Nesta página
Como rodar LLMs localmente no iPhone em 2026 (totalmente offline, sem assinatura)
A GPU Metal e o Neural Engine da Apple estão em todo iPhone desde 2017. São aceleradores de IA dedicados que ficam quase sempre parados enquanto você paga uma assinatura mensal para mandar suas perguntas para o servidor de outra empresa.
O Off Grid AI muda isso. Rode Qwen 3.5, Gemma 4, Mistral e outros modelos de ponta direto no iPhone: offline, com privacidade e sem custo recorrente. A inferência roda via llama.cpp com aceleração Metal.
Requisitos
- iPhone 12 ou mais novo (A14 Bionic ou mais recente)
- iOS 17 ou mais recente
- Pelo menos 3 GB livres
- Internet uma vez para baixar o modelo
Passo 1: instale o Off Grid AI
Passo 2: escolha o modelo
Todos os modelos usam quantização Q4_K_M, o melhor equilíbrio entre qualidade e tamanho para celular.
| Modelo | iPhone mínimo | RAM | Tamanho | Ideal para |
|---|---|---|---|---|
| Qwen 3.5 0.8B | iPhone 12 | 3GB | ~0.8GB | Ultrarrápido, contexto de 262K |
| Qwen 3.5 2B | iPhone 12 | 4GB | ~1.7GB | O melhor para aparelhos de 4 a 6 GB |
| Gemma 4 E2B | iPhone 12 | 4GB | ~1.5GB | Visão e modo de raciocínio |
| Mistral 7B | iPhone 14 | 6GB | ~4.1GB | Rápido e confiável para tudo |
| Gemma 4 E4B | iPhone 14 | 6GB | ~2.5GB | Raciocínio e visão, modo de raciocínio |
| Qwen 3.5 9B | iPhone 15 Pro | 8GB | ~5.5GB | A melhor qualidade no aparelho |
iPhone 12 ou 13: comece com o Qwen 3.5 2B. iPhone 15 Pro ou 16: experimente o Qwen 3.5 9B.
Passo 3: baixe, carregue e converse
- Abra o Off Grid AI → Models
- Toque num modelo → Download
- Toque em Load; o modelo carrega via Metal (o framework de GPU da Apple)
- Abra o Chat
Pronto: a IA roda localmente no Apple Silicon. Suas conversas nunca saem do celular.
Por que o iPhone é ótimo para IA local
O iPhone tem uma grande vantagem: memória unificada. A GPU Metal e a CPU dividem a mesma memória, então os modelos carregam mais rápido e a inferência é mais eficiente que em aparelhos que só usam a CPU.
O Qwen 3.5 2B num iPhone 14 gera cerca de 20 a 30 tokens por segundo. É rápido o bastante para uma conversa fluida.
O modo de raciocínio (Qwen 3.5, Gemma 4) funciona especialmente bem no iPhone, porque a aceleração Metal impede que raciocínios longos fiquem lentos.
Desempenho por aparelho
| iPhone | RAM | Modelo recomendado | Tokens/s aprox. |
|---|---|---|---|
| iPhone 16 Pro Max | 8GB | Qwen 3.5 9B | 18–28 |
| iPhone 16 / 16 Plus | 8GB | Qwen 3.5 9B | 18–28 |
| iPhone 15 Pro | 8GB | Qwen 3.5 9B | 15–25 |
| iPhone 14 Pro | 6GB | Gemma 4 E4B | 15–22 |
| iPhone 14 | 6GB | Qwen 3.5 2B | 20–30 |
| iPhone 13 | 4GB | Qwen 3.5 2B | 18–26 |
| iPhone 12 | 4GB | Qwen 3.5 0.8B | 25–40 |
Mais guias
- Como rodar LLMs localmente no seu celular Android em 2026
- Qual modelo devo usar?
- Como rodar o Stable Diffusion no iPhone
- IA de visão: analise imagens no aparelho