GuiaModelos e desempenhoiPhone2 min de leitura

Nesta página
  1. Requisitos
  2. Passo 1: instale o Off Grid AI
  3. Passo 2: escolha o modelo
  4. Passo 3: baixe, carregue e converse
  5. Por que o iPhone é ótimo para IA local
  6. Desempenho por aparelho
  7. Mais guias
  8. Off Grid AI comparado

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

Baixe na App Store


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

  1. Abra o Off Grid AI → Models
  2. Toque num modelo → Download
  3. Toque em Load; o modelo carrega via Metal (o framework de GPU da Apple)
  4. 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

Off Grid AI comparado

ISSO AJUDOU?
NOVIDADES DO CRIADOR