Si quieres un asistente de IA que funcione en tu teléfono sin internet, el modelo que elijas importa más que cualquier otra cosa. El modelo adecuado te da respuestas rápidas, privadas y de calidad. El equivocado te da o una lentitud desesperante o respuestas que no sirven de mucho.
Esta guía explica lo que de verdad necesita la "IA en el dispositivo", qué modelos funcionan mejor en 2026 y cómo elegir uno según el hardware de tu teléfono.
Lo que de verdad necesita la "IA en el dispositivo"
Ejecutar IA en un teléfono no es lo mismo que ejecutarla en un centro de datos. Tres cosas tienen que encajar:
- Tamaño del modelo: los modelos pequeños cargan más rápido y usan menos memoria, pero pueden dar respuestas más cortas o menos matizadas.
- RAM del teléfono: el modelo tiene que caber en la memoria junto con el sistema operativo y otras apps.
- Procesador neuronal (NPU) o GPU: los teléfonos modernos tienen chips diseñados específicamente para tareas de IA.
Una buena experiencia de IA en el dispositivo sale de equilibrar las tres. Un teléfono de gama alta puede ejecutar un modelo de 7B parámetros con soltura. Un teléfono de gama media va mejor con un modelo de 1B–3B.
Hardware del teléfono: lo que necesitas para ejecutar modelos locales
La mayoría de los smartphones lanzados en los últimos dos o tres años pueden ejecutar modelos de IA locales. Las especificaciones clave son la RAM, el chipset y el almacenamiento.
| Gama del teléfono | RAM habitual | Tamaño máximo de modelo recomendado (4 bits) |
|---|---|---|
| Básica / antigua (2020–2022) | 4 GB | 0.5B–1B |
| Media (2023–2024) | 6 GB | 1B–3B |
| Alta (2024–2025) | 8 GB | 3B–4B |
| Tope de gama (2025–2026) | 12–16 GB | 7B–8B |
Chipsets que manejan bien la IA en el dispositivo:
- Apple: A16, A17 Pro, A18, A18 Pro; todos tienen Neural Engine de 16 núcleos o más. El iPhone 15 Pro y posteriores son excelentes para la IA local.
- Qualcomm: Snapdragon 8 Gen 2, 8 Gen 3, 8 Elite; incluyen la NPU Hexagon optimizada para LLM.
- MediaTek: Dimensity 9300 y 9400 incluyen la APU 790 con aceleración dedicada para LLM.
- Google: Tensor G3 / G4; capaces, pero no tan rápidos como los tope de gama de Apple o Qualcomm para la inferencia de LLM.
Almacenamiento: los archivos de los modelos ocupan entre 400 MB (modelo pequeño 1B, 4 bits) y 5 GB (modelo 7B, 4 bits). Asegúrate de tener espacio antes de descargar.
Almacenamiento frente a RAM: por qué importan los dos (y no son lo mismo)
Mucha gente confunde estos dos, pero para la IA en el dispositivo cumplen funciones muy distintas:
- El almacenamiento (almacenamiento interno / flash) es donde vive el archivo del modelo cuando no se usa. Piensa en él como la estantería. Un modelo 3B Q4 ocupa unos 2 GB de almacenamiento de forma permanente, aunque no estés chateando con él. Si tu teléfono está lleno, simplemente no puedes descargar el modelo.
- La RAM (memoria) es donde el modelo se ejecuta de verdad. Cuando abres la app y empiezas una conversación, el modelo se carga del almacenamiento a la RAM para que el procesador pueda leer sus pesos lo bastante rápido como para generar tokens. Piensa en la RAM como tu escritorio: solo está ahí lo que usas en ese momento.
La regla práctica: el almacenamiento decide si puedes guardar el modelo; la RAM decide si puedes ejecutarlo. Un teléfono con 256 GB de almacenamiento pero solo 4 GB de RAM puede guardar un modelo 7B, pero le costará (o no podrá) ejecutarlo. Un teléfono con 12 GB de RAM pero solo 64 GB de almacenamiento puede ejecutar modelos grandes rápido, pero quizá no tenga espacio para tener varios descargados a la vez.
Para la IA en el dispositivo necesitas suficiente de los dos: almacenamiento para la descarga y una RAM al menos tan grande como el tamaño del modelo cargado, más margen para el sistema.
Libera RAM antes de usar la IA local
Como todo el modelo tiene que estar en la RAM mientras se ejecuta, cualquier otra cosa que compita por la memoria ralentiza directamente la inferencia, o hace que el sistema descargue el modelo a mitad de una respuesta. Antes de empezar una sesión larga de IA local:
- Cierra las apps en segundo plano que no estés usando, sobre todo navegadores, juegos, apps de video, mapas y la cámara.
- Evita ejecutar el modelo mientras haya en curso una descarga grande, una copia de seguridad en la nube o una sincronización de fotos.
- En iOS, desliza las apps hacia arriba en el selector de apps. En Android, toca "Borrar todo" en la pantalla de apps recientes.
