Existen tres formas de agregar funciones de IA a una aplicacion movil. Cada una tiene diferentes implicaciones de costo, rendimiento, privacidad y complejidad. La eleccion correcta depende de tu caso de uso, tus usuarios y tu etapa de crecimiento.
Las tres opciones
Opcion 1: APIs en la nube
Envia los datos del usuario a un modelo alojado por OpenAI, Anthropic, Google u otro proveedor. El modelo se ejecuta en sus servidores. Tu app recibe la respuesta a traves de la red.
Cuando usarla: Prototipado, validacion de funciones, volumen bajo, tareas que requieren razonamiento de modelos de frontera.
Costo: Precio por token. A octubre de 2026, Gemini 2.5 Flash-Lite cuesta desde $0.10/millon de tokens de entrada y GPT-4o-mini desde $0.15/millon. Los costos escalan linealmente con cada usuario.
Latencia: 500-3,000ms por solicitud (ida y vuelta de red + inferencia del modelo).
Privacidad: Los datos del usuario salen del dispositivo en cada solicitud.
Opcion 2: Modelos en el dispositivo
Ejecuta un modelo de lenguaje directamente en el telefono del usuario usando llama.cpp. El modelo se entrega como un archivo GGUF. La inferencia ocurre localmente.
Cuando usarla: Produccion a escala, requisitos de privacidad, funcionalidad sin conexion, funciones sensibles a la latencia.
Costo: Costo unico de fine-tuning ($5-50) + distribucion por CDN. Cero costo por inferencia.
Latencia: 50-200ms hasta el primer token. Sin dependencia de red.
Privacidad: Los datos nunca salen del dispositivo.
Opcion 3: Hibrido
Usa modelos en el dispositivo para tareas comunes y APIs en la nube como respaldo para tareas que superan la capacidad del modelo local.
Cuando usarla: Apps que necesitan funciones de IA tanto basicas como avanzadas. El modelo en el dispositivo maneja el 80-90% de las solicitudes; la nube maneja el resto.
Matriz de decision
| Factor | API en la nube | En el dispositivo | Hibrido |
|---|---|---|---|
| Costo a 10K MAU | $300-$8,000/mes | ~$0/mes | ~$50-$500/mes |
| Latencia | 500-3,000ms | 50-200ms | 50-200ms (mayoria) |
| Sin conexion | No | Si | Parcial |
| Privacidad | Datos enviados a terceros | En el dispositivo | Mixta |
| Calidad del modelo | Frontera (GPT-4o, Claude) | 1-3B fine-tuned | Ambos |
| Complejidad de configuracion | Baja | Media | Alta |
| Cobertura de dispositivos | Todos (con internet) | 4GB+ RAM | Todos |
Curva de costos
A baja escala, las APIs en la nube son mas baratas (sin costo inicial). A medida que los usuarios crecen, la inferencia en el dispositivo se vuelve dramaticamente mas economica porque el costo por inferencia es cero.
| MAU | API en la nube (GPT-4o-mini) | En el dispositivo |
|---|---|---|
| 100 | $7/mes | ~$0/mes |
| 1,000 | $68/mes | ~$0/mes |
| 10,000 | $675/mes | ~$0/mes |
| 100,000 | $6,750/mes | ~$0/mes |
El punto de equilibrio llega rapidamente. Para la mayoria de las apps, la inferencia en el dispositivo se vuelve mas economica entre 500-1,000 MAU.
El camino practico
- Comienza con una API en la nube para validar que los usuarios quieren tu funcion de IA. Usa GPT-4o-mini o Gemini 2.5 Flash-Lite para el costo mas bajo.
- Recopila datos de entrenamiento desde tus registros de API. Cada llamada a la API es un potencial ejemplo de entrenamiento.
- Fine-tune un modelo pequeno cuando tu costo de IA se convierta en una partida presupuestaria. Plataformas como Ertas proporcionan un pipeline visual: sube datos, entrena con LoRA, exporta GGUF.
- Despliega en el dispositivo y realiza pruebas A/B contra tu linea base en la nube.
- Migra al dispositivo como predeterminado cuando la calidad iguale o supere la de la nube.
Tu codigo debe abstraer el proveedor de IA desde el inicio. Disena una interfaz comun que tanto los proveedores en la nube como en el dispositivo implementen. Esto hace que la migracion sea un cambio de configuracion, no una reescritura.

