El artículo de XDA sobre convertir una laptop antigua en un asistente de IA privada para toda la casa es el caso de estudio que muchos de nosotros necesitábamos. Un ThinkPad de 2020 con 32 GB de RAM y GPU integrada es suficiente para ejecutar modelos modernos de 7B o 13B a velocidad conversacional, alojar una interfaz de chat para el hogar y dejar de pagar $20 al mes por persona por IA en la nube. Estas son las mejores aplicaciones de escritorio para construir un asistente de IA privada para toda la casa en una laptop antigua en 2026, seleccionadas por la combinación de runtime, interfaz de chat y acceso amigable para la familia que hace que la IA local sea realmente útil fuera de la terminal del operador.
Qué buscar en un stack de IA del hogar
Un asistente de IA privada que toda la casa realmente use debe cubrir:
- Inferencia eficiente en hardware modesto. Un runtime que saque tokens/seg aceptables de GPU integrada o GPU discreta antigua.
- Interfaz de chat multi-usuario. Una interfaz web donde cualquiera en la casa pueda iniciar sesión, mantener un historial separado y no interferir con las ejecuciones de otros.
- Gestión de biblioteca de modelos. Descargar, actualizar e intercambiar modelos sin una línea de comandos.
- Servidor compatible con API. Puntos finales compatibles con OpenAI para que otras aplicaciones del hogar (correo, notas, automatización del hogar) puedan conectarse.
- Entrada y salida de voz. Opcional, pero el salto en adopción familiar cuando la voz funciona es real.
- Integración de automatización del hogar. Hooks en Home Assistant, HomeKit o Google Home para consultas de voz.
- Privacidad por defecto. Nada sale del laptop a menos que el operador explícitamente active algo.
Comparación rápida
| Aplicación | Mejor para | Runtime | Interfaz de chat | Servidor API | Costo |
|---|---|---|---|---|---|
| Ollama | El runtime base en el que todos construyen | Ollama | CLI + community UIs | Sí | Gratis |
| LM Studio | Modelos locales enfocados en GUI | llama.cpp | Sí | Sí | Gratis |
| Open WebUI | La interfaz de chat del hogar frente a Ollama | Cualquiera (Ollama, OpenAI) | Sí (multi-usuario) | Proxies | Gratis |
| GPT4All | El chat local single-user más simple | llama.cpp | Sí | Opcional | Gratis / Pro $5/mes |
| Jan | Reemplazo de ChatGPT de código abierto | llama.cpp / Ollama | Sí | Sí | Gratis |
| Text Generation WebUI | Ajuste fino de modelo para power-user y soporte de formato | Múltiple | Sí | Sí | Gratis |
| Home Assistant with Local LLM | IA del hogar impulsada por voz sobre Ollama | Ollama backend | Voz + Chat | via Ollama | Gratis |
Las 7 mejores aplicaciones para IA privada del hogar en una laptop antigua
1. Ollama, mejor como el runtime base en el que todos construyen
Ollama es el runtime que hizo que los LLM locales fueran una instalación de un comando. ollama run llama3.1 descarga, carga y sirve un modelo con una API compatible con OpenAI en el puerto 11434. La biblioteca de modelos es curada (Llama, Mistral, Phi, Qwen, Gemma y ajustes finos de la comunidad), y el runtime detecta automáticamente y utiliza NVIDIA CUDA, AMD ROCm o Apple Metal.
En una laptop con RTX 3060 (o Apple M2 y superior), un modelo 13B se ejecuta a velocidad conversacional. Solo en CPU, modelos de clase 3B como Phi-3 Mini se mantienen usables.
Dónde falla: Solo línea de comandos por sí solo; necesita una interfaz de chat encima para uso doméstico. La lista de modelos curada es más estrecha que el universo GGUF bruto. La instalación Docker es preferida en Windows.
Precio:
- Gratis y de código abierto (MIT)
Plataformas: Windows, macOS, Linux
Descargar: ollama.com
Conclusión: El runtime predeterminado para cualquier configuración de IA privada del hogar en 2026.
2. LM Studio, mejor para modelos locales enfocados en GUI
LM Studio es el competidor GUI de Ollama. Descarga de modelos point-and-click desde Hugging Face, un panel de chat con selección de modelos por conversación y un servidor compatible con OpenAI que se inicia con una casilla de verificación. LM Studio viene con recomendaciones por modelo para longitud de contexto, cuantización y cantidad de offload de GPU.
Para un operador que prefiere una aplicación al estilo Windows sobre una terminal, LM Studio es el camino más corto desde una instalación nueva a un modelo local funcionando.
Dónde falla: Single-user por diseño; no es una interfaz de chat del hogar. La gestión de modelos es por máquina, no centralizada. No es completamente de código abierto (aplicación de escritorio propietaria alrededor de runtimes abiertos).
Precio:
- Gratis para uso personal
- Licencia comercial bajo solicitud
Plataformas: Windows, macOS, Linux
Descargar: lmstudio.ai
Conclusión: La opción correcta para alguien que aprende modelos locales antes de configurar un servidor multi-usuario.
3. Open WebUI, mejor como la interfaz de chat del hogar frente a Ollama
Open WebUI es lo que hace que un servidor Ollama sea útil para toda la casa. Cuentas multi-usuario, historial de chat por usuario, intercambiador de modelos, carga de documentos RAG, biblioteca de prompts y permisos basados en roles, todo en una interfaz web auto-hospedada. Apunte a un endpoint de Ollama (local o en la LAN) y cada miembro de la familia obtiene una experiencia tipo ChatGPT sin compartir historial.
Se ejecuta como un contenedor Docker en la misma laptop que Ollama, o en una máquina separada hablando con él a través de la LAN.
Dónde falla: La instalación de Docker es el camino recomendado (bare Node es posible pero más difícil). La entrada de voz es a través del complemento Whisper, no nativa. El almacenamiento del historial de chat crece rápidamente con un uso intenso.
Precio:
- Gratis y de código abierto (MIT)
Plataformas: Docker, Linux, Windows (a través de Docker Desktop), macOS (a través de Docker Desktop)
Descargar: docs.openwebui.com
Conclusión: El complemento más importante para convertir Ollama en un servicio doméstico.
4. GPT4All, mejor para el chat local single-user más simple
GPT4All es la aplicación de chat orientada localmente de Nomic: descargue el instalador, elija un modelo, chatea. La interfaz está construida para alguien que nunca ha tocado una terminal, y la biblioteca de modelos cubre variantes de Llama, Mistral, Phi y Falcon ajustadas por la comunidad.
Una buena opción para un padre o pareja no técnica que quiere su propio IA local sin configurar un servidor.
Dónde falla: No es un servidor compartido; cada máquina tiene su propio modelo e historial. La biblioteca de modelos es más pequeña que la de Ollama. El nivel Pro agrega características en la nube que socavan la premisa “totalmente local”.
Precio:
- Gratis para uso personal
- Pro: $5/mes para características en la nube (opcional)
Plataformas: Windows, macOS, Linux
Descargar: gpt4all.io
Conclusión: La opción correcta para una laptop donde una persona quiere IA local y nada más.
5. Jan, mejor como reemplazo de ChatGPT de código abierto
Jan es una aplicación de chat de escritorio completamente de código abierto que ejecuta modelos locales a través de llama.cpp o se conecta a endpoints remotos (OpenAI, Anthropic, Groq u Ollama local). La interfaz es cercana a la de ChatGPT, con chats, carpetas y presets de system-prompt, y la filosofía de Jan es “tus datos se quedan en tu máquina.”
Para un hogar donde diferentes miembros de la familia quieren diferentes back ends (algunos locales, algunos remotos), Jan maneja ambos limpiamente.
Dónde falla: Proyecto más nuevo; algunos bordes ásperos en la instalación de Windows. El soporte multi-usuario es más delgado que Open WebUI. Algunos complementos son experimentales.
Precio:
- Gratis y de código abierto (AGPLv3)
Plataformas: Windows, macOS, Linux
Descargar: jan.ai
Conclusión: La opción correcta cuando un hogar quiere una aplicación tipo ChatGPT que pueda ser local o híbrida.
6. Text Generation WebUI, mejor para ajuste fino de modelos para power-user y soporte de formato
Text Generation WebUI (oobabooga) es la herramienta para power users. Admite backends Transformers, ExLlamaV2, llama.cpp y MLX, expone cada muestreador y configuración de inferencia y maneja formatos GGUF, GPTQ, EXL2 y AWQ. El entrenamiento LoRA y el RP de tarjeta de personaje están integrados.
La opción correcta cuando el operador quiere exprimir cada token/sec de una GPU antigua o ejecutar ajustes finos de nicho no en la biblioteca de Ollama.
Dónde falla: Curva de aprendizaje pronunciada. La interfaz tiene años de características apiladas que abruman a los nuevos usuarios. El soporte multi-usuario es limitado.
Precio:
- Gratis y de código abierto (AGPLv3)
Plataformas: Windows, macOS, Linux
Descargar: github.com/oobabooga/text-generation-webui
Conclusión: La opción correcta cuando el objetivo es controlar cada detalle de la inferencia.
7. Home Assistant with Local LLM, mejor para IA del hogar impulsada por voz sobre Ollama
Home Assistant con la integración Local LLM convierte un servidor Ollama en IA del hogar impulsada por voz: pregunta sobre el clima, controla luces, consulta el calendario o mantén una conversación normal a través de un altavoz inteligente o la aplicación HA. Assist Pipeline maneja la transcripción de Whisper, inferencia LLM en Ollama y TTS de vuelta al altavoz, todo dentro de la red doméstica.
Para una familia donde “hey house, ¿qué hay en el cronograma de hoy?” es la UX deseada, esta es la capa que lo une todo.
Dónde falla: La configuración cruza dos proyectos (Home Assistant + Ollama) y necesita que ambos estén saludables. La elección del altavoz importa (los micrófonos compatibles con Wyoming son los más suaves). La latencia depende del modelo; los modelos más pequeños se sienten más rápidos.
Precio:
- Gratis y de código abierto
Plataformas: Home Assistant OS, Docker, Linux, Windows, macOS
Descargar: www.home-assistant.io e integración de Ollama
Conclusión: La opción correcta cuando la IA del hogar impulsada por voz es el objetivo, no solo una ventana de chat.
Cómo elegir el correcto
Para una configuración completamente amigable con el hogar, instale Ollama como runtime y Open WebUI como interfaz de chat multi-usuario frente a él. Este es el stack correcto para una laptop convertida en servidor.
Para uso de máquina única del operador, LM Studio es la instalación más fácil y cubre la mayoría de las necesidades diarias.
Para un miembro de la familia no técnico con su propia laptop, GPT4All es la instalación single-user más amigable.
Para un hogar dividido entre back ends de IA locales y remotos, Jan es la interfaz de chat correcta.
Para ajuste fino para power-user y formatos de modelos de nicho, Text Generation WebUI es la herramienta profunda.
Para IA del hogar impulsada por voz, Home Assistant con la integración Local LLM vincula Ollama al ecosistema de voz del hogar.
FAQ
¿Qué laptop antigua es suficiente para un servidor de IA del hogar? Cualquier laptop de 2020 o más nueva con 16 GB de RAM o más puede ejecutar un modelo 7B a velocidad usable en CPU. Agregue una GPU discreta (incluso una GTX 1660 de 2018) y 13B se ejecuta a velocidad conversacional.
¿Supera la IA local a ChatGPT en calidad? No en la cúspide de la clase de modelo. Un modelo 13B bien cuantizado es aproximadamente de clase GPT-3.5; un modelo 70B se aproxima a la clase GPT-4 pero necesita 24 GB o más de VRAM. Para la mayoría de las tareas domésticas (redacción de correos, resumen de documentos, lluvia de ideas), los modelos locales son más que suficientes.
¿Se actualizan los modelos locales? Los runtimes se actualizan frecuentemente (cadencia de lanzamiento semanal en Ollama). Los modelos mismos están versionados; actualizar significa descargar una etiqueta nueva.
¿Cuáncho ancho de banda usa la configuración inicial? Un modelo 7B es 4–6 GB; un modelo 13B es 8–12 GB. Planee 20 GB de descargas si el operador quiere una pequeña biblioteca.
¿Puede el hogar usar esto sin VPN cuando viaja? Sí, pero solo si el operador expone el servidor a internet. Tailscale es la forma más limpia de llegar al servidor de IA del hogar desde fuera de la LAN sin abrir puertos.
¿Es mi historial de chat realmente privado? Solo si el runtime está configurado correctamente. Ollama, LM Studio, GPT4All y Jan todos tienen por defecto completamente local; Open WebUI almacena el historial en su propia base de datos en la misma máquina. Activar cualquier conector en la nube (niveles Pro, back ends de modelos remotos) envía datos fuera de la caja.
