--- title: "Transformers.js: IA local y privada en el navegador" canonical: https://wavect.io/es/blog/transformers-js-browser-ai-guide/ language: es description: "¿Cuándo debe la IA ejecutarse en el navegador? Compara privacidad, coste API, WebGPU, casos de uso, límites y despliegue con Transformers.js." image: "https://wavect.io/img/blog/headers/header_transformers-js-browser-ai-guide.png" --- [**Volver**](/es/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/es/team/kevin-riedl/) [Kevin Riedl](/es/team/kevin-riedl/) https://linkedin.com/in/wsdt 10 min de lectura · 15 de agosto de 2026 Última revisión 15 de agosto de 2026 [**Siguiente**](/es/blog/github-spec-kit-production-guide/) # Transformers.js en el navegador: cuándo llevar la IA local a tu producto Resumen Transformers.js puede mantener la inferencia compatible en el dispositivo, eliminar la tarifa del modelo por petición y funcionar sin conexión tras guardar los recursos, pero traslada coste a descargas, cómputo del usuario e ingeniería. Los paquetes actual y anterior de npm registraron 10.694.755 descargas combinadas durante los 30 días terminados el 9 de agosto de 2026, unas 4,7 veces el periodo comparable seis meses antes. Los mejores casos incluyen embeddings, clasificación, detección de PII, documentos, visión y audio. Usa Web Worker, recursos fijados, controles visibles de descarga y caché, evaluaciones propias, inspección de privacidad, detección WebGPU, alternativa WASM o API probada y despliegue controlado. **Transformers.js es una opción sólida para producción cuando la tarea de IA está acotada, una primera descarga del modelo es aceptable y el texto, las imágenes o el audio del usuario no deben enviarse a una API de inferencia.** Puede eliminar tarifas por petición, funcionar sin conexión después de guardar los recursos y mantener la inferencia en el dispositivo. No sustituye a toda la nube. El usuario aporta ancho de banda, memoria, batería y hardware, mientras tu equipo sigue siendo responsable de calidad, compatibilidad, licencias, privacidad y alternativas. Esta guía responde a la decisión de arquitectura del lado del cliente. Para la economía de servidores o nube privada, consulta nuestra [calculadora de equilibrio entre modelos locales y APIs](/es/blog/local-models-vs-apis-break-even-eu-2026/). Para un modelo comprimido concreto en hardware de móvil, usa el [análisis de Bonsai 27B en el dispositivo](/es/blog/bonsai-27b-phone-local-ai-review/). Separar estas intenciones evita competir con nuestras páginas de autoalojamiento y ajuste de hardware. | Pregunta | Respuesta breve | Lectura comercial | | --- | --- | --- | | ¿Qué es? | Una biblioteca JavaScript que ejecuta modelos compatibles de Hugging Face con ONNX Runtime | Añade IA a un producto web sin convertir cada inferencia en una petición al servidor | | ¿Es privada? | La inferencia puede quedar en el dispositivo, pero otros flujos de la aplicación no desaparecen | La privacidad pertenece a la arquitectura completa | | ¿Es gratis? | La inferencia local no tiene una tarifa API por token | Ingeniería, descarga, soporte, pruebas y cómputo del dispositivo siguen teniendo coste | | ¿Cuál es el patrón de producción? | Web Worker, detección de capacidades, modelo cuantizado, caché, evaluación y alternativa | Diseña para el dispositivo compatible más débil, no para la demo | ## ¿Transformers.js superó de verdad los diez millones de descargas mensuales? **Sí, al sumar el nombre actual y el anterior del paquete, aunque el crecimiento exige una base coherente.** La API pública de npm registra, durante los 30 días terminados el 9 de agosto de 2026, [8.251.156 descargas de `@huggingface/transformers`](https://api.npmjs.org/downloads/point/2026-07-11:2026-08-09/%40huggingface%2Ftransformers) y [2.443.599 del paquete anterior `@xenova/transformers`](https://api.npmjs.org/downloads/point/2026-07-11:2026-08-09/%40xenova%2Ftransformers). El total es 10.694.755. Un periodo comparable de 30 días seis meses antes muestra [1.113.605 descargas del paquete actual](https://api.npmjs.org/downloads/point/2026-01-11:2026-02-09/%40huggingface%2Ftransformers) y [1.158.603 del anterior](https://api.npmjs.org/downloads/point/2026-01-11:2026-02-09/%40xenova%2Ftransformers). El crecimiento combinado es de unas 4,7 veces y el paquete actual creció unas 7,4 veces. La adopción es extraordinaria, pero una comparación equivalente no permite repetir “casi diez veces” como cifra exacta para ambos paquetes. ## ¿Por qué crece ahora la IA en el navegador? [Transformers.js v4 de Hugging Face](https://huggingface.co/blog/transformersjs-v4) incorporó un runtime WebGPU reescrito en C++ y probado en unas 200 arquitecturas compatibles. Hugging Face comunica una aceleración de unas cuatro veces para embeddings BERT, un bundle web predeterminado un 53 por ciento menor, controles de producción y modelos de más de 8B parámetros. Su resultado de unos 60 tokens por segundo con GPT-OSS 20B en un M4 Pro Max demuestra una máquina de gama alta, no el portátil medio del cliente. `ModelRegistry` permite inspeccionar archivos, tamaño de descarga, estado de caché, tipos de datos y eliminación de recursos. Eso importa más a un producto que otro récord. La interfaz debe explicar la descarga, mostrar progreso, reintentar y ofrecer una forma de recuperar almacenamiento. En la fecha de revisión, [Transformers.js 4.2.0 es la versión estable actual](https://github.com/huggingface/transformers.js/releases/tag/4.2.0), publicada el 23 de abril de 2026. Fija la biblioteca, la revisión del modelo, la cuantización y los recursos del runtime. “Latest” no es una estrategia de despliegue. ## ¿Qué queda local y qué sigue usando la red? El navegador puede calcular el modelo sin enviar la entrada a un servidor de inferencia. La configuración inicial todavía descarga pesos y archivos WebAssembly. Analítica, informes de errores, fuentes remotas o APIs de negocio abren rutas distintas. 1. **Primera carga:** JavaