Osaurus es un servidor de modelos de IA de código abierto diseñado exclusivamente para Mac que busca acercar la potencia de los grandes modelos de lenguaje al propio ordenador del usuario, sin depender tanto de la nube. Nacido a partir de Dinoki, un asistente de escritorio tipo “Clippy con IA”, su cofundador Terence Pae decidió apostar por la ejecución local para evitar el coste por tokens de los servicios en la nube y dar más control sobre los datos.
La plataforma actúa como un “arnés” o capa de control que permite cambiar con flexibilidad entre diferentes modelos: desde versiones locales de MiniMax, Gemma, Qwen, GPT-OSS, Llama o DeepSeek V4, hasta proveedores en la nube como OpenAI, Anthropic, Gemini, xAI/Grok, Venice AI, OpenRouter, Ollama o LM Studio. También es compatible con los modelos en el propio dispositivo de Apple y de Liquid AI. El usuario elige qué modelo usar en cada momento, pero mantiene en su hardware la memoria, archivos y herramientas del asistente.
A diferencia de otras soluciones parecidas, más pensadas para desarrolladores, Osaurus ofrece una interfaz sencilla para consumidores y ejecuta la IA en una especie de caja de arena virtual, aislada del resto del sistema, para reducir riesgos de seguridad. Requiere, eso sí, máquinas potentes: al menos 64 GB de RAM para modelos locales y hasta 128 GB para los más grandes. Pae sostiene que estas exigencias bajarán con el tiempo, a medida que mejore la eficiencia de la IA local.
El servidor funciona como servidor MCP (Model Context Protocol) y llega con más de 20 plugins nativos para integrar correo, calendario, visión, control de macOS, hojas de cálculo, presentaciones, navegador, música, Git, sistema de archivos, búsqueda y otras funciones. Además, recientemente ha incorporado capacidades de voz. Según la empresa, el proyecto acumula ya más de 112.000 descargas.
Sus fundadores, incluidos Pae y Sam Yoo, participan actualmente en la aceleradora neoyorquina Alliance y valoran ofrecer Osaurus a empresas de sectores sensibles como el legal o el sanitario, donde la privacidad es clave y los modelos locales pueden ser una ventaja. El equipo defiende que, si la IA local se generaliza, podría reducir la dependencia de grandes centros de datos y el consumo energético asociado, permitiendo desplegar, por ejemplo, estaciones Mac Studio en las propias instalaciones de las organizaciones.
