Desert Ant Labs, un laboratorio europeo de IA centrado en modelos locales, presentó este lunes 18 modelos especializados en audio, visión y texto, diseñados para ejecutarse íntegramente en el dispositivo del usuario, sin depender de la nube. De ellos, 12 están en versión estable y seis en beta, y se accede a ellos mediante un único SDK compatible con Swift, Kotlin y JavaScript.
Entre los modelos destacados figuran Voz, que transcribe diez minutos de audio en dos segundos en un iPhone —4,7 veces más rápido que Whisper—; Clear, un modelo de 9 MB que mejora grabaciones en un segundo; Redact, que enmascara datos personales en 27 idiomas en tiempo real, y Tongue, un identificador de 84 idiomas con un modelo de 2 MB. Todos son gratuitos hasta 100.000 dispositivos activos al mes y no requieren inicio de sesión.
La compañía defiende la ejecución local como alternativa al modelo de negocio basado en tokens por motivos de coste, latencia y soberanía de datos. Argumenta que tareas repetitivas como limpiar audio, etiquetar fotos o extraer fechas no requieren un modelo frontera y pueden resolverse con modelos pequeños y especializados. Según datos citados por Desert Ant, entre el 40% y el 70% de las llamadas a modelos grandes en sistemas agentivos podrían sustituirse por modelos locales.
Desert Ant Labs nace de la experiencia de su equipo con la app de vídeo Detail, cuya versión 6, prevista con iOS 27, reemplazará todas las llamadas a APIs en la nube por modelos propios ejecutados en el dispositivo.