O que é Locals?
Locals é um servidor de modelos para Macs com Apple silicon, construído sobre o MLX da Apple e voltado a agentes de programação, não a bate-papo. Ele responde às APIs da OpenAI, Anthropic Messages e Ollama em 127.0.0.1:8321, então OpenCode, Claude Code, Cline, Aider, OpenHands e apps feitos para o Ollama podem usá-lo sem mudanças. O truque principal é o processamento em lote: requisições de vários agentes são calculadas juntas com kernels de GPU escritos para lotes pequenos, justamente onde o mlx-lm para de ganhar velocidade.
Chamadas de ferramentas e JSON são gerados sob uma gramática aplicada na GPU, então um agente só consegue chamar as ferramentas que ofereceu e os argumentos seguem o esquema. Conversas e prompts de sistema longos ficam em cache, inclusive em disco entre reinícios. Comandos como locals code ~/my-project e locals launch claude iniciam o servidor e conectam um cliente em um passo, e locals run divide uma tarefa entre vários agentes que trabalham em cópias separadas de um projeto.
É feito pela Generated Computers, escrito em Python, lançado sob Apache 2.0 e instalado com uv tool install locals ou um script de shell. Precisa de um M1 ou mais novo e macOS 14. A versão 0.2.2 saiu em 4 de novembro de 2026.
Locals vale a pena?
Locals mira um caso que os servidores de modelos para Mac tratam mal: vários agentes perguntando ao mesmo tempo. Num M2 Pro com 16 GB e o Qwen3.5-4B padrão, o projeto mede o mlx-lm a 87 tokens por segundo com oito requisições simultâneas e o Locals a 271, um ganho de 3.1x; LFM2.5-2.6B e Gemma 4 E4B ganham 2.8x. Com oito agentes, a primeira palavra chega em 1.6 segundo contra 41.8 no Ollama, e o Locals também superou os 2.1 segundos do llama.cpp no mesmo teste.
Os benchmarks informam chip, modelo, versões e comando, e o README tem uma seção sobre onde ele não é mais rápido. Uma requisição sozinha, sem nada a reaproveitar, roda na velocidade do mlx-lm, 64 contra 61 tokens por segundo. Prompts longos são limitados pela capacidade de cálculo da GPU, então oito prompts de 8.000 tokens ao mesmo tempo dão 57 tokens por segundo. Formatos diferentes do 4 bits padrão em grupos de 64 não ganham nada, e no M5 Pro o ganho cai para cerca de 1.5x porque o MLX já usa os aceleradores neurais dele. Chips M1, M3 e M4 não estão nas tabelas principais.
Os recursos para agentes importam tanto quanto a velocidade. Chamadas de ferramentas restritas por gramática eliminam uma falha comum de modelos locais pequenos, as chamadas malformadas que travam um agente. Com prompts em cache, o turno seguinte de uma conversa de 138.000 tokens começa em 2.4 segundos. O modelo padrão lida com cerca de 178.000 tokens num Mac de 16 GB, embora ler 170.000 tokens pela primeira vez leve cerca de 12 minutos.
Na segurança, o servidor não tem autenticação e depende de escutar em 127.0.0.1, além de verificações de Host e Origin para que uma página web no seu navegador não consiga usá-lo. A documentação avisa que a verificação de Host é desligada se você escutar em outro endereço. locals code roda o OpenCode diretamente no seu projeto, com as permissões normais do OpenCode, e deixa o Locals como modelo padrão do OpenCode até você rodar locals disconnect opencode. Trabalhos em equipe com locals run ficam restritos a cópias do projeto.
Em relação a Ollama ou LM Studio, o Locals abre mão de arquivos GGUF e de Windows e Linux em troca de velocidade sob carga simultânea no Mac. Para uma pessoa conversando com um modelo, a diferença é pequena. Para um desenvolvedor que roda subagentes ou uma pequena equipe de agentes num MacBook de 16 GB, o ganho é maior, e o projeto é novo: três versões desde 21 de outubro de 2026 e 649 estrelas.
Onde ele se destaca
Um desenvolvedor freelancer com um MacBook Pro de 16 GB
Usar o OpenCode no projeto de um cliente sem enviar código a uma API
uv tool install locals e depois locals code ~/project; na primeira vez ele baixa um modelo de cerca de 3 GB. Os subagentes do OpenCode dividem o lote, que é onde vale o ganho de 3.1x; não há cobrança por token.
Uma equipe pequena que já usa Open WebUI e Raycast com o Ollama
Acelerar modelos locais compartilhados sem mexer em cada app
Feche o Ollama e rode locals launch --model qwen3.5:4b ollama para o Locals responder na porta do Ollama com os nomes de modelo do Ollama. Os modelos são baixados de novo no formato MLX, e para voltar basta locals stop e reiniciar o Ollama.
