Las mejores aplicaciones de buscador de IA self-hosted para escritorio (2026)

Un escritor de XDA-Developers recientemente describió la cancelación de una suscripción a Perplexity y ChatGPT después de emparejar un LLM local con Perplexica y SearXNG, y la configuración es más fácil de replicar de lo que parece. Un modelo de nivel medio como Qwen, Llama o Mistral ejecutándose a través de Ollama ya maneja bien el razonamiento y el resumen. Lo que le falta es información fresca de la web abierta, y eso es lo que proporciona una capa de metabúsqueda auto-alojada: un recuperador privado que obtiene y clasifica resultados, luego los pasa al modelo para citar y sintetizar. El resultado se ve como Perplexity, menos la suscripción y el registro de consultas.

Este resumen cubre las mejores aplicaciones para la búsqueda de IA auto-alojada, desde clones completos de Perplexity hasta el motor de metabúsqueda debajo de la mayoría. Cada opción se ejecuta en un servidor doméstico o escritorio de repuesto, se conecta a Ollama, LM Studio o cualquier punto final compatible con OpenAI, e incluye una imagen de Docker para que toda la pila se inicie con un comando.

Qué buscar en una aplicación de búsqueda de IA auto-alojada

No todos los proyectos de “búsqueda de IA” se construyen realmente para esto. Algunos rasgos separan los que valen la pena ejecutar de los que se atascan en una demostración:

• Soporte de modelo local. Tiene que hablar con Ollama, LM Studio o un punto final genérico compatible con OpenAI, no solo una clave de API alojada.
• Fuentes citadas. Las respuestas deben vincularse a las páginas de las que extraen, no presentar texto sintetizado como hecho sin rastro.
• Un paso de clasificación real. Los resultados de búsqueda sin procesar necesitan reclasificación o puntuación de relevancia antes de llegar al modelo, o las respuestas se desvían del tema en consultas ambiguas.
• Configuración Docker de un comando. Un docker compose up que traiga su propio backend de metabúsqueda vence una instalación manual con cinco partes móviles.
• Soporte multiusuario. Importa si más de una persona en la casa o equipo consultará.
• Llamada de herramientas y complementos. Los agentes más fuertes pueden encadenar una búsqueda, abrir un resultado y buscar de nuevo antes de responder.

Comparación rápida

Las 8 mejores aplicaciones de búsqueda de IA auto-alojadas para escritorio en 2026

1. Perplexica — mejor para el clon de Perplexity más cercano

Perplexica es el proyecto en torno al cual el artículo de XDA construyó su configuración: un frontend Next.js y backend API que incluyen una instancia SearXNG privada, por lo que un contenedor Docker le proporciona un cuadro de búsqueda, una respuesta de LLM con citas en línea y paneles de imágenes y videos. Fue renombrado a Vane en marzo de 2026, aunque el repositorio de GitHub, las imágenes de Docker y la comunidad todavía usan el nombre Perplexica con el que se lanzó. Se conecta a Ollama para modelos locales o a OpenAI, Anthropic y otros proveedores en la nube cuando desea un backend más fuerte para consultas más difíciles.

Dónde se queda corto: La redenominación ha dejado la documentación y los resultados de búsqueda divididos entre los nombres antiguos y nuevos, lo que hace que la solución de problemas sea un poco más confusa de lo que debería ser.

Precio: Gratis y de código abierto, sin nivel de pago.

Plataformas: Windows, macOS, Linux (Docker), auto-alojado.

Descargar: GitHub

Conclusión: La cosa más cercana a ejecutar Perplexity en hardware que posee, y el proyecto del que toda esta categoría toma sus indicaciones.

