Hugging Face lanza AnyLanguageModel 1.0 para ejecutar modelos de IA en dispositivos Apple
Un año después de su debut, la herramienta que permite a desarrolladores elegir qué modelo de lenguaje usar en sus apps alcanza su versión definitiva, con soporte para ejecución local y en la nube
Hugging Face publicó AnyLanguageModel 1.0, una herramienta que permite a desarrolladores de apps para dispositivos Apple elegir qué modelo de lenguaje usar, ya sea ejecutándose localmente en el iPhone o Mac (con frameworks como llama.cpp o MLX) o mediante servicios en la nube como OpenAI o Google Gemini, cambiando solo una línea de código.
Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados) ha publicado la versión 1.0 de AnyLanguageModel, una herramienta que permite a desarrolladores de apps para iPhone, iPad y Mac elegir qué modelo de lenguaje usar en lugar de depender únicamente del sistema de Apple. La idea es simple: cambiar una línea de código —el import que dice qué librería usar— y listo, tu app puede funcionar con modelos ejecutándose en el dispositivo (usando frameworks como llama.cpp, MLX o Core ML) o con servicios en la nube como OpenAI, Anthropic, Google Gemini u Ollama.
La versión 1.0 llega tras un año de desarrollo y docenas de actualizaciones que añadieron funciones clave. Ahora todos los proveedores soportan tool calling (la capacidad del modelo de llamar a funciones externas para buscar información o ejecutar acciones), generación guiada (forzar al modelo a responder en un formato específico, como JSON) y soporte para imágenes en los prompts, siguiendo la sintaxis que Apple introdujo en iOS, macOS y visionOS 27. Además, las apps pueden usar modelos alojados en Inference Providers de Hugging Face (servidores que ejecutan modelos de pesos abiertos demasiado grandes para correr en un teléfono) con exactamente el mismo código que usarían para un modelo local.
Los modelos pequeños y de pesos abiertos (es decir, descargables y ejecutables sin depender de un servidor) han mejorado tanto que ahora son una opción viable para muchas apps. Gemma 4 E2B de Google ocupa unos 3,4 GB comprimido y cabe en un iPhone; LFM2.5 2.6B de Liquid AI pesa apenas 1,7 GB; y Qwen3.8 27B de Alibaba, optimizado para MLX (un framework de Apple para ejecutar modelos en sus chips), necesita unos 16 GB y funciona en un Mac con 32 GB de memoria. Seleccionar uno de estos modelos en AnyLanguageModel es tan sencillo como escribir su identificador del Hub de Hugging Face.
Según informó Hugging Face en su blog oficial, la herramienta también funciona en Linux, lo que permite que el mismo código de una app corra en un servidor. Las claves de API (los códigos de acceso a servicios en la nube) ahora se pasan mediante una función en lugar de texto fijo, para que las apps puedan solicitar tokens temporales a su propio servidor en lugar de guardar credenciales permanentes. Y cuando una app cambia de proveedor —por ejemplo, de un modelo local a uno en la nube—, los bloques de razonamiento (la cadena de pensamiento que algunos modelos generan antes de responder) se omiten automáticamente si el nuevo proveedor no los admite.
Hugging Face anticipa que el enfoque de AnyLanguageModel —APIs familiares en Swift con libertad para elegir modelos que corran en el dispositivo— se extenderá pronto a otras capacidades más allá del procesamiento de lenguaje. En el horizonte: modelos que toman decisiones y modelos que procesan audio.
