Cómo ejecutar un LLM en un Mac con Apple silicon

Puedes ejecutar un LLM en un Mac con Apple silicon con tres herramientas gratuitas: Ollama, LM Studio o MLX, el framework de Apple. A 23 de octubre de 2026 las tres usan la GPU del Mac, y el dato que decide qué modelos puedes usar es la memoria unificada, porque la CPU y la GPU la comparten. Esta guía explica los requisitos, cuánta memoria necesita cada tamaño de modelo, cómo se configura cada herramienta y qué límites de memoria frenan a los modelos grandes, a partir de la documentación oficial leída el 23 de octubre de 2026.

Qué necesitas

• Un Mac con Apple silicon (M1 o posterior). Ollama admite los chips M con CPU y GPU, y en los Mac con Intel funciona solo con la CPU. LM Studio no admite los Mac con Intel.
• macOS 14 Sonoma o posterior. Lo exigen tanto Ollama como LM Studio.
• 16 GB de memoria o más. LM Studio recomienda 16 GB y dice que los Mac de 8 GB pueden funcionar con modelos pequeños y contextos moderados.
• Espacio libre en disco. Ollama avisa de que los modelos pueden ocupar de decenas a cientos de gigas.

La memoria decide el modelo

En un PC el límite es la VRAM de la tarjeta gráfica. En un Mac la GPU usa la misma memoria unificada que todo lo demás, así que un Mac de 16 GB tiene 16 GB para macOS, tus aplicaciones y el modelo juntos. El tamaño de descarga de un modelo es una buena primera estimación de la memoria que necesitan sus pesos, y la conversación suma más, porque el contexto también se guarda en memoria.

Tabla: tamaños de descarga en la biblioteca de Ollama (comprobados el 23 de octubre de 2026) y la memoria de Mac que sugerimos

La última columna es una regla nuestra: el modelo más margen para macOS, tus aplicaciones y el contexto. Las versiones cuantizadas más pequeñas usan menos memoria a cambio de algo de calidad; nuestra explicación de qué es la cuantización cuenta el equilibrio, y la guía de cuánta VRAM necesitas tiene el cálculo completo.

Opción 1: Ollama

Ollama es lo más sencillo si no te importa usar la terminal. Su documentación recomienda montar ollama.dmg y arrastrar la aplicación a Aplicaciones; al abrirla por primera vez ofrece crear un enlace para que el comando ollama funcione en la Terminal. Ollama usa la GPU del Mac mediante la API Metal de Apple. Después, ejecuta un modelo:

ollama run qwen3:8b

Comprueba que el modelo cabe con ollama ps: la columna PROCESSOR debe decir 100% GPU. Si una parte dice CPU, el modelo o su contexto no caben y las respuestas serán mucho más lentas. Los modelos y la configuración se guardan en ~/.ollama. Nuestra lista de comandos de Ollama cubre el resto.

El contexto es el ajuste que más gente pasa por alto. Ollama elige uno por defecto según la memoria disponible: 4k tokens por debajo de 24 GiB, 32k entre 24 y 48 GiB y 256k a partir de 48 GiB. Recomienda al menos 64.000 tokens para agentes, búsqueda web y herramientas de programación, que se fijan con el control deslizante de los ajustes de la aplicación o con OLLAMA_CONTEXT_LENGTH=64000 ollama serve. Más contexto necesita más memoria, así que en un Mac de 16 GB súbelo con cuidado.

Opción 2: LM Studio

LM Studio es la opción si prefieres una ventana a una terminal. Ejecuta modelos GGUF con llama.cpp en todas las plataformas, y en los Mac con Apple silicon también ejecuta modelos en el formato MLX de Apple. Los motores, que LM Studio llama runtimes, se gestionan con Comando-Mayúsculas-R, y su comando lms puede descargar versiones MLX con la opción --mlx. Cuando un modelo está en los dos formatos, en un Mac prueba primero el de MLX. Nuestra comparativa de Ollama y LM Studio explica el resto de diferencias.

Opción 3: MLX LM para desarrolladores

MLX es un framework de arrays para aprendizaje automático en Apple silicon, del equipo de investigación de aprendizaje automático de Apple, pensado para la memoria unificada: los arrays viven en memoria compartida, así que la CPU y la GPU trabajan con los mismos datos sin transferirlos. Su paquete mlx-lm ejecuta y ajusta modelos de lenguaje desde Python:

pip install mlx-lm
mlx_lm.chat

Sin opciones carga mlx-community/Llama-3.2-3B-Instruct-4bit, y la opción --model acepta cualquiera de los miles de modelos MLX de la organización mlx-community en Hugging Face. Es la vía si quieres automatizar la generación con scripts o ajustar un modelo con LoRA en tu Mac.

Cuando un modelo grande va lento

macOS limita cuánta memoria puede mantener fijada la GPU. La documentación de mlx-lm explica que los modelos grandes en relación con la memoria del Mac pueden ir lentos, que en macOS 15 o posterior intenta fijar la memoria del modelo para acelerarlo y que, si avisa del tamaño del modelo, puedes subir el límite con:

sudo sysctl iogpu.wired_limit_mb=N

N debe ser mayor que el modelo en megabytes y menor que la memoria del Mac. Nuestro consejo es dejar varios gigas para macOS y tus aplicaciones, porque el modelo y el sistema comparten la misma memoria.

Cuál elegir

• Primer modelo y no te importa la terminal: Ollama. Un comando, y su API local es la que usan muchas otras aplicaciones para conectarse.
• Prefieres una aplicación con ventanas o quieres MLX sin programar: LM Studio.
• Programas en Python o quieres ajustar modelos: MLX LM.

Elijas la que elijas, los pasos para instalar Ollama y empezar sirven igual, y si todavía estás eligiendo equipo, nuestra comparativa de NPU y GPU explica qué hace cada chip.