2. SearXNG — mejor para la capa de metabúsqueda sola

SearXNG es el motor de metabúsqueda federado que impulsa Perplexica, Farfalle y Morphic bajo el capó, y vale la pena ejecutarlo por su cuenta si todo lo que desea es un frontend privado para Google, Bing, DuckDuckGo, Brave y aproximadamente 280 otros servicios de búsqueda sin una capa de IA. Las consultas llegan a esos motores desde su servidor, no desde su navegador, por lo que ninguno de ellos ve su IP ni crea un perfil a partir de sus búsquedas. Apunte cualquiera de las aplicaciones de búsqueda de IA a continuación a una instancia SearXNG existente en lugar de dejar que ejecuten la propia, y obtiene un backend de búsqueda compartida para varias herramientas.

Dónde se queda corto: Sin síntesis de IA propia. Devuelve enlaces clasificados, no respuestas, a menos que se empareje con un frontend de LLM.

Precio: Gratis y de código abierto, sin nivel de pago.

Plataformas: Windows, macOS, Linux (Docker), auto-alojado.

Descargar: GitHub

Conclusión: La base de metabúsqueda debajo de la mayoría de esta lista, y el punto de partida correcto si la capa de IA es una adición posterior, no el primer día.

3. Farfalle — mejor para elegir su propio backend de búsqueda

Farfalle es un motor de respuestas al estilo de Perplexity que deja el proveedor de búsqueda a su discreción: SearXNG, Tavily, Serper o Bing, mezclados con modelos locales a través de Ollama o modelos en la nube a través de LiteLLM. El stack Next.js y FastAPI incluye un docker-compose.dev.yaml que obtiene una instancia de trabajo ejecutándose en localhost:3000 desde un clone fresco en unos pocos minutos, e intercambiar proveedores de búsqueda o modelos es un cambio de configuración, no una reconstrucción.

Dónde se queda corto: La configuración predeterminada espera al menos una clave de API (un proveedor de búsqueda o un modelo en la nube) a menos que todo se enrute a través de un par local de SearXNG y Ollama, por lo que la ruta sin clave requiere un poco más de configuración que Perplexica.

Precio: Gratis y de código abierto, sin nivel de pago.

Plataformas: Windows, macOS, Linux (Docker), auto-alojado.

Descargar: GitHub

Conclusión: La opción para cualquiera que desee una experiencia como Perplexica pero con más control sobre qué proveedores de búsqueda y modelo se encuentran detrás de las respuestas.

4. Morphic — mejor para respuestas de UI generativa

Morphic representa respuestas como más que texto plano: cuadrículas de imágenes con crédito de fuente, títulos estructurados y componentes en línea se construyen junto con la respuesta escrita en lugar de una pared de prosa con enlaces en la parte inferior. Admite modos de búsqueda rápida y adaptativa, un selector de modelo en OpenAI, Anthropic, Google, Ollama y cualquier proveedor compatible con OpenAI, e incluye PostgreSQL, Redis y SearXNG en su archivo Docker Compose, por lo que no se requiere clave de API de búsqueda externa para comenzar.

Dónde se queda corto: La interfaz más rica significa más partes móviles (Postgres, Redis, SearXNG, la propia aplicación) que una configuración de contenedor único, lo que requiere más monitoreo si algo falla.

Precio: Gratis y de código abierto, sin nivel de pago.

Plataformas: Windows, macOS, Linux (Docker), auto-alojado.

Descargar: GitHub

Conclusión: El motor de respuestas más bonito de esta lista, vale los contenedores adicionales si una interfaz pulida y componentizada es tan importante como la calidad de la respuesta.

5. Open WebUI — mejor para agregar búsqueda a una configuración Ollama existente

Open WebUI comenzó como una interfaz de chat para Ollama y API compatibles con OpenAI, y su alternancia de búsqueda web incorporada (respaldada por SearXNG u otros proveedores) convierte una configuración de chat local existente en un motor de respuestas sin estar de pié. Cualquiera que ya ejecute Open WebUI para chat local obtiene búsqueda de IA como un cambio de configuración en lugar de una nueva implementación.

Dónde se queda corto: La búsqueda es una característica pegada a una interfaz de chat, no el objetivo principal del diseño, por lo que la representación de citas y la clasificación de fuentes son menos pulidas que en los motores de respuesta dedicados anteriores. Las implementaciones que sirven a 51 o más usuarios en una ventana de 30 días deben mantener visible la marca de Open WebUI bajo su licencia actual.