- Reinicia el teléfono si lleva días encendido: es la forma más rápida de recuperar la memoria perdida.
Normalmente notarás la diferencia al instante: la primera palabra aparece antes, los tokens salen más rápido y es mucho menos probable que las respuestas se atasquen. En un teléfono de gama media, liberar aunque sea 1–2 GB de RAM puede marcar la diferencia entre que un modelo 3B se sienta lento o instantáneo.
Entender la cuantización (4 bits, 8 bits) y por qué importa
Un modelo de IA sin procesar guarda cada parámetro como un número de 16 o 32 bits. Un modelo de 3B parámetros a precisión completa ocupa unos 6 GB, demasiado para la mayoría de los teléfonos.
La cuantización reduce la precisión de esos números. Las opciones más comunes:
| Precisión | Multiplicador de tamaño | Calidad | Velocidad | Ideal para |
|---|---|---|---|---|
| FP16 (16 bits) | 1x | Máxima | Lenta en móviles | Solo servidores |
| Q8 (8 bits) | ~0.5x | Casi idéntica a FP16 | Moderado | Teléfonos de gama alta |
| Q4 (4 bits) | ~0.25x | Pequeña pérdida, apenas perceptible | Rápida | Recomendado para la mayoría de los teléfonos |
| Q3 / Q2 | ~0.2x o menos | Pérdida de calidad notable | La más rápida | Dispositivos muy antiguos o con poca RAM |
El punto ideal para móviles es Q4, en concreto Q4_K_M en formato GGUF, que usan la mayoría de las apps de IA en el dispositivo (incluida aiME). Obtienes aproximadamente la misma calidad de respuesta que con el modelo completo, con una cuarta parte de la memoria y una inferencia mucho más rápida.
Los mejores modelos de IA en el dispositivo en 2026
Estos son los modelos que lideran hoy la IA en el dispositivo para teléfonos. Todos son de pesos abiertos y están disponibles en formatos cuantizados.
Llama 3.2 (1B y 3B)
Llama 3.2 de Meta está diseñado específicamente para dispositivos en el borde. El modelo 1B es sorprendentemente capaz para su tamaño, y el 3B rivaliza con modelos mucho más grandes de hace un año. Excelente soporte multilingüe y buen seguimiento de instrucciones.
- Ideal para: chat general, ayuda con la escritura, resúmenes
- Memoria (Q4): ~700 MB (1B) / ~2 GB (3B)
- Funciona en: teléfonos de gama media en adelante
Gemma 2 / Gemma 3 (2B)
La familia Gemma de Google está optimizada para la eficiencia. Gemma 2 2B rinde por encima de su tamaño en las pruebas de razonamiento y funciona con fluidez en hardware modesto.
- Ideal para: tareas de razonamiento, respuestas concisas, uso con baja latencia
- Memoria (Q4): ~1.5 GB
- Funciona en: teléfonos de gama media en adelante
Phi-3.5 Mini (3.8B)
La serie Phi de Microsoft es conocida por ser pequeña pero aguda. Phi-3.5 Mini es especialmente bueno, para su tamaño, en respuestas estructuradas, código y matemáticas.
- Ideal para: ayuda con programación, matemáticas, tareas estructuradas
- Memoria (Q4): ~2.3 GB
- Funciona en: teléfonos de gama alta
Qwen 2.5 (0.5B / 1.5B / 3B)
La familia Qwen 2.5 de Alibaba ofrece uno de los mejores rendimientos multilingües en el dispositivo. La variante 0.5B es ideal para dispositivos con muy pocos recursos, y la 3B compite con Llama 3.2 3B.
- Ideal para: uso en varios idiomas, opciones de tamaño flexibles
- Memoria (Q4): ~400 MB (0.5B) / ~1 GB (1.5B) / ~2 GB (3B)
- Funciona en: cualquier teléfono moderno (0.5B); gama media en adelante (3B)
SmolLM2 (135M / 360M / 1.7B)
SmolLM2 de HuggingFace está hecho específicamente para dispositivos en el borde. El modelo 1.7B es notablemente capaz para lo poco que ocupa.
- Ideal para: teléfonos antiguos, respuestas muy rápidas
- Memoria (Q4): ~100 MB (135M) / ~1 GB (1.7B)
- Funciona en: casi cualquier teléfono, incluidos los antiguos
Cómo elegir un modelo para tu teléfono
Adapta el modelo a tu hardware. Esta es una guía sencilla para decidir:
Si tu teléfono tiene 4 GB de RAM o menos:
- Usa Qwen 2.5 0.5B o SmolLM2 1.7B (Q4)
- Espera respuestas de chat básicas pero útiles
Si tu teléfono tiene 6 GB de RAM:
- Usa Llama 3.2 1B o Gemma 2 2B (Q4)
- Buen equilibrio entre velocidad y calidad para el uso diario
Si tu teléfono tiene 8 GB de RAM:
- Usa Llama 3.2 3B o Qwen 2.5 3B (Q4)
- Es la mejor opción para la mayoría: alta calidad, rapidez y margen de memoria cómodo
Si tu teléfono tiene 12 GB o más:
- Puedes ejecutar modelos 7B como Mistral 7B o Llama 3.1 8B (Q4)
- La mejor calidad de respuesta disponible en el dispositivo, aunque más lenta que los modelos 3B
Si necesitas ayuda con programación en concreto:
- Phi-3.5 Mini o Qwen 2.5 Coder (3B, Q4)
El mejor modelo para respuestas en tiempo real
En un teléfono, "tiempo real" significa que el primer token aparece en unos 200 milisegundos y la respuesta fluye sin cortes. Los modelos más pequeños son más rápidos.
