En esta guía práctica le explicamos qué hardware necesita, qué esperar de estos modelos y cómo ejecutar su primera IA local paso a paso usando LM Studio, una de las herramientas más sencillas para empezar.

¿Qué es una IA local y para qué sirve?

Una IA local es un modelo de lenguaje (como ChatGPT, pero de código abierto) que se ejecuta por completo en su computador. Todo lo que escribe se procesa en su propio equipo: nada viaja a la nube.

Los casos de uso más comunes son:

• Resumir y redactar textos sin compartirlos con ningún servicio externo.
• Responder preguntas sobre documentos propios o temas generales.
• Trabajar sin conexión: en un avión, en zonas rurales o durante un corte de internet.
• Evitar pagos mensuales: los modelos abiertos son gratuitos de usar y la licencia Apache 2.0 de algunos (como gpt-oss) permite hasta uso comercial.

Qué hardware necesita (y qué no)

No necesita un computador gamer ni una estación de trabajo. Estos son los requisitos reales según la documentación oficial de LM Studio:

• Windows: procesador de 64 bits con soporte AVX2 (casi cualquier PC de los últimos diez años), 16 GB de RAM recomendados y, idealmente, una tarjeta gráfica con 4 GB o más de VRAM.
• Mac: cualquier chip Apple Silicon (M1 en adelante) con macOS 14 o superior. Los modelos recomiendan 16 GB de RAM; con 8 GB aún funciona, pero limitado a modelos pequeños.
• Linux: Ubuntu 20.04 o superior, en equipos de 64 bits.

¿No tiene tarjeta gráfica? No hay problema: los modelos también corren usando solo el procesador y la RAM, aunque más despacio. La regla práctica es esta:

• Con 8 GB de RAM: limítese a modelos pequeños de 3B a 4B parámetros (como Qwen3 4B o Gemma 3 4B).
• Con 16 GB de RAM: ya puede correr modelos medianos potentes, incluido gpt-oss-20b de OpenAI, que está optimizado para caber en 16 GB de memoria.
• Con GPU de 8 GB o más de VRAM: los modelos responden mucho más rápido, porque la tarjeta gráfica hace el trabajo pesado.

Qué esperar: expectativas realistas

Antes de empezar, conviene ajustar expectativas para no llevarse sorpresas:

• Velocidad: un modelo pequeño en un PC normal genera respuestas a ritmo de lectura humana (entre 10 y 30 palabras por segundo). Sin GPU, los modelos grandes pueden sentirse lentos.
• Calidad: los modelos locales de 2026 son sorprendentemente capaces para redactar, resumir y responder preguntas, pero siguen por debajo de los gigantes en la nube en razonamiento complejo y datos muy recientes.
• Conocimiento: el modelo solo sabe lo que vio durante su entrenamiento. Sin internet, no puede decirle las noticias de hoy ni el clima de mañana.
• Espacio en disco: cada modelo ocupa entre 2 GB y 15 GB. Reserve espacio antes de descargar.

Paso a paso: su primera IA local con LM Studio

LM Studio es gratuito, tiene interfaz gráfica y funciona en Windows, Mac y Linux. Este es el proceso completo:

1. Descargue LM Studio desde su sitio oficial (lmstudio.ai) e instálelo como cualquier otro programa.
2. Abra la aplicación y vaya a la sección de búsqueda de modelos (el ícono de lupa).
3. Elija un modelo según su hardware. Para 16 GB de RAM, busque “gpt-oss-20b”; para 8 GB, busque “Qwen3 4B” o “Gemma 3 4B”. La propia aplicación marca con un indicador qué modelos caben en su equipo.
4. Descargue el modelo. La primera descarga tarda según su conexión: son varios gigabytes.
5. Abra un chat nuevo (ícono de conversación) y seleccione el modelo descargado en la parte superior.
6. Escriba su primer mensaje y presione Enter. El modelo responde ahí mismo, en su computador.
7. Compruebe que es local: desconecte el Wi-Fi y vuelva a preguntar. Seguirá respondiendo, porque todo corre en su máquina.

Una prueba práctica con datos ficticios

Para verificar que todo funciona, haga esta prueba sencilla. Copie este texto inventado en el chat:

“Clasifica estos gastos del mes en ‘hogar’, ‘transporte’ o ‘comida’, y súmalos por categoría: supermercado $420.000, gasolina $180.000, recibo de luz $95.000, almuerzos $240.000, internet $80.000, bus $60.000.”

Un modelo pequeño de 4B parámetros debería responder en segundos con algo como: comida $660.000, transporte $240.000, hogar $175.000. Si obtiene una respuesta coherente como esa, su IA local está lista para usarse.

Si usa Mac, ENTER ya explicó cómo usar gpt-oss de OpenAI en modo local.

Consejos finales

• Empiece pequeño: pruebe primero un modelo de 4B y suba de tamaño solo si su equipo responde bien.
• Cierre programas pesados (navegadores con muchas pestañas, editores de video) mientras el modelo corre, para liberar RAM.
• Explore alternativas: además de LM Studio existen Ollama (para terminal) y GPT4All, todos gratuitos.
• Actualice los modelos: la escena de la IA abierta avanza rápido; cada pocos meses aparecen versiones mejores del mismo tamaño.

Con esto ya tiene todo lo necesario para correr inteligencia artificial en su propio computador: gratis, privado y sin depender de la nube.

Fuentes: documentación oficial de requisitos de LM Studio (lmstudio.ai/docs) y ficha técnica de gpt-oss-20b en Hugging Face (huggingface.co/openai/gpt-oss-20b).

Según Reuters, Microsoft presentó un modelo de codificación que puede ejecutarse en computadores personales. La escritura de código es el ejemplo utilizado para mostrar cómo parte del trabajo que normalmente depende de infraestructura remota puede trasladarse al propio equipo.

Esto podría permitir que algunas funciones dependan menos de una conexión permanente. No significa que todas las herramientas de inteligencia artificial funcionarán sin internet ni que cualquier PC actual tendrá capacidad para ejecutarlas.

El Surface Laptop Ultra lleva la apuesta de Nvidia al PC

Microsoft mostró el Surface Laptop Ultra como parte de sus planes para ampliar las funciones de inteligencia artificial disponibles en Windows. Se espera que el equipo utilice chips RTX Spark de Nvidia, una tecnología que Microsoft y Nvidia ya habían presentado para llevar IA local a nuevos portátiles y reducir la dependencia de servidores externos.

No se conocen detalles suficientes sobre rendimiento, autonomía o requisitos para ejecutar los modelos anunciados. Esas características serán determinantes para saber si las nuevas funciones pueden llegar a un público amplio o quedarán vinculadas a equipos de mayor capacidad.

El costo aparece como uno de los principales interrogantes. Los analistas citados por Reuters señalan el impacto del encarecimiento de la memoria en computadores de escritorio y portátiles, especialmente cuando las aplicaciones de inteligencia artificial requieren configuraciones más exigentes.

Una referencia de esa presión está en el DGX Spark. Nvidia aumentó recientemente cerca de un 75 % su valor, hasta 6.950 dólares. La cifra corresponde a ese computador de escritorio especializado y no al Surface Laptop Ultra.

La IA puede actuar sin tener acceso a todos los archivos

Microsoft también presentó Microsoft Execution Containers, una tecnología diseñada para establecer límites sobre lo que pueden hacer los agentes cuando trabajan dentro de Windows.

Un agente podría recibir autorización para completar una acción sin obtener acceso indiscriminado a archivos, aplicaciones o información almacenada. Según Reuters, los departamentos de tecnología podrán establecer reglas y Windows se encargará de aplicarlas en cada equipo.

OpenAI, Anthropic y Nvidia están entre las compañías que utilizarán estas herramientas, de acuerdo con el reporte.

El sistema no equivale a una garantía absoluta de privacidad. Faltan detalles sobre los controles disponibles para cada usuario, la forma en que se mostrarán los permisos y el grado de autonomía que tendrán los agentes en diferentes situaciones.

Procesar una operación dentro del dispositivo tampoco significa que toda la información permanecerá allí. Una cosa es dónde se ejecuta una función y otra, qué datos tiene autorización para consultar.

¿La IA local será suficiente para cambiar de portátil?

Microsoft busca que Windows pase de utilizar la inteligencia artificial principalmente para responder solicitudes a permitir que agentes ejecuten acciones dentro del PC. El Surface Laptop Ultra muestra parte de esa estrategia junto con Nvidia.

La decisión de compra dependerá de información que aún no está disponible. El valor del equipo, sus configuraciones, el rendimiento de los modelos, el consumo de energía y las funciones incluidas determinarán cuánto aporta esta propuesta frente a los portátiles actuales.

Ejecutar determinadas funciones dentro del PC puede reducir la dependencia de servidores externos y ampliar lo que Windows permite hacer sin recurrir constantemente a la nube. Para saber si eso justifica cambiar de equipo habrá que conocer su desempeño, los controles que tendrá el usuario y el costo de acceder a esas capacidades.

Imagen: ENTER.CO / Generada con IA (ChatGPT)

Portable Computer es una versión local de Perplexity Computer, un agente capaz de planificar y completar tareas que requieren varios pasos. Con la nueva versión para Windows, los usuarios pueden utilizar la potencia de las GPU RTX para analizar archivos, recopilar información y automatizar procesos sin depender exclusivamente de servicios en la nube.

Uno de los principales cambios está relacionado con la privacidad. Los archivos y datos utilizados en tareas que se ejecutan localmente permanecen en el computador. Además, esas tareas no consumen créditos de Perplexity Computer.

El agente también puede recurrir a la nube cuando una actividad necesita capacidades adicionales de investigación o razonamiento. Antes de enviar información fuera del dispositivo, Portable Computer solicita autorización al usuario.

Una IA que puede trabajar con archivos y aplicaciones

La plataforma puede conectarse con servicios utilizados habitualmente en entornos laborales, entre ellos Microsoft Outlook, OneDrive, Word, Google Drive, Gmail, Slack y GitHub. Esto permite que el agente trabaje con información almacenada en diferentes aplicaciones sin que el usuario tenga que trasladar manualmente cada archivo a un chatbot.

Perplexity utiliza modelos locales como Qwen 3.8 27B, que fue postentrenado para funcionar con Perplexity Computer y optimizado para GPU NVIDIA RTX. La compañía también busca simplificar la configuración, por lo que los usuarios no necesitan investigar qué modelo instalar ni preparar por su cuenta la infraestructura necesaria para ejecutar IA local.

Entre los usos planteados está la revisión de proyectos en GitHub. Portable Computer puede organizar solicitudes de extracción según su estado, detectar documentación desactualizada y preparar actualizaciones para revisión.

En finanzas, puede analizar documentos como resúmenes de corretaje, formularios 1099 y declaraciones de impuestos para localizar determinados patrones y citar las cifras utilizadas directamente desde los archivos.

Para equipos de startups, el agente puede revisar localmente una exportación de datos para identificar en qué punto los nuevos registros abandonan un proceso de activación y compartir los resultados en Slack.

La llegada a Windows amplía el soporte que Portable Computer ya tenía para computadores con NVIDIA GeForce RTX en Linux. Por ahora, el requisito indicado por Perplexity es contar con una laptop con GPU GeForce RTX y 24 GB o más de VRAM.