Precio: Gratis y de código abierto, sin nivel de pago; una licencia empresarial separada cubre implementaciones con marca blanca o de gran escala.

Plataformas: Windows, macOS, Linux (Docker), auto-alojado.

Descargar: GitHub

Conclusión: La ruta de actualización de menor esfuerzo para cualquiera que ya ejecute Open WebUI para chat local y desee que se agregue búsqueda en la parte superior.

6. MindSearch — mejor para investigación profunda multiagente

MindSearch, construido por InternLM, divide una consulta entre dos funciones de agente: un WebPlanner que descompone la pregunta en subconsultas y construye un gráfico de razonamiento, y uno o más WebSearchers que ejecutan esas subconsultas e informan los hallazgos. Esa estructura le permite trabajar a través de más de 300 páginas fuente en una pregunta de investigación compleja, mucho más allá de lo que maneja una aplicación de búsqueda y resumen de un solo paso. Se ejecuta contra los propios modelos de InternLM o GPT-4, y es compatible con DuckDuckGo, Bing, Brave y Google Serper como backends de búsqueda.

Dónde se queda corto: El desarrollo se ha ralentizado desde su refactorización a fines de 2024, y la configuración se inclina hacia usuarios cómodos configurando un marco de agentes en lugar de un dispositivo de un clic.

Precio: Gratis y de código abierto, sin nivel de pago.

Plataformas: Windows, macOS, Linux (Docker), auto-alojado.

Descargar: GitHub

Conclusión: La opción para preguntas de investigación verdaderamente profundas y de varios pasos donde una pasada de búsqueda única se perdería contexto.

7. LLocalSearch — mejor para un agente local completamente mínimo

LLocalSearch envuelve un LLM local en un simple bucle de uso de herramientas: el modelo decide cuándo buscar, lee lo que vuelve y decide si buscar de nuevo antes de responder, con toda la cadena visible en un registro en vivo. No necesita claves de API en absoluto y fue construido para ejecutarse en hardware modesto, lo que lo hizo ser una primera parada popular para cualquiera que pruebe la búsqueda de IA local en una GPU de presupuesto.

Dónde se queda corto: GitHub archivó el repositorio en junio de 2026 y el proyecto ha estado sin desarrollo activo durante más de un año, por lo que sigue funcionando a través de Docker pero no recibirá correcciones o actualizaciones de compatibilidad de modelo en adelante.

Precio: Gratis y de código abierto, sin nivel de pago.

Plataformas: Windows, macOS, Linux (Docker), auto-alojado.

Descargar: GitHub

Conclusión: Aún funcional y vale la pena intentar por la simplicidad de su diseño, pero trátalo como una implementación de referencia en lugar de un conductor diario a largo plazo.

8. AnythingLLM — mejor para búsqueda dentro de un espacio de trabajo RAG más amplio

AnythingLLM es menos un motor de búsqueda dedicado y más un espacio de trabajo completo: RAG de documentos, agentes de IA y control de acceso multiusuario, con búsqueda web disponible como una herramienta que un agente puede llamar junto con recuperación de documentos. Cualquiera que ya desee una plataforma de chat auto-alojada para sus propios archivos obtiene búsqueda de IA como una capacidad más en lugar de una implementación separada, con roles Admin, Manager y Default para uso doméstico o de equipo compartido.

Dónde se queda corto: La búsqueda es una herramienta entre varias, no el enfoque, por lo que no coincidirá con el formato de citas del motor de respuesta dedicado o la calidad de clasificación en consultas de búsqueda pura.

Precio: Gratis y de código abierto, sin nivel de pago; un plan alojado está disponible para quienes no deseen auto-alojarse.

Plataformas: Windows, macOS, Linux (Docker), auto-alojado.

Descargar: GitHub

Conclusión: La opción correcta cuando la búsqueda necesita vivir junto con chat de documentos y agentes en un espacio de trabajo, no independiente.