Recomendados para tiempo real: Llama 3.2 1B (Q4) o Gemma 2 2B (Q4). En un chip tope de gama como el Snapdragon 8 Gen 3 o el A17 Pro, estos modelos pueden generar respuestas a 20–40 tokens por segundo. En teléfonos de gama media o antiguos, espera velocidades menores: el rendimiento real depende por completo del hardware de tu dispositivo y de la RAM disponible.
Si quieres la respuesta más rápida posible a costa de algo de calidad, SmolLM2 1.7B (Q4) es difícil de superar.
El mejor modelo para la privacidad
La privacidad no es una propiedad del modelo en sí, sino de dónde se ejecuta. Cualquiera de estos modelos se convierte en "IA privada" en el momento en que se ejecuta en el dispositivo sin conexión a la red.
La verdadera cuestión de privacidad es la app, no el modelo. Elige una app que:
- Ejecute el modelo totalmente en tu dispositivo
- No envíe instrucciones ni respuestas a un servidor
- No exija una cuenta para las funciones principales
aiME cumple los tres criterios. Cuando descargas un modelo dentro de aiME, cada instrucción se procesa localmente. No se transmite nada. Para una explicación más a fondo, consulta Por qué la IA en el dispositivo es el futuro de la privacidad.
Nuestra recomendación para el uso sin conexión
Si quieres una respuesta clara: Llama 3.2 3B con cuantización Q4 es el mejor modelo todoterreno para el dispositivo en 2026. Funciona bien en cualquier teléfono con 6 GB de RAM o más y sirve para chat general, escritura, resúmenes y razonamiento básico. La velocidad de respuesta depende de tu dispositivo: en los tope de gama irá fluido, y en los de gama media puede tardar un poco más.
Si tu teléfono es antiguo o tiene menos RAM, baja a Llama 3.2 1B o Gemma 2 2B sin perder demasiado. Si tienes un tope de gama y quieres la máxima calidad, sube a Mistral 7B o Llama 3.1 8B.
Para el uso sin conexión en concreto (vuelos, viajes, zonas sin cobertura, trabajo delicado), el nivel 3B logra el equilibrio adecuado. Obtienes respuestas realmente útiles sin agotar la batería ni sobrecalentar el teléfono.
En aiME puedes descargar varios modelos y cambiar entre ellos. Empieza con Llama 3.2 3B si tu teléfono lo admite, guarda un modelo 1B como alternativa ligera y experimenta a partir de ahí.
Preguntas frecuentes
¿Cuál es el mejor modelo de IA para usar en el dispositivo en un teléfono?
En la mayoría de los teléfonos modernos con 6–8 GB de RAM, los mejores modelos para el dispositivo son Llama 3.2 (1B o 3B), Gemma 2 (2B), Qwen 2.5 (1.5B o 3B) y Phi-3.5 Mini. Un modelo 3B cuantizado a 4 bits ofrece el mejor equilibrio entre calidad de respuesta, velocidad y uso de memoria. Apps como aiME te permiten descargar y ejecutar estos modelos totalmente sin conexión.
¿Cuánta RAM necesita un modelo de IA en el dispositivo?
Un modelo 1B cuantizado a 4 bits necesita unos 700 MB a 1 GB de RAM. Un modelo 3B necesita unos 2–3 GB. Un modelo 7B necesita aproximadamente 4–5 GB. Tu teléfono también necesita margen para el sistema operativo y otras apps, así que se recomienda un dispositivo con al menos 6 GB de RAM para los modelos 3B, y 8 GB o más para los modelos 7B.
¿Qué es la cuantización de 4 bits y por qué importa para la IA móvil?
La cuantización reduce la precisión de los pesos de un modelo para hacerlo más pequeño y rápido. Un modelo cuantizado a 4 bits ocupa aproximadamente una cuarta parte de la memoria de la versión de precisión completa, con solo una pequeña pérdida de calidad. Eso es lo que permite ejecutar modelos de IA capaces directamente en un teléfono en lugar de en un servidor.
El mejor modelo para ti es el que encaja con tu teléfono y con cómo usas la IA. Si quieres la respuesta corta: elige un modelo 3B en Q4, ejecútalo con aiME y tendrás en el bolsillo un asistente de IA capaz, privado y sin conexión.
Guías relacionadas: