La IA local en Mac M1 sigue siendo útil si eliges el modelo por la memoria disponible. Con 8 GB empezaría por modelos pequeños de texto; con 16 GB probaría también la clase de 7–8 mil millones de parámetros. Los M1 Pro, Max y Ultra amplían las posibilidades, pero ni su nombre ni su GPU convierten toda la RAM en espacio libre para la IA.
Vamos a separar capacidad, velocidad y calidad. Después instalaremos Ollama y plantearemos una prueba sencilla que puedes comprobar en tu Mac. Esta guía se apoya en documentación consultada el 21 de noviembre de 2026: no hemos medido tokens por segundo ni ejecutado estos modelos en un M1 para este artículo. Las recomendaciones de tamaño son puntos de partida, no benchmarks.
IA local en Mac M1: primero mira la RAM
Abre el menú Apple y entra en Acerca de este Mac. Apunta chip, memoria y versión de macOS. Un M1 con 8 GB y otro con 16 GB comparten familia, pero ofrecen márgenes distintos cuando abres un modelo junto al navegador y tus aplicaciones.
Apple documenta 8 o 16 GB para el MacBook Air M1. El M1 Pro admite hasta 32 GB y el M1 Max hasta 64 GB. En el Mac Studio de 2022, el M1 Ultra ofrece 64 o 128 GB. No son ampliaciones que puedas añadir después como un módulo de RAM de sobremesa.
La memoria unificada permite que CPU y GPU compartan datos. Sin embargo, macOS, las aplicaciones, los pesos del modelo y sus buffers compiten por ese mismo espacio. Además, el motor y Metal pueden imponer límites prácticos. Por eso, descargar un archivo de 6 GB no significa que ejecutarlo vaya a ocupar solamente 6 GB.
Tabla orientativa por memoria
Estas sugerencias presuponen un modelo de texto, una conversación y unos 4.096 tokens de contexto, con cuantización cercana a 4 bits. No describen modelos de imágenes ni garantizan que todos los modelos de igual tamaño funcionen igual. La letra B significa miles de millones de parámetros.
| Memoria y chip | Punto de partida | Límite práctico |
|---|---|---|
| 8 GB · M1 | 1–3B; probar 4B con pocas apps abiertas | Un 7–8B deja poco margen y puede provocar intercambio a disco. |
| 16 GB · M1 o M1 Pro | 4–8B para conversación y texto breve | Un 14B requiere revisar memoria real y contexto; no es la primera prueba. |
| 32 GB · M1 Pro o Max | 8–14B; explorar 20–32B con cautela | La multitarea y conversaciones largas reducen el margen. |
| 64 GB · M1 Max o Ultra | 14–32B; evaluar 70B cuantizado | Que un 70B quepa no garantiza una respuesta ágil. |
| 128 GB · M1 Ultra | 32–70B con más margen | Contextos extensos y varias peticiones siguen consumiendo memoria. |
Mi criterio es empezar un escalón por debajo de lo que parece caber. Si el Mac mantiene su capacidad de respuesta y el resultado sirve, prueba después un modelo mayor. Comprar más memoria para cargar un modelo que responde peor en tu tarea tampoco resuelve nada.
Cuantización y contexto: dos gastos diferentes
Los pesos son los valores que el modelo utiliza para generar respuestas. Cuantizarlos reduce la precisión con que se almacenan y, normalmente, su tamaño. Una cuenta didáctica para los pesos es parámetros × bits ÷ 8: un modelo de 8B a 4 bits parte de unos 4 GB decimales; uno de 70B, de unos 35 GB. Hay que sumar escalas, partes sin cuantizar y otros datos. No son cifras de RAM total.
Además, etiquetas como Q4_K_M no significan que cada valor use exactamente cuatro bits. La cuantización puede degradar respuestas; la magnitud depende del modelo y la tarea. Compara con ejemplos tuyos antes de decidir que una variante más comprimida es suficiente.
El contexto incluye instrucciones, conversación y espacio para generar. Su caché, a menudo llamada KV, añade consumo. La documentación de contexto de Ollama advierte de ese crecimiento. Aquí fijaremos 4.096 tokens para no depender del valor automático. Una ventana anunciada de 128K no promete que tu Mac pueda usarla con soltura.
También importa la arquitectura: un modelo MoE activa solo parte de sus parámetros en cada paso, pero eso no significa que baste con guardar esa fracción de sus pesos. No compares un «30B con 3B activos» con un modelo de 3B como si necesitasen la misma RAM.
Ollama, MLX y llama.cpp: cuál elegir
Ollama es mi punto de entrada para esta guía: reúne descarga, ejecución y una API local. Sus requisitos actuales para macOS indican Sonoma 14 o posterior y aceleración de CPU/GPU en Apple Silicon. La versión estable consultada es Ollama 0.40.17; comprueba la que instales con ollama --version.
MLX LM encaja si trabajas con Python y quieres generar texto o explorar ajustes de modelos sobre MLX. La edición consultada es 0.32.2. Su paquete exige Python 3.11 o posterior; usa Python nativo de Apple Silicon. La instalación de MLX en Mac requiere macOS 14 o posterior. No confundas los requisitos del framework con los del paquete MLX LM.
llama.cpp ofrece más control sobre archivos GGUF, contexto y ejecución con Metal. Es una buena alternativa si quieres elegir la cuantización exacta y conservar el archivo del modelo. Sin embargo, exige entender más opciones. Descarga sus binarios desde el repositorio oficial y consulta la ayuda de esa compilación: no mezcles instrucciones antiguas con nombres de ejecutables actuales.
Los tres proyectos distribuyen su código con licencia MIT. Los modelos tienen licencias propias, que debes revisar aparte. Tampoco existe aquí una prueba que permita declarar a MLX o llama.cpp siempre más rápido: habría que mantener modelo, cuantización, contexto y tarea equivalentes. En estas rutas de ejecución, la aceleración de GPU no equivale a utilizar automáticamente el Neural Engine.

Primera prueba con Ollama, paso a paso
1. Instala la aplicación y reserva espacio
Descarga el instalador desde Ollama para Mac, abre el DMG y arrastra la aplicación a Aplicaciones. Iníciala y acepta, si aparece, la instalación de su comando de terminal. Después abre Terminal y escribe:
ollama --version
Debe aparecer una versión. Si el comando no existe, vuelve a abrir la aplicación y revisa la instalación de la herramienta de terminal. Si no conecta con el servidor, comprueba que Ollama siga abierto. No necesitas iniciar otra instancia ni crear un servicio para esta prueba.
Deja espacio para el modelo, descargas adicionales y el funcionamiento normal de macOS. Borrar aplicaciones al azar para conseguir el último gigabyte suele ser una mala forma de empezar. Primero prueba un modelo pequeño.
2. Descarga un modelo identificado
Usaremos Qwen3 de 4B en Ollama. Su ficha consultada muestra 4,02B parámetros, cuantización Q4_K_M, archivo de unos 2,5 GB e identificador 359d7dd4bcda. Es un ejemplo reproducible, no una afirmación de que sea el modelo más nuevo o mejor.
ollama pull qwen3:4b
ollama list
ollama show qwen3:4b
La descarga necesita Internet. Después, la lista debe incluir el modelo y su identificador; guarda ese dato junto a la versión de Ollama. Las etiquetas pueden cambiar con el tiempo. En 8 GB, cierra primero aplicaciones pesadas y vigila la memoria. Si hay presión sostenida, baja a una variante más pequeña en vez de insistir.
3. Limita el contexto y usa un texto de prueba
Inicia la conversación y escribe el ajuste dentro de ella:
ollama run qwen3:4b
/set parameter num_ctx 4096
Ahora pega este ejercicio, que no contiene información privada:
Resume en dos frases y no añadas datos: «El taller abre de lunes a viernes a las nueve. El miércoles cierra a las dos. Los demás días cierra a las seis». Después indica qué día tiene horario reducido. /no_think
El resultado debe conservar los horarios e identificar el miércoles. La ficha oficial de Qwen3-4B documenta /no_think como instrucción para cambiar su comportamiento de razonamiento. No garantiza que la respuesta sea correcta. Si inventa horarios, falla la tarea aunque escriba muy deprisa.
