¡Ya están aquí las ofertas de otoño! ¡Ahora, 25 € de descuento en cada compra!

Ver carrito

Pregunta a tu Mac qué comprobaciones pide un manual antes de entregar un equipo de prueba. El asistente busca el pasaje, lo cita y crea una lista. Cuando cambie el manual, podrá consultar la nueva versión.

Un Mac con chip de Apple y 16 GB suele servir para probar un modelo pequeño. Para consultar documentos de forma habitual, un Mac mini M4 Pro de 48 GB y 1 TB es una opción equilibrada. Para modelos de 70B o varios modelos grandes, considera un Mac Studio a partir de 96 GB.

Qué significa que la IA sea local, autónoma y capaz de aprender

Local significa que tu Mac genera las respuestas y busca en tus archivos. Autónoma significa que esas funciones siguen disponibles sin Internet tras descargar el programa, los modelos y las dependencias. Si el equipo está aislado, puedes transferir estos ficheros mediante un soporte comprobado. Los datos de seguimiento de un envío requieren una copia local actualizada.

Un asistente aprende de tus correcciones al volver a consultar información verificada. El sistema se llama RAG, generación aumentada por recuperación. Un modelo de embeddings convierte fragmentos en números para encontrar textos con un significado cercano, aunque usen palabras distintas. El modelo de lenguaje recibe esos pasajes junto con la pregunta. Sus parámetros permanecen iguales. Para recuperar una corrección en otra conversación, guárdala en la base de conocimiento.

Primera prueba sin conexión y sin Terminal

  1. Instala LM Studio en un Mac con chip de Apple y revisa sus requisitos. Descarga un modelo pequeño en la aplicación, por ejemplo Qwen3 4B u 8B de 4 bits. La cuantización usa una representación menos precisa de los parámetros para ahorrar memoria. Puede afectar a la calidad.
  2. Adjunta un PDF, DOCX o TXT sin datos sensibles. Pregunta qué tres pasos indica el manual antes de la entrega y en qué apartado figuran. Pide que avise si falta información. Los archivos pequeños pueden caber en el contexto. En los grandes se buscan pasajes. Si el PDF escaneado no permite seleccionar texto, aplica primero reconocimiento óptico de caracteres (OCR) local.
  3. Comprueba la respuesta con el original y plantea una pregunta que no se pueda resolver con ese archivo. Apaga el wifi, desconecta Ethernet, reinicia la aplicación y repite la prueba en un chat nuevo.

Crea una base de conocimiento con Ollama y Open WebUI

Ollama ejecuta los modelos y Open WebUI ofrece el chat en el navegador y gestiona los documentos. Para empezar, limita ambos servicios al propio Mac mediante 127.0.0.1. Instala e inicia Ollama y ejecuta estos comandos en Terminal durante la preparación con Internet.

ollama pull qwen3:8b
ollama pull qwen3-embedding:0.6b
ollama run qwen3:8b

Sal del chat con /bye. Según la guía de Ollama, añade "disable_ollama_cloud": true al objeto JSON de ~/.ollama/server.json conservando la configuración previa. Reinicia Ollama. Su dirección local suele ser http://127.0.0.1:11434.

Instala uv y consulta la guía de Open WebUI. Ejecuta el primer comando de abajo y crea una cuenta local de administración en http://127.0.0.1:8080. Conecta Ollama en la dirección anterior. Selecciona Ollama para los embeddings y qwen3-embedding:0.6b como modelo. Utiliza extracción de texto local.

DATA_DIR="$HOME/.open-webui" uvx --python 3.12 open-webui@latest serve --host 127.0.0.1 --port 8080
DATA_DIR="$HOME/.open-webui" OFFLINE_MODE=true uvx --offline --python 3.12 open-webui@latest serve --host 127.0.0.1 --port 8080

En Workspace → Knowledge, crea una colección, carga documentos aprobados y elígela en el chat. Tras una prueba correcta, cierra Open WebUI con Ctrl+C y ejecútalo desde la misma carpeta con el segundo comando. Desactiva búsquedas web, servicios de IA externos y herramientas externas. El modo sin conexión detiene ciertas descargas y comprobaciones. Para aislar el equipo, desconéctalo de la red o bloquea el tráfico saliente. Reinicia y repite la prueba.

Cómo aprende el asistente de correcciones verificadas

  1. Usa nombres de archivo, fechas y versiones claras. Elige un documento de referencia para cada tema y mantén la versión vigente en la colección activa.
  2. Si un manual indica 30 minutos de carga y la persona responsable confirma 45, actualiza el documento, sustituye la versión anterior y comprueba que se haya indexado la nueva. También sirve una nota de pregunta y respuesta aprobada y fechada. Retira de la búsqueda los datos obsoletos.
  3. Abre un chat nuevo y pide la duración, la fuente y la fecha de la versión. Prueba también una pregunta de control y otra sin respuesta. Puedes programar la importación de una carpeta de archivos aprobados y retirar del índice los archivos que se borren.

Prepara entre 10 y 20 preguntas con sus respuestas y pasajes de referencia. Tras cada cambio, revisa las fuentes recuperadas, las respuestas y el tiempo de espera. Si falta el pasaje correcto, revisa el OCR, los documentos y el tamaño de los fragmentos. Si aparece pero falla la respuesta, cambia la instrucción o prueba otro modelo. Un contexto mayor consume más memoria y tiempo.