Cómo elegir

Si desea el clon de Perplexity más simple: Perplexica. Un contenedor, un comando, citas e imágenes de la caja.

Si desea la capa de metabúsqueda sola, sin IA adjunta aún: SearXNG. Ejecútalo primero, apunta un motor de respuesta más tarde.

Si desea control sobre qué proveedores de búsqueda y modelo se encuentran detrás de las respuestas: Farfalle.

Si la interfaz es tan importante como la respuesta: Morphic, por su interfaz generativa y cuadrículas de imágenes con crédito de fuente.

Si Open WebUI ya es su aplicación de chat local: active la búsqueda web incorporada en lugar de implementar algo nuevo.

Si la pregunta necesita investigación de múltiples pasos y múltiples fuentes: MindSearch, por su diseño de agente planificador y buscador.

Si el hardware de presupuesto y cero claves de API son la prioridad, y la estabilidad importa menos que la simplicidad: LLocalSearch, con la salvedad de que está archivado.

Si la búsqueda necesita estar dentro de un espacio de trabajo de chat de documentos y agentes: AnythingLLM.

Preguntas frecuentes

¿Funcionan estas aplicaciones sin conexión a Internet?

No. El LLM en sí puede ejecutarse completamente sin conexión una vez descargado, pero cada aplicación en esta lista aún necesita llegar a la web abierta para obtener resultados de búsqueda actuales. Lo que permanece local es la inferencia del modelo y, dependiendo de la configuración, la consulta en sí, ya que una instancia SearXNG auto-alojada consulta otros motores de búsqueda en nombre del servidor en lugar de enviar su IP directamente.

¿Qué modelos locales se emparejan mejor con estos motores de búsqueda?

Un modelo de tamaño medio sintonizado por instrucciones en el rango de 7B a 30B, como una compilación reciente de Qwen, Llama o Mistral, maneja bien la síntesis pesada de citas en hardware de GPU para consumidores. Los modelos más pequeños tienden a alucinar alrededor de fuentes en lugar de citarlas con precisión, por lo que vale la pena probar una consulta contra una respuesta conocida antes de confiar en la salida de un modelo ligero.

¿Necesito una GPU para ejecutar una pila de búsqueda de IA auto-alojada?

No estrictamente. El lado de búsqueda y recuperación (SearXNG, el backend de la aplicación) funciona bien en la CPU. El LLM es la parte que se beneficia de una GPU; sin uno, espere respuestas notablemente más lentas, especialmente en modelos más grandes, o apunte la aplicación a una API de modelo en la nube como alternativa.

¿Es la búsqueda de IA auto-alojada realmente más privada que Perplexity o ChatGPT?

Las consultas de búsqueda permanecen en la infraestructura que controla en lugar de los servidores del proveedor, y ninguna de las aplicaciones en esta lista envía el historial de conversaciones a terceros de forma predeterminada. La compensación es que los motores de búsqueda subyacentes (Google, Bing y el resto) aún ven las consultas individuales que SearXNG les transmite, solo sin su IP o cuenta.

¿Pueden más de una persona usar la misma instancia auto-alojada?

Algunas de estas aplicaciones lo admiten de forma nativa. AnythingLLM y Open WebUI ambos incluyen cuentas multiusuario basadas en roles de inmediato. Otros, incluido Perplexica, Farfalle y Morphic, fueron construidos con uso de un solo usuario o pequeño hogar en mente y necesitan configuración adicional (por ejemplo, un proxy inverso con autenticación) antes de exponerlo de forma segura a un grupo más amplio.

¿Qué sucede si un proyecto como LLocalSearch deja de mantenerse?

Un repositorio de código abierto archivado continúa funcionando exactamente como en su último commit; las imágenes de Docker ya construidas continúan ejecutándose. Lo que se detiene son las correcciones para nuevos errores, las actualizaciones de compatibilidad para API de modelo más nuevas y los parches de seguridad, por lo que un proyecto archivado es adecuado para pruebas o uso ligero pero es una apuesta a largo plazo deficiente para cualquier cosa que dependa de actualizaciones continuas.