The Verge estrena un diario sobre IA local: Hermes, Qwen y Mac Studio

Un autor, dos ordenadores y un modelo abierto en hardware propio. The Verge abre una serie de notas sobre IA local en la que un columnista, que nunca ha usado redes neuronales de forma regular, intenta averiguar si es posible prescindir de la nube. Su motivación es sencilla: no está dispuesto a entregar sus datos más personales a servicios en la nube. Pero ejecutar modelos potentes en casa es cada vez más fácil, y queda por ver si justifica la compra de una máquina cara.

El fragmento publicado contiene pocos detalles técnicos, y no vamos a fingir que los hay. Lo esencial es lo siguiente: el propio autor dice que no es un experto, promete ir tomando notas sobre la marcha y compara la IA local con un viaje que no necesariamente merece la pena emprender.

Qué se está probando exactamente

El pie de foto y el enlace al artículo completo permiten reconstruir el stack de trabajo. En la imagen se ve un portátil Asus TUF A14 con Hermes Agent en ejecución, colocado sobre una mesita infantil entre juguetes. En la URL del artículo aparecen Hermes, el modelo Qwen y el Mac Studio. Todo apunta a que el planteamiento es este: un agente funciona sobre un modelo abierto y el hardware se compara bajo la lógica de «portátil gaming contra Mac de sobremesa».

El texto menciona también el argumento de marketing de Apple. Buena parte de la presentación de los nuevos Mac de sobremesa gira en torno a lo bien que se desenvuelven con tareas de IA. El fragmento se corta ahí, así que no recogemos aquí las cifras de Apple ni los resultados de las pruebas.

• Formato: diario público con conclusiones intermedias, no una reseña puntual.
• Agente: Hermes Agent, ejecutado en local.
• Modelo: la familia Qwen (según la URL del artículo).
• Hardware: Asus TUF A14 y Mac Studio.
• Pregunta clave: si vale la pena pagar de más por un ordenador con mucha RAM.
• Motivación: privacidad y rechazo a enviar datos personales a la nube.

Por qué la cuestión de la memoria no es retórica

Los modelos locales tienen una limitación física: los pesos deben caber en la memoria, y la velocidad de generación depende de la rapidez con que esa memoria entrega los datos. Por eso, quien compra se topa no con la frecuencia del procesador, sino con la capacidad y el tipo de memoria. El autor califica abiertamente la RAM de sobrevalorada. En 2026 es un tema doloroso para cualquiera que monte una máquina para redes neuronales.

Hay una segunda dificultad, de la que el autor advierte ya en el titular: aprender a usar IA local resulta a la vez fascinante, abrumador y frustrante. Hay que elegir modelo, formato de pesos, capa de software y agente. Cada decisión influye en la calidad de las respuestas y en la velocidad de trabajo.

Cómo aprovechar este material

Por ahora es más una declaración de intenciones para una serie que un veredicto cerrado. Pero ya se puede extraer de ella una secuencia de pasos para quien esté pensando en la IA local.

1. Defina la tarea. Si necesita un asistente privado para notas y documentos personales, los requisitos del modelo serán unos.

Si necesita un agente para acciones complejas de varios pasos, serán muy distintos. 2. Empiece con el hardware que ya tiene.

Un portátil como el Asus TUF A14 hace en esta historia de puerta de entrada, y el Mac Studio es la opción para quienes están dispuestos a pagar por la memoria. 3. No compre un ordenador para IA por adelantado.

Primero ejecute un modelo abierto pequeño y compruebe qué es lo que le falta. 4. Siga la continuación del diario.

Serán las mediciones en configuraciones concretas las que muestren dónde la ejecución local ya sustituye a la nube y dónde no.

The Verge publicará el texto completo y los resultados de las pruebas a medida que el autor avance en este recorrido.