El ajuste fino cambia el comportamiento del modelo. Por ejemplo, puedes enseñarle un formato de tabla. MLX LM con LoRA permite entrenar un adaptador pequeño en Mac compatibles. Usa ejemplos verificados y reserva algunos para comparar con el modelo original. Guarda los datos que cambian en la base de conocimiento. Entrenar un modelo base desde cero exige muchos más datos y recursos.

Cuánta RAM, SSD y ancho de banda necesitas

La CPU y la GPU comparten memoria unificada con macOS y las aplicaciones. El modelo y su contexto temporal deben caber. El ancho de banda de memoria, en GB/s, mide cuántos datos mueve el chip por segundo. Los modelos densos leen sus parámetros repetidamente al generar texto. Más ancho de banda puede acelerar esa fase. También cuentan la arquitectura, GPU, software, contexto y simultaneidad. La cifra del Neural Engine por sí sola no basta.

Las descargas estándar Qwen3 8B, 14B y 32B de Ollama ocupan unos 5,2, 9,3 y 20 GB en SSD. B indica miles de millones de parámetros. En uso, la RAM necesaria es superior. Los parámetros brutos de un 70B de 4 bits ocupan unos 35 GB, antes de añadir formato, contexto y sistema. Empieza con 4.000–8.000 tokens, o fragmentos de texto, si la tarea cabe. Revisa la presión de memoria y el intercambio en Monitor de Actividad.

Un SSD de 256 GB puede valer para probar si tiene espacio libre. Al comprar, 512 GB es un comienzo razonable, 1 TB permite guardar varios modelos y 2 TB encajan con colecciones grandes. Un SSD externo puede alojar modelos si la aplicación admite esa ubicación. La RAM no se amplía después de comprar. Una colección grande permanece en SSD y solo llegan al contexto los fragmentos seleccionados.

Qué Mac elegir para la IA local

16–32 GB: un Mac mini M4 de 16 GB sirve para probar modelos 4B u 8B. Con 24–32 GB hay más margen para un 14B y otras aplicaciones. Si ya tienes un equipo de 8 GB, úsalo para pruebas pequeñas. Compara Mac mini M4 y M4 Pro y todos los Mac mini de segunda mano.

48–64 GB: el Mac mini M4 Pro encaja con el trabajo habitual y modelos 14B–32B. Un Mac Studio M1 o M2 Max de 64 GB y 400 GB/s merece comparación. Para uso móvil, elige un MacBook Pro con chip de Apple Pro o Max y suficiente RAM. Esta guía se aplica a chips de Apple.

96 GB o más: un M3 Ultra de 96 GB o un chip Max de 128 GB ofrece margen para modelos 70B, contextos largos y modelos simultáneos. Valora 192–512 GB cuando tu carga real los necesite. Mira los Mac Studio M4 Max y M3 Ultra, todos los Mac Studio de segunda mano y nuestra guía de compra de Mac para IA. La tabla compara especificaciones. En la tienda verás las configuraciones ofertadas.

Mac y chipOpciones de RAM (GB)Ancho de banda (GB/s)
Mac mini M416 / 24 / 32120
Mac mini M4 Pro24 / 48 / 64273
Mac mini M616 · 24 / 32153 · 170
Mac mini M5 Pro24 / 48 / 64307
Mac Studio M1 Max32 / 64400
Mac Studio M2 Max32 / 64 · 96 (GPU de 38 núcleos)400
Mac Studio M1 Ultra64 / 128800
Mac Studio M2 Ultra64 / 128 / 192800
Mac Studio M4 Max · GPU de 32 núcleos36410
Mac Studio M4 Max · GPU de 40 núcleos48 / 64 / 128546
Mac Studio M3 Ultra · GPU de 60 núcleos96819
Mac Studio M3 Ultra · GPU de 80 núcleos96 / 256 / 512819
Mac Studio M5 Max · GPU de 32 núcleos36460
Mac Studio M5 Max · GPU de 40 núcleos48 / 64 / 128614
Mac Studio M5 Ultra · GPU de 64 núcleos961200
Mac Studio M5 Ultra · GPU de 80 núcleos96 / 256 / 5121200
MacBook Pro 16″ M4 Pro24 / 48273
MacBook Pro 16″ M4 Max · GPU de 32 núcleos36410
MacBook Pro 16″ M4 Max · GPU de 40 núcleos48 / 64 / 128546

Uso habitual sin conexión

Guarda los archivos fuera de carpetas sincronizadas si deben permanecer en el Mac. Activa FileVault y cifra las copias de documentos, modelos, ajustes, correcciones y la base de conocimiento. Prueba la restauración. Separa cuentas y permisos por colección si hay varias personas. Trata el texto de los documentos como datos. Pide aprobación humana antes de enviar correos o modificar archivos. Para un asistente documental basta el acceso de lectura.

Preguntas frecuentes

¿Necesito Apple Intelligence?

LM Studio y Ollama ejecutan sus propios modelos locales. El flujo funciona sin contratar una suscripción de IA en la nube.

¿Y si inventa una respuesta?

Abre el pasaje citado y comprueba si respalda la respuesta. Pide archivo y apartado. Si falta la fuente, el sistema debe decirlo.

¿Puede mejorar cada noche?

Puedes programar la importación de archivos aprobados, la indexación y las pruebas. Pide una revisión humana de las correcciones y conserva una versión anterior.

Fuentes y guías