Un periodista de XDA pasó recientemente un mes ejecutando LLM locales solo en su teléfono y se fue convencido de que su equipo de IA de escritorio era excesivo para la mayoría de lo que le pedía. El cambio solo funciona porque las aplicaciones finalmente se pusieron al día. Los núcleos modernos de Snapdragon y Tensor pueden alojar modelos cuantificados de 3B a 8B sin ralentizar el teléfono, y un pequeño grupo de aplicaciones ahora proporciona valores predeterminados sensatos. Estas son las mejores aplicaciones para ejecutar LLM locales en Android en 2026.
Qué buscar en una aplicación de LLM local
La IA en dispositivo funciona en Android cuando la aplicación respeta las limitaciones de un teléfono. Las opciones a continuación comparten todos estos rasgos:
- Soporte de modelos GGUF o MLC de Hugging Face, por lo que no está limitado al catálogo de un proveedor.
- Pesos cuantificados (Q4_K_M, Q5, IQ3) en lugar de precisión completa, que es lo que realmente cabe en 8 a 12 GB de RAM.
- Una forma clara de administrar modelos descargados y liberar almacenamiento cuando el dispositivo se llena.
- Un historial de chat que sobrevive a un reinicio de la aplicación y permite ramificar conversaciones.
- Aceleración GPU o NPU opcional. La inferencia de CPU pura sigue funcionando, pero la diferencia en parámetros de 8B es noche y día.
- Operación completamente sin conexión, sin sorpresas en la nube para las terminaciones.
Comparación rápida
| Aplicación | Mejor para | Plan gratuito | Nivel pagado | Característica destacada |
|---|---|---|---|---|
| PocketPal AI | La mayoría de usuarios, desde el primer día | Aplicación completa | Ninguno | Navegador de modelos Hugging Face integrado |
| MLC Chat | Inferencia más rápida en hardware compatible | Aplicación completa | Ninguno | El compilador MLC ejecuta modelos en GPU |
| ChatterUI | Usuarios avanzados que ya tienen archivos GGUF | Aplicación completa | Ninguno | Carga de archivo local, tarjetas de personajes |
| Layla | Juegos de rol y escritura creativa | Limitado | Licencia única | Ventana de contexto largo ajustada para chat |
| Maid | Usuarios de llama.cpp que desean una interfaz de teléfono | Aplicación completa | Ninguno | Vinculaciones directas de llama.cpp, modo servidor |
| Llama Chat | Aplicación de referencia oficial de Meta | Aplicación completa | Ninguno | Modelos Llama preconfigurados |
| Petals | Inferencia distribuida de modelos enormes | Aplicación completa | Ninguno | Ejecutar modelos de clase 70B en nodos voluntarios |
| MNN-LLM | Tiempo de ejecución delgado de Alibaba, dispositivos de gama baja | Aplicación completa | Ninguno | Binario pequeño, funciona en chips de gama media |
Las 7 mejores aplicaciones de LLM local para Android en 2026
1. PocketPal AI, lo mejor en general
PocketPal AI es la aplicación que la mayoría de las personas deberían instalar primero. El navegador de Hugging Face dentro de la aplicación te permite buscar y descargar modelos GGUF sin salir de la superficie del chat, los ajustes preestablecidos incluidos cubren derivados de Llama 3, Phi, Gemma, Qwen y Mistral, y la interfaz oculta la configuración de inferencia detrás de valores predeterminados sensatos hasta que los solicites. Las compilaciones recientes agregaron modo de referencia para elegir un modelo que se ejecute a una velocidad utilizable en tu dispositivo específico.
Dónde se queda corta: No hay herramientas integradas de imagen, documento o voz. Si deseas un modelo que pueda leer un PDF que cargaste, haces ese trabajo fuera de la aplicación.
Precio:
- Gratis, completamente de código abierto
Plataformas: Android, iOS
Descarga: Aptoide, Google Play
Conclusión: Instala esto si deseas una IA local que funcione desde el primer día sin una historia de configuración.
2. MLC Chat, inferencia más rápida en hardware compatible
MLC Chat es la interfaz frontal para la pila del compilador MLC, que reduce modelos a la GPU del teléfono a través de Vulkan o Metal. En Snapdragon 8 Gen 2 y más nuevo, la diferencia respecto a la inferencia de CPU pura es sustancial, especialmente en longitudes de contexto más largas. El catálogo de modelos está curado y es un poco más estrecho que Hugging Face, pero cada entrada está preconfigurada para el tiempo de ejecución, por lo que la descarga de primera ejecución es el único paso de configuración.
Dónde se queda corta: La compatibilidad con Vulkan varía según el dispositivo. Los chips antiguos o de gama media no ven la aceleración. Agregar modelos personalizados requiere recompilar con el conjunto de herramientas MLC.
Precio:
- Gratis, código abierto
Plataformas: Android, iOS, Windows, macOS, Linux
Descarga: Lanzamientos de GitHub
Conclusión: La opción correcta si tu teléfono es reciente y te importa la cantidad de tokens por segundo.
3. ChatterUI, lo mejor para usuarios avanzados con sus propios archivos GGUF
ChatterUI es la interfaz frontal para personas que ya mantienen una carpeta de archivos GGUF y desean un cliente de teléfono que respete el flujo de trabajo. La aplicación carga modelos desde el almacenamiento local, admite tarjetas de personajes (compatibles con SillyTavern) y te permite ajustar parámetros de muestreo por modelo. La vista de historial trata los chats como documentos, con opciones de renombrar, archivar y exportar.
Dónde se queda corta: La incorporación supone que sabes qué es un muestreador. Sin navegador de modelos integrado. La densidad de la interfaz es mayor que la de PocketPal.
Precio:
- Gratis, código abierto
Plataformas: Android
Descarga: Lanzamientos de GitHub
Conclusión: El cliente de teléfono a elegir si ya administras tus propios modelos.
4. Layla, lo mejor para juegos de rol y chats largos
Layla se dirige a la escritura creativa y los juegos de rol con una superficie de chat ajustada y tolerancia a contexto largo. El nivel premium desbloquea indicaciones de sistema más largas, personalidades persistentes y un catálogo de modelos más grande. La compilación gratuita es suficiente para evaluar si el flujo de trabajo se ajusta.
Dónde se queda corta: Código cerrado. El enfoque en personalidad y escritura creativa puede no ser adecuado para usuarios que solo desean un asistente general.
Precio:
- Prueba gratuita
- Pagado: licencia única
Plataformas: Android, iOS
Descarga: layla-network.ai
Conclusión: Elige esto cuando desees una conversación larga e impulsada por personajes en lugar de un bot de preguntas y respuestas.
5. Maid, llama.cpp en el teléfono
Maid es la interfaz frontal de Flutter para vinculaciones de llama.cpp, con una superficie pequeña y un modo servidor que permite al teléfono alojar un modelo para otros dispositivos en la LAN. La configuración cubre las opciones de llama.cpp que importan en un teléfono (subprocesos, mlock, n_predict) sin volcar todo el árbol de configuración en el usuario.
Dónde se queda corta: Sin navegador de modelos. Las actualizaciones están vinculadas al ritmo de llama.cpp y ocasionalmente rompen ajustes preestablecidos de muestreo más antiguos.
Precio:
- Gratis, código abierto
Plataformas: Android, Windows, Linux
Descarga: Lanzamientos de GitHub
Conclusión: Una buena opción si llama.cpp ya es tu tiempo de ejecución de referencia en el escritorio.
6. Llama Chat, aplicación de referencia oficial de Meta para Android
Llama Chat es el cliente de demostración propio de Meta para ejecutar modelos Llama en dispositivo. La aplicación viene preconfigurada para las variantes más pequeñas de Llama 3.2 y existe principalmente para mostrar lo que puede hacer la plataforma, pero también es un cliente completamente utilizable de todos los días si deseas una opción sin complicaciones del proveedor.
Dónde se queda corta: El catálogo se limita a la línea de modelos propia de Meta. Menos flexibilidad que las aplicaciones comunitarias cuando deseas probar modelos no Llama.
Precio:
- Gratis
Plataformas: Android, iOS
Descarga: Google Play
Conclusión: Una opción segura por defecto si confías en el proveedor y solo quieres Llama 3 en el teléfono.
7. MNN-LLM, huella más pequeña para dispositivos de gama media
MNN-LLM es el tiempo de ejecución de inferencia delgado de Alibaba para teléfonos de gama media y antigua donde la presión de memoria hace que otras aplicaciones tartamudeen. El binario es pequeño, la carga del modelo es rápida y la lista de modelos compatibles es corta pero bien elegida, incluyendo variantes Qwen cuantificadas ajustadas para el tiempo de ejecución.
Dónde se queda corta: La documentación tiende al chino primero. La interfaz es utilitaria. El catálogo no coincide con Hugging Face.
Precio:
- Gratis, código abierto
Plataformas: Android, iOS
Descarga: Lanzamientos de GitHub
Conclusión: La opción cuando tu teléfono tiene 4 a 6 GB de RAM y otras aplicaciones expulsan modelos.
8. Petals, inferencia distribuida para modelos enormes
Petals intercambia completamente la restricción en el dispositivo. La aplicación se conecta a un enjambre de nodos alojados por voluntarios que ejecutan cada uno una porción de un modelo de clase 70B, y tu teléfono actúa como un cliente en el borde de la red. La privacidad no es equivalente a una ejecución completamente local, ya que los mensajes se dividen entre nodos, pero el equilibrio te da acceso a tamaños de modelo que un teléfono no puede alojar solo.
Dónde se queda corta: Dependencia de la red, con calidad que varía según la carga del enjambre. El modelo de privacidad debe entenderse antes de compartir mensajes sensibles.
Precio:
- Gratis, código abierto
Plataformas: Android, iOS, Web
Descarga: petals.dev
Conclusión: Úsalo cuando el único modelo que se ajusta a la tarea es demasiado grande para que un teléfono lo aloje.
Cómo elegir el correcto
- Si deseas una IA local que funcione en cinco minutos: PocketPal AI.
- Si tienes un Snapdragon reciente y te importa la velocidad: MLC Chat.
- Si ya seleccionas tu propia biblioteca GGUF: ChatterUI.
- Si escribes ficción o ejecutas chats largos impulsados por personajes: Layla.
- Si llama.cpp es tu tiempo de ejecución de referencia: Maid.
- Si confías en el proveedor y deseas Llama 3 en el teléfono sin configuración: Llama Chat.
- Si tu teléfono es de gama media y otras aplicaciones tartamudean: MNN-LLM.
- Si necesitas un modelo de 70B: Petals.
Preguntas frecuentes
¿Puedo realmente ejecutar un LLM localmente en un teléfono Android?
Sí. Los modelos cuantificados de 3B a 8B se ejecutan en la mayoría de los teléfonos buque insignia lanzados desde 2023 a velocidades utilizables (5 a 15 tokens por segundo). Las aplicaciones en esta lista manejan el trabajo del tiempo de ejecución; solo seleccionas el modelo. Los teléfonos de gama media con 6 GB de RAM se limitan a modelos de clase 3B pero aún obtienen un asistente funcional.
¿Cuál es la mejor aplicación de LLM local gratuita para Android?
PocketPal AI es la opción gratuita más fácil para la mayoría de las personas. ChatterUI y MLC Chat también son completamente gratuitos y de código abierto; elige los si deseas controles de usuario avanzado o velocidad de inferencia máxima, respectivamente.
¿Ejecutar un LLM agotará mi batería?
Sí. La inferencia requiere mucho uso de CPU y GPU, y una sesión larga calienta el dispositivo. Los mensajes de varios cientos de tokens están bien; la generación sostenida de páginas de texto acorta notablemente la duración de la batería. Conecta para sesiones largas.
¿Cuánto almacenamiento necesitan los modelos LLM locales?
Los modelos cuantificados de 3B tienen alrededor de 1,5 a 2 GB. Los modelos cuantificados de 7B y 8B son 4 a 6 GB. Planifica 10 a 20 GB de almacenamiento libre si deseas mantener un par de modelos en el dispositivo.
¿Son privadas las aplicaciones de LLM local?
Las aplicaciones en dispositivo en esta lista no envían mensajes a un servidor de forma predeterminada. Petals es la excepción; divide los mensajes entre nodos voluntarios. Lee las notas de privacidad de cada aplicación antes de tratarla como completamente privada.