Ahora puedes ejecutar un modelo de IA de un billón de parámetros sin tocar la nube, en un cluster de Macs sobre un escritorio. LM Studio dijo que trabajó con Apple para ejecutar Kimi K2.6, el modelo de pesos abiertos de Moonshot con alrededor de un billón de parámetros, en cuatro Mac Studios enlazados entre sí, con acceso remoto seguro, usando una versión preliminar de su software. La demostración, mostrada en torno a la WWDC 2026 de Apple, es una señal de cuánto ha avanzado la inferencia local y en las propias instalaciones de modelos a escala frontera.

El montaje se apoya en dos cosas hacia las que Apple ha venido construyendo en silencio. La primera es la memoria: cuatro Mac Studios unidos por Thunderbolt 5 agrupan cerca de 1,5 terabytes de memoria unificada, suficiente para alojar los pesos de un modelo de un billón de parámetros que de otro modo exigiría un rack de GPU de centro de datos. La segunda es una nueva capacidad, RDMA sobre Thunderbolt 5 en macOS, que permite a las máquinas mover datos entre sí con la rapidez suficiente para comportarse como una sola. El rendimiento reportado para Kimi K2 en un cluster así se sitúa alrededor de 25 tokens por segundo, útil para trabajo real, con un costo de hardware de unos 40.000 $, que es mucho para un individuo y muy poco al lado del servidor GPU equivalente.

Para Apple, esto es un movimiento de posicionamiento. En la WWDC 2026 presentó el Mac Studio como una estación de trabajo de IA local seria, citando grandes mejoras en la generación de tokens en sus chips más recientes ejecutando modelos a través de LM Studio. Para el mundo de los pesos abiertos, es algo más grande: el hecho de que un modelo de tamaño frontera como Kimi K2.6 se distribuya con pesos abiertos es lo que hace posible ejecutarlo en tu propio hardware. Los modelos cerrados de los grandes laboratorios no se pueden descargar a un escritorio, los abiertos sí, y esa diferencia es ahora la diferencia entre alquilar inteligencia y poseer la máquina que la ejecuta.

La relevancia conecta con la historia de costos que se desarrolla en todas las demás partes de la IA. La inferencia en la nube se mide, y la factura escala con cuánto la usas; un modelo que corre localmente tiene un costo inicial fijo y ningún contador por token. Para trabajo sensible a la privacidad o de alto volumen, esa cuenta empieza a favorecer al escritorio. Las advertencias honestas: 25 tokens por segundo está bien para un solo usuario pero no para servir a muchos, 40.000 $ es una barrera real, y las afirmaciones de rendimiento del proveedor deben leerse con el escepticismo habitual. Pero la dirección es difícil de pasar por alto. La frontera solía vivir solo en centros de datos, y un billón de parámetros ahora cabe, despacio pero de verdad, en un cluster de computadoras que puedes comprar y desconectar.