4. Comprueba memoria, ejecución y salida
Mientras el modelo está cargado, abre otra ventana de Terminal:
ollama ps
Revisa el modelo activo, el contexto y la columna PROCESSOR. La FAQ oficial explica cómo interpretar la carga en CPU/GPU. En un Mac, esa información no crea una segunda reserva de memoria independiente: sigue existiendo RAM compartida.
Abre también Monitor de Actividad, pestaña Memoria. Observa la presión de memoria y si aumenta el intercambio durante varias preguntas. Una respuesta aislada no basta para valorar una sesión larga. Anota chip, RAM, modelo, versión, contexto y aplicaciones abiertas si comparas resultados.
Para salir del chat escribe /bye. Para liberar el modelo y, solo si quieres, eliminar su descarga:
ollama stop qwen3:4b
ollama rm qwen3:4b
El segundo comando borra ese modelo local; después tendrás que descargarlo otra vez. Puedes consultar estas operaciones en la referencia de comandos de Ollama.
Cuándo pasar a MLX y qué comprobar antes
Si ya usas Python, MLX LM permite trabajar en un entorno separado. Con Python 3.11 o posterior instalado de forma nativa, este es un ejemplo de preparación; no lo necesitas para seguir el tutorial de Ollama:
python3 -m venv ~/venvs/ia-mlx
source ~/venvs/ia-mlx/bin/activate
python -m pip install mlx-lm==0.32.2
mlx_lm.generate --help
Comprueba primero la ayuda y el modelo que vas a descargar. La conversión comunitaria Qwen3-4B-4bit para MLX ofrece un ejemplo pequeño con licencia Apache 2.0. Es una conversión de la comunidad, no el mismo archivo Q4_K_M de Ollama. Por tanto, comparar ambos sin registrar esas diferencias produce conclusiones débiles.
Si pip no encuentra una distribución compatible, revisa versión de Python, macOS y arquitectura. Ejecuta python -c 'import platform; print(platform.machine())': en un entorno nativo del M1 debe indicar arm64. Para salir del entorno utiliza deactivate. No hace falta modificar límites de memoria de macOS para empezar.

Privacidad: comprueba qué significa «local»
Ollama también permite ejecutar modelos en su nube. Tener instalada la aplicación no prueba que cada petición se procese en tu Mac. Selecciona un modelo descargado, evita variantes cloud y revisa cualquier extensión que conectes.
La FAQ documenta OLLAMA_NO_CLOUD=1 para desactivar funciones cloud. En la aplicación de macOS puedes establecerla desde Terminal con launchctl setenv OLLAMA_NO_CLOUD 1 y cerrar y volver a abrir Ollama. Para deshacer ese ajuste usa launchctl unsetenv OLLAMA_NO_CLOUD y reinicia la aplicación.
Tras descargar el modelo, desconecta temporalmente la red y repite el ejercicio. Si responde, habrás comprobado esa inferencia sin conexión; no una auditoría de todas las conexiones futuras. Los historiales, archivos y copias de seguridad siguen necesitando protección. Además, conserva la API en su acceso local predeterminado: no la expongas a la red para este ejercicio.
Qué tareas merecen la pena en un M1
Empezaría por resumir notas breves, reformular párrafos y clasificar textos con categorías claras. Para código, exige ejemplos pequeños y pruebas revisables. Una respuesta plausible no demuestra que el programa funcione. Para documentos largos, divide el trabajo y conserva referencias al texto original en vez de aumentar el contexto sin mirar la memoria.
Si quieres conectar herramientas, consulta nuestra explicación de qué aporta un agente de IA además del modelo. Ejecutar un chat local no le da autonomía ni permiso para manejar tus archivos. Y para sesiones prolongadas con un portátil, tienes la guía de ajustes y cuidados de batería del MacBook.
Un M1 que ya tienes merece una prueba pequeña antes de pensar en cambiar de equipo. Mi elección inicial sería Ollama, un modelo que deje margen y una tarea con respuesta comprobable. Si después necesitas más calidad o contexto, los datos de esa prueba te dirán mejor que el apellido Max o Ultra dónde está el límite.