Uma desenvolvedora de back-office que transforma texto bagunçado em registros
Extrair campos estruturados que sempre sigam um esquema JSON
locals generate --schema person.json devolve JSON que segue o esquema campo a campo, e o mesmo funciona pela API da OpenAI com response_format. Processe muitos documentos ao mesmo tempo para aproveitar o ganho de vazão.
Antes de decidir
- Configuração
- Baixe o script de instalação com curl, ou uv tool install --python 3.12 locals, e depois locals code ~/my-project. Precisa de um M1 ou mais novo, macOS 14 e de preferência 16 GB; em chips diferentes do M2 Pro e do M2 Max ele se ajusta sozinho em 10 a 20 minutos ocioso.
- Integrações
- /v1 compatível com OpenAI em 127.0.0.1:8321, Anthropic Messages para o Claude Code e a API do Ollama; lançadores para OpenCode, Claude Code, Cline, Kilo Code, OpenHands, Aider, Hermes Agent e OpenClaw; configurações para Roo Code, Continue, Zed e JetBrains.
- Dados e privacidade
- Roda localmente; os modelos vêm do Hugging Face. Sem autenticação: escuta em 127.0.0.1 por padrão, rejeita requisições cujo Host ou Origin não seja local e desliga a verificação de Host quando escuta em outro endereço. Mantém conversas e prompts de sistema em cache, inclusive em disco.
- Custo em escala
- O software é gratuito; o custo é o Mac. Num M2 Max com 96 GB, oito requisições a um modelo de 27B chegam a 78 tokens por segundo contra 25 no mlx-lm; o Flint da Recursive (40B, 2.5B ativos) precisa de 24 GB ou mais.
- Limites
- Um modelo por vez; só modelos MLX; sem Windows ou Linux. Os ganhos vêm da concorrência e do cache: requisições isoladas sem cache e prompts longos rodam mais ou menos na velocidade do mlx-lm.
O que é bom
- 3.1x a vazão do mlx-lm com oito requisições simultâneas num M2 Pro
- Chamadas de ferramentas e JSON restritos ao esquema, então sempre podem ser lidos
- APIs da OpenAI, Anthropic e Ollama; um comando por ferramenta de agente
- Benchmarks publicados com uma lista de onde não é mais rápido
O que não é
- S ó Apple silicon e macOS 14; modelos MLX, não GGUF
- Pouco ganho com uma requisição isolada ou prompts longos
- Sem autenticação; a segurança depende de ficar no loopback
- Só M2 Pro, M2 Max e M5 Pro bem medidos; um mês de vida
Ideal para
Desenvolvedores com Mac que rodam vários agentes ou subagentes de programação contra um modelo local e querem que terminem mais rápido.
Alternativas ao Locals
Locals: perguntas frequentes
- Locals vale a pena?
- O servidor de modelos para Mac a escolher quando vários agentes dividem um modelo pequeno, com ganhos medidos e uma lista incomumente franca de onde ele não é mais rápido. Damos nota 3.9 de 5.
- Quanto custa Locals?
- Gratuito e de código aberto (Apache 2.0). Cada modelo mantém a própria licença.
- Quais são as desvantagens de Locals?
- Só Apple silicon e macOS 14; modelos MLX, não GGUF; pouco ganho com uma requisição isolada ou prompts longos; sem autenticação; a segurança depende de ficar no loopback; só M2 Pro, M2 Max e M5 Pro bem medidos; um mês de vida.
- Para quem Locals é indicado?
- Desenvolvedores com Mac que rodam vários agentes ou subagentes de programação contra um modelo local e querem que terminem mais rápido.
- Quanto custa Locals para uma equipe ou em produção?
- O software é gratuito; o custo é o Mac. Num M2 Max com 96 GB, oito requisições a um modelo de 27B chegam a 78 tokens por segundo contra 25 no mlx-lm; o Flint da Recursive (40B, 2.5B ativos) precisa de 24 GB ou mais.
- Locals é seguro para dados da empresa?
- Roda localmente; os modelos vêm do Hugging Face. Sem autenticação: escuta em 127.0.0.1 por padrão, rejeita requisições cujo Host ou Origin não seja local e desliga a verificação de Host quando escuta em outro endereço. Mantém conversas e prompts de sistema em cache, inclusive em disco.
- Quais são as melhores alternativas ao Locals?
- As alternativas mais próximas que analisamos são Ollama, MLX e llama.cpp.
Respostas verificadas em 13 de nov. de 2026.