da primavera de 2026 (hemisfério norte) e o projeto se rotula como alfa; confira se o seu celular ainda é compatível com o AICore.
  • Aori: um beta gratuito sem versão recente; o app Android envia prompts a um provedor de nuvem que você conecta.
  • Atomic Bot: sem versão recente e sem build Android documentada na nossa análise.

Caminho de decisão: tenho este celular e quero isto

Comece pela sua RAM e pelo seu objetivo, não pela popularidade de um app. Encontre a linha que corresponde ao seu celular, depois o objetivo, e siga o link.

📍 Em uma frase

Associe a RAM e o chip do seu celular a um tamanho de modelo e depois associe o seu objetivo a um capítulo: chat no PocketPal AI, câmera e Gemma no Google AI Edge Gallery, documentos no AnythingLLM Mobile e modelos pesados em um servidor por meio de um cliente remoto.

💬 Em termos simples

Celular pequeno, modelo pequeno; tarefa grande, servidor grande.

  • 4 a 6 GB, quero um chat privado simples: PocketPal AI com um modelo de 1 a 2 bilhões de parâmetros, ou Ensu se você tiver pelo menos 4 GB.
  • 8 GB, quero o melhor equilíbrio no dia a dia: PocketPal AI ou Google AI Edge Gallery com um modelo de 3 a 4 bilhões de parâmetros.
  • 12 a 16 GB, quero o maior modelo que couber: um modelo de 7 a 8 bilhões de parâmetros com quantização de poucos bits em um executor GGUF como o Maid, com um contexto curto.
  • Pixel 9 ou Pixel 10: experimente o modelo do sistema do Google pelo PAIOS e use o Google AI Edge Gallery para modelos Gemma.
  • Galaxy S25 ou S26: leia primeiro IA no dispositivo do Galaxy S26, porque o Galaxy AI é híbrido e o chip depende do modelo e da região.
  • Topo de linha com Snapdragon 8 Elite, quero a máxima velocidade: desenvolvedores podem usar LiteRT e GenieX; como usuário, comece pelo Google AI Edge Gallery e compare com um app llama.cpp.
  • Quero fazer perguntas sobre os meus arquivos: AnythingLLM Mobile ou Private Mind no celular; um servidor doméstico para arquivos grandes.
  • Quero tradução ou ditado offline: LLM Hub, Private Mind ou Ensu, depois de testar o seu idioma.
  • Quero desenhar imagens: Local AI by GeetMark ou TokForge, com paciência e um celular frio.
  • Quero que a minha casa use isso: Home Assistant Assist com um servidor doméstico, e o celular como controle remoto.
  • Tenho um computador com GPU: execute Ollama ou LM Studio nele e use o LocalMind ou o AnythingLLM Mobile como cliente no celular.
  • Desenvolvedor: escolha na tabela de caminhos para desenvolvedores; comece pela Prompt API do ML Kit se precisar apenas de tarefas de texto pequenas, e pelo LiteRT-LM se precisar do seu próprio modelo.

Primeira execução em 15 minutos

Você pode ter um assistente offline funcionando em cerca de 15 minutos, e a maior parte desse tempo é o download do modelo. Este passo a passo usa o PocketPal AI como exemplo; os passos são os mesmos em qualquer executor GGUF. Use Wi-Fi e um carregador durante o download.

📍 Em uma frase

Instale um app, baixe no Wi-Fi um modelo adequado à sua RAM, execute um prompt e depois teste de novo no modo avião para confirmar que a resposta funciona offline.

💬 Em termos simples

Baixe uma vez com internet, depois desligue a internet e veja se ele ainda responde.

  1. 1
    Confira o armazenamento e a RAM (1 minuto)
    Why it matters: Os modelos têm gigabytes; 3 a 6 GB de armazenamento livre cobrem um primeiro modelo, e a RAM decide o tamanho. Veja em Configurações, Sobre o telefone.
  2. 2
    Instale um app (2 minutos)
    Why it matters: Use o [PocketPal AI](/pt/power-local-llm/pocketpal-ai-review) ou o [Google AI Edge Gallery](/pt/power-local-llm/google-ai-edge-gallery-review) pelo Google Play. Um app de cada vez mantém os resultados comparáveis.
  3. 3
    Conecte-se ao Wi-Fi e ligue o carregador (1 minuto)
    Why it matters: O download é grande e o aquecimento durante a carga é aceitável; os dados móveis podem ser lentos e caros.
  4. 4
    Escolha um modelo pela 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. Na dúvida, escolha o menor.
  5. 5
    Baixe e carregue o modelo (5 a 7 minutos)
    Why it matters: O tempo depende da sua conexão e do tamanho do arquivo; mantenha a tela ligada até terminar.
  6. 6
    Envie um primeiro prompt (1 minuto)
    Why it matters: Pergunte algo simples. Observe a rapidez com que as palavras aparecem; essa é a sua linha de base.
  7. 7
    Teste no modo avião (1 minuto)
    Why it matters: Ative o modo avião e pergunte de novo. Se responder, a inferência é local para esse modelo e esse app.
  8. 8
    Isente o app da otimização de bateria (1 minuto)
    Why it matters: Isso reduz os encerramentos no meio de uma resposta em marcas com gerenciadores de bateria agressivos.
  9. 9
    Experimente uma tarefa deste guia (o tempo que quiser)
    Why it matters: Ditado, uma pergunta sobre um documento ou uma pergunta sobre uma imagem mostram rapidamente se o celular serve.

💡Dica: Se o primeiro modelo parecer lento ou travar, reduza um tamanho antes de trocar de app. Se parecer fraco, suba um tamanho ou use o modo remoto.

Resumo: faixa de celular, app, tamanho de modelo

Uma tabela para tirar print. São pontos de partida baseados nas contas de RAM acima e no que cada app documenta, não resultados de benchmark.

📍 Em uma frase

Use modelos de 1 a 2 bilhões de parâmetros em celulares de 4 a 6 GB, de 3 a 4 bilhões em celulares de 8 GB, de 7 a 8 bilhões em celulares de 12 a 16 GB e um servidor para qualquer coisa maior.

💬 Em termos simples

Associe primeiro o modelo à sua RAM, depois escolha o app para a tarefa.

Faixa de celular
Bom primeiro app
Tamanho do modelo
Melhor para
4 a 6 GB, de entradaPocketPal AI1 a 2BChat curto, reescrita simples
8 GB, intermediárioGoogle AI Edge Gallery3 a 4BChat do dia a dia, perguntas pela câmera
12 GB, topo de linhaMaid4 a 8BRespostas melhores, contexto curto
16 GB, celular gamerLM Playground7 a 8BModelos locais maiores
Pixel 9 ou 10PAIOSGemini NanoModelo do sistema, sem download
Qualquer celular + servidor domésticoLocalMind7 a 70B no servidorModelos pesados, privacidade em casa
Documentos em qualquer faixaAnythingLLM MobileModelo pequeno + RAGPerguntas sobre os seus arquivos

Erros comuns

A maioria das primeiras tentativas que falham vem dos mesmos poucos erros.

  • Escolher um modelo grande demais para a RAM livre. O app trava ou o celular congela. Reduza um tamanho.
  • Presumir que a NPU é usada. A maioria dos apps instalados por sideload roda na CPU ou na GPU, então um chip de "50 TOPS" não os torna mais rápidos.
  • Tratar "offline" como "privado". A inferência offline é uma camada; análises, anúncios e chaves de nuvem são outra. Confira o cartão de Segurança dos dados e a política.
  • Instalar o Termux de várias fontes. Misturar builds do Google Play, do F-Droid e do GitHub quebra as assinaturas e as atualizações. Escolha uma e continue nela.
  • Usar um modelo apenas de texto para visão. Imagens precisam de um modelo com visão e, em alguns apps, de um arquivo de projetor adicional.
  • Esperar um assistente em segundo plano. O Android e os gerenciadores de bateria das marcas encerram apps ociosos; coloque tarefas sempre ativas em um servidor.
  • Julgar um modelo pela primeira resposta. Celulares frios são os mais rápidos; faça um teste de dez minutos antes de decidir.
  • Instalar um app só para Apple. O Chapper não tem versão para Android. Use um cliente Android.
  • Confiar em modelos pequenos para textos de alto risco. Tradução, OCR e resumos podem estar errados; verifique antes de agir.

Fontes

Os fatos de plataforma e de chips vêm das páginas dos desenvolvedores abaixo, lidas em novembro de 2026. Os fatos de produto vêm das análises do PromptQuorum ligadas e das entradas do diretório, que citam as suas próprias fontes primárias.

Perguntas frequentes

Posso executar IA local no Android sem internet?

Sim. Baixe um app no dispositivo, como o PocketPal AI ou o Google AI Edge Gallery, e um modelo de 1 a 4 bilhões de parâmetros no Wi-Fi, e depois use-o no modo avião. O primeiro download precisa de conexão; depois disso, chat, ditado, tradução e perguntas sobre documentos podem funcionar offline, com qualidade abaixo da IA na nuvem.

De quanta RAM preciso para executar um LLM no meu celular Android?

Como regra prática, 4 a 6 GB comportam modelos de 1 a 2 bilhões de parâmetros, 8 GB comportam de 3 a 4 bilhões, e 12 a 16 GB podem comportar de 7 a 8 bilhões com quantização de poucos bits. O Android e outros apps usam vários gigabytes, então a RAM livre importa mais do que o número na caixa. Os apps podem definir os seus próprios mínimos.

Os apps Android usam a NPU para LLMs locais?

Normalmente não. Apps genéricos de GGUF rodam na CPU e, às vezes, na GPU. Existem caminhos de NPU pelo Google LiteRT, pelo Qualcomm GenieX e pelo MediaTek NeuroPilot, mas exigem modelos preparados para um chip específico. O Google relata grandes ganhos de velocidade nos próprios exemplos, como o Gemma 3n E2B em uma NPU Dimensity 9500, mas esses são caminhos para desenvolvedores.

O que é o Gemini Nano e qualquer app pode usá-lo?

O Gemini Nano é o modelo no dispositivo do Google, gerenciado pelo serviço AICore do Android. Os apps o acessam pelo ML Kit GenAI em celulares compatíveis, como Pixel 9 e 10 e modelos recentes de Galaxy e Xiaomi. O Google diz que ele só roda enquanto o app está em primeiro plano, e a Prompt API não tem suporte com o bootloader desbloqueado.

Qual é o melhor app de IA local para Android?

Não existe um único melhor. O PocketPal AI é um executor GGUF gratuito e de código aberto com ampla escolha de modelos; o Google AI Edge Gallery é o app do próprio Google para modelos da família Gemma; o AnythingLLM Mobile serve para perguntas sobre documentos; o LocalMind serve para um celular que fala com o seu próprio servidor. O nosso comparativo para Android compara as opções mais conhecidas.

A IA local no Android é realmente privada?

Quando um app executa o modelo no celular, os prompts não são enviados aos servidores de inferência de um fornecedor de IA para essa etapa. O app ainda pode coletar análises ou usar recursos de nuvem. Confira o cartão de Segurança dos dados, a política de privacidade, as permissões e se o app funciona com o modo avião ativado após o download do modelo.

Posso executar o Ollama em um celular Android?

Não existe um app oficial do Ollama para Android. Um caminho da comunidade o executa no Termux na CPU, e você pode executar o llama.cpp no Termux diretamente, ou usar um app Android que imita uma API compatível com o Ollama, como o Mobile LM Server ou o Ollama Local AI (não feitos pelo projeto Ollama). A maioria das pessoas obtém melhores resultados executando o Ollama em um computador e usando um cliente no celular.

O Android permite IA local em segundo plano?

Só em parte. O Android restringe processos em segundo plano, os gerenciadores de bateria das marcas acrescentam seus próprios limites, e as APIs do Gemini Nano do Google funcionam apenas em primeiro plano. Isente o app da otimização de bateria e mantenha a tela ligada em respostas longas; coloque assistentes sempre ativos em um servidor doméstico.

Um celular consegue executar um modelo de 70 bilhões de parâmetros?

Não de forma realista. Com 4 bits, só os pesos já precisam de dezenas de gigabytes, enquanto os celulares costumam ter de 8 a 16 GB no total. Execute esses modelos em um computador e use o celular como cliente por meio de um app como o LocalMind ou o AnythingLLM Mobile.

Como traduzo textos offline no Android com IA local?

Use um app que inclua tradução, como o LLM Hub, ou o Audio Scribe do Google AI Edge Gallery para gravações. Modelos pequenos lidam razoavelmente com pares de idiomas comuns e têm dificuldade com idiomas raros e linguagem jurídica, então teste o seu par e verifique os textos importantes.

É seguro usar um modelo de visão no dispositivo para documentos ou rótulos?

Não para leituras de alto risco. Modelos de visão pequenos podem ler mal textos e números, e não encontramos números independentes de precisão para os modelos que esses apps executam. Use-os para a ideia geral e depois verifique no original.

O que muda em um iPhone?

Ambos são capazes, mas têm compromissos diferentes. O iPhone tem um único fabricante e menos variantes de dispositivo, então os resultados tendem a ser mais previsíveis. O Android dá mais liberdade para instalar apps de fora da loja e usar o Termux, que é um app Android. As regras da Apple para instalar apps de fora da App Store diferem por região e mudam com o tempo, então confira a política atual da Apple para o seu país. O nosso guia irmão, IA local no iPhone, cobre o lado da Apple, e IA no dispositivo: Galaxy vs iPhone compara os dois ecossistemas.

← Voltar para LLMs locais avançados

MCP