El proyecto open source Hob lleva el modo Claude Cowork a tu portátil, sin nube

El desarrollador Christian presentó en Hacker News el proyecto Hob: una aplicación de escritorio gratuita, con licencia MIT, para Mac, Windows y Linux. Hace con los archivos locales lo mismo que las apps de Claude y ChatGPT: lee y modifica los documentos de una carpeta, analiza imágenes, ejecuta código en un sandbox y dibuja gráficos. La diferencia es que el modelo funciona en tu máquina. La publicación acumuló 162 puntos y 39 comentarios, y el código fuente está en el repositorio FrigadeHQ/hob.

Qué les faltaba a los clientes locales existentes

Antes de empezar, el autor probó todas las aplicaciones locales de IA que pudo encontrar. Ninguna sabía hacer lo principal: trabajar con archivos como lo hacen los asistentes en la nube. Lo más avanzado que había visto era pegar un archivo de texto en una ventana de contexto pequeña. Ese esquema fallaba ya con un archivo de unos pocos kilobytes. Y nadie analizaba de forma decente las imágenes ni los PDF grandes.

Según su observación, las soluciones más elaboradas recurrían por defecto a modelos alojados en servidores, abiertos o cerrados. Eso le quita sentido a la privacidad de la ejecución local. Además, algunos proyectos empujaban hacia las cuentas de usuario y hacia un modelo open-core. Hob parte del principio contrario: los chats y los archivos no salen del sistema, y solo hace falta internet para la búsqueda web (se puede desactivar en los ajustes) y para los conectores MCP, que añade el propio usuario. Sin conexión, la aplicación funciona de forma totalmente autónoma.

Cómo está hecho

Hob: Electron, llama.cpp y tres capas de aislamiento

La aplicación está escrita en Electron y se comunica con llama.cpp, que se ejecuta en un proceso aparte. En la primera carga, Hob detecta si hay una tarjeta gráfica compatible y elige el mejor modelo abierto para ese hardware. Si no hay tarjeta, cambia a CPU. El autor reconoce que aquí tuvo que pelearse con los detalles: había tarjetas que sobre el papel eran compatibles y que fallaban en la primera consulta.

El código que escribe el modelo se ejecuta en un sandbox. Solo puede escribir en la carpeta del chat actual y no tiene acceso a la red mientras el usuario no lo permita. En cada plataforma se usa un mecanismo distinto:

• macOS: sandbox-exec
• Linux: Landlock
• Windows: proceso con nivel de integridad bajo (low-integrity)

Mediante estos scripts, el modelo crea herramientas de un solo uso: procesamiento de datos, conversión de documentos y creación de gráficos.

Modelos pequeños y herramientas

Según el autor, lo más difícil fue conseguir que los modelos pequeños llamaran a las herramientas de forma fiable. Los modelos de cuatro mil millones de parámetros escribían encantados «aquí tienes tu gráfico» sin haber recurrido a la herramienta de creación de diagramas, o se quedaban atascados en un bucle infinito de llamadas. Retocar los prompts apenas ayudaba en los modelos pequeños. La mayor parte del tiempo se fue en los limitadores programáticos que rodean las llamadas.

Este es el conjunto completo de lo que incluye el proyecto:

• Modelos de propósito general: Gemma 4 y gpt-oss, con pesos abiertos
• Reconocimiento de imágenes: un modelo pequeño Qwen3-VL
• Entrada de voz: modelo Whisper local
• Búsqueda web: basada en SearXNG, se desactiva en los ajustes
• Compatibilidad con conectores MCP que añade el usuario
• Operaciones de creación, lectura, modificación y eliminación de archivos en el sistema de archivos local
• Código en Python en un sandbox aislado: procesamiento de datos, conversión de documentos, gráficos
• Selección automática del mejor modelo para el hardware en el primer arranque
• Modo totalmente offline
• Licencia MIT, plataformas Mac, Windows y Linux

A quién le conviene y qué esperar de la calidad

El autor no discute que los modelos locales son más débiles que los buques insignia de la nube. Pero, en su opinión, para la mayoría de las tareas de un usuario común rara vez hace falta el último modelo frontier. Según sus propias mediciones, los sistemas con 16 GB de memoria RAM o más se desenvuelven bien, y con una tarjeta gráfica dedicada o más memoria el resultado se acerca mucho a lo que ofrece de serie un modelo alojado en la nube. Es una valoración del propio desarrollador: todavía no hay benchmarks independientes, y él pide expresamente a la comunidad que pruebe Hob en otras configuraciones.

La conclusión práctica para el lector es esta. Si trabajas con contratos, hojas de cálculo financieras o documentos internos que no se pueden enviar a la nube, conviene instalar Hob y probarlo con tus archivos habituales. Comprueba tres cosas: la estabilidad de las llamadas a herramientas con tu modelo, el comportamiento en una máquina sin tarjeta dedicada y la calidad del análisis de PDF grandes. A los equipos que construyen sus propios productos con agentes les resultará útil echar un vistazo al código: el esquema de proceso aislado de llama.cpp, sandboxes a nivel de sistema operativo y limitadores de llamadas a herramientas resuelve problemas con los que tarde o temprano se topa cualquiera que prueba agentes con modelos pequeños.