Survival LLM: IA offline que funciona sin internet

Qué es Survival LLM y por qué funciona sin internet

Survival LLM es un asistente de IA gratuito y de código abierto que corre enteramente en tu computadora: se configura una vez mientras tienes internet y después funciona sin conexión, apoyado en una biblioteca de referencia que incluye unas 930.000 entradas de Wikipedia, manuales militares de supervivencia y guías de FEMA y los CDC. Le preguntas cómo mantener la comida segura durante un apagón, cómo tratar una quemadura o cómo purificar agua, y responde mostrando de dónde salió cada afirmación.

Lo que lo separa de un chatbot convencional no es el modelo, sino la combinación de dos piezas: un LLM local y una biblioteca de referencia offline. Cada respuesta lista los artículos que leyó y permite abrir el pasaje exacto que respalda el dato. En un dominio donde un error se paga caro —primeros auxilios, agua potable, seguridad alimentaria—, esa trazabilidad es la característica central, no un extra.

El proyecto también es explícito en lo que no hace: no hay cuenta, no hay tracking y nada de lo que preguntas sale de tu equipo. Una vez terminada la instalación, funciona con el internet apagado.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Cómo elige el modelo según la memoria de tu computadora

La app es la misma en todas las plataformas. Al abrirse, revisa la memoria de tu equipo y descarga el modelo que le cabe. Más memoria significa un modelo más capaz:

Mac con 128 GB o más: NVIDIA Nemotron 3.5 Super, 80 GB de descarga, 21 de 22 respuestas correctas en su test de apagones y primeros auxilios.
Mac con 32–96 GB: Qwen3.8 27B, 18 GB, 21 de 22.
PC Windows con 32 GB o más: NVIDIA Nemotron 3.5 Lightning, 25 GB, 19 de 22.
Mac o PC con 16–31 GB: IBM Granite 4.2 8B, 6 GB, 14 de 22.

El propio proyecto advierte que los modelos pequeños se equivocan más y que por eso la app siempre muestra la fuente para que la verifiques. El test se hizo sobre una build anterior de la biblioteca, con corrección a ciegas y sobre 22 preguntas de apagones y primeros auxilios.

Qué hay dentro de la biblioteca de emergencia

La biblioteca es texto plano de referencias con licencia abierta (algunas solo para uso no comercial) y de dominio público, con búsqueda en una fracción de segundo:

Cerca de 930.000 de los artículos más leídos de Wikipedia
WikiMed, enciclopedia médica
MedlinePlus, de la Biblioteca Nacional de Medicina de EE. UU.
UK Medicines A to Z, información del sector público británico
WikEM, medicina de emergencia
Ready.gov, guías de emergencia de FEMA
Salud del viajero de los CDC
Manuales militares de medicina y supervivencia de EE. UU.
Referencias de riesgo para estimar micromorts: tablas de vida y tasas de mortalidad de EE. UU.
Guías de wikiHow, reparación de iFixit, tecnología apropiada de Appropedia
Preguntas y respuestas de Stack Exchange sobre reparación del hogar, cocina, jardinería, actividades al aire libre y radio amateur

Cada fuente conserva su propia licencia, visible junto a cada artículo. Además, puedes añadir tus propios PDFs, documentos de Word, ebooks y notas —el manual de tu generador o el plan de emergencia familiar— y la IA también los busca, sin que salgan de tu computadora.

Cuánto espacio y tiempo necesitas antes de instalarlo

Los requisitos son concretos y conviene revisarlos antes de empezar. La biblioteca completa pesa 9 GB de descarga y 19 GB instalada; la versión sin Wikipedia ni iFixit baja a 1,3 GB de descarga y 3 GB instalada. En disco necesitas el tamaño del modelo más 5 GB, y unos 27 GB libres adicionales mientras se instala la biblioteca completa (10 GB para la versión reducida).

La instalación toma entre 20 minutos y unas 2,5 horas, según tu computadora y tu velocidad de conexión; de ese tiempo, solo unos 5 minutos requieren que hagas clics. La compatibilidad está acotada: Mac con Apple Silicon (M1 o posterior) y macOS 14 Sonoma o superior, o Windows 10 u 11 de 64 bits.

Sobre el consumo, el proyecto midió en un MacBook Pro alrededor de 100 W mientras responde, con 5 a 40 segundos por pregunta: una batería completa alcanza para unas 100 a 300 consultas. Un generador pequeño o una estación de energía lo mueven sin problema.

El contexto: la IA local dejó de ser un experimento de nicho

Survival LLM no aparece en el vacío. Wired documenta en su guía para correr un chatbot en tu propia computadora que los LLM pueden ejecutarse localmente y que los beneficios clave son el acceso offline y una mayor privacidad, porque no envías nada a la nube para que otro lo analice. El mismo medio señala que hay modelos gratuitos de compañías como Meta y Google, que macOS suele ser la plataforma preferida, que 8 GB de RAM es el mínimo aunque 32 GB o más hacen falta para los modelos más grandes, y que LM Studio Bionic es la opción más recomendada en Windows y macOS, con alternativas como vLLM, Llama.cpp, Ollama y GPT4All.

XDA Developers va en la misma dirección: describe a Ollama como probablemente la opción más popular para correr modelos locales y enumera alternativas como Msty AI, TurboLLM, Jan AI y KoboldCPP, la mayoría gratuitas. Es decir, el ecosistema de herramientas para IA local ya es amplio y maduro.

El movimiento también llegó a las grandes plataformas. Visual Studio Magazine probó el soporte Bring Your Own Model que Microsoft habilitó en preview en Visual Studio 18.10 Insiders, con conexión a Microsoft Foundry, OpenAI, Anthropic y Ollama. En su prueba, un Qwen3:4b corriendo local respondió bien una pregunta general sobre el proyecto, pero se trabó en una tarea simple de edición de código que Claude Sonnet 4.6 resolvió en segundos. La conclusión del medio es la lección más útil de todo el ejercicio: conectar un modelo local es fácil; encontrar uno que aguante un flujo de trabajo agéntico es otra historia.

¿Qué significa esto para tu startup?

El interés real de Survival LLM para un founder no es el escenario apocalíptico. Es el patrón de arquitectura: modelo local + biblioteca curada + citas obligatorias. Ese patrón resuelve tres problemas que aparecen en casi cualquier producto de IA para empresas.

Primero, la privacidad como argumento comercial. Si tu cliente es un hospital, un estudio jurídico, una fintech o una empresa industrial, la frase "tus datos nunca salen de tu infraestructura" vale más que cualquier benchmark. Survival LLM demuestra que se puede entregar un asistente útil sin que un solo prompt cruce el firewall del cliente.

Segundo, la trazabilidad. Obligar al modelo a citar el pasaje exacto que respalda su respuesta es la forma más barata de reducir alucinaciones percibidas por el usuario, incluso cuando el modelo se equivoca. El proyecto lo asume: con el modelo más chico, solo 14 de 22 respuestas fueron correctas, y la mitigación no fue mejorar el modelo sino mostrar siempre la fuente.

Tercero, el costo. Un modelo local no tiene factura por token. Como apunta Visual Studio Magazine, eso no lo hace gratis —la máquina pone el cómputo— pero permite reservar el gasto en modelos frontera para las tareas donde realmente aportan.

Acciones concretas que puedes implementar esta semana:

Haz el inventario de datos que nunca deberían salir de tu infraestructura. Lista los flujos donde hoy envías documentos de clientes a una API externa. Con herramientas como Ollama o LM Studio, montar un prototipo local toma una tarde, no un trimestre.
Adopta el patrón RAG con citas obligatorias en tu producto. Si tu asistente responde sobre documentación propia, haz que devuelva siempre el fragmento fuente y el enlace al documento. Es la diferencia entre un demo que impresiona y un producto que un cliente corporativo aprueba en su comité de seguridad.
Prueba el modo offline como plan de continuidad. Si tu operación depende de un proveedor de nube, un asistente local es un respaldo barato para cuando la conexión o el proveedor fallan. Survival LLM es un caso extremo, pero el principio aplica a cualquier negocio.
Dimensiona el hardware antes de prometer nada. La regla del proyecto es directa: más memoria, mejor modelo. Si vas a proponer IA local a un cliente, verifica primero su RAM y su sistema operativo, porque la experiencia cambia radicalmente entre un modelo de 6 GB y uno de 80 GB.

Limitaciones que conviene tener claras

Nada de esto reemplaza a un profesional. El propio proyecto lo dice: los modelos de IA cometen errores y los pequeños, más seguido. Un asistente que acierta 14 de 22 preguntas de primeros auxilios es una herramienta de consulta con verificación humana obligatoria, no un sustituto de un médico.

También hay una barrera de entrada real. Correr un modelo de 80 GB requiere una Mac con 128 GB de memoria, un equipo que la mayoría de los equipos de trabajo no tiene. Y la instalación, aunque es de tres pasos, exige espacio libre en disco y paciencia: hasta 2,5 horas en el peor caso.

Por último, la biblioteca tiene licencias mixtas, algunas solo para uso no comercial. Si piensas reutilizar esos contenidos dentro de un producto comercial, revisa la licencia de cada fuente antes de hacerlo.

Conclusión

Survival LLM es, en el fondo, una demostración de producto más que una app de supervivencia. Muestra que un asistente de IA con biblioteca curada, funcionamiento offline y citas verificables es viable en una computadora personal, sin nube y sin suscripción. Para un founder que construye con IA, la lección no está en el escenario de apagón: está en el patrón. Privacidad por arquitectura, trazabilidad por diseño y costo predecible son tres argumentos que tus clientes corporativos van a pedir cada vez más seguido. Cuanto antes los tengas resueltos, mejor posicionado estarás cuando la pregunta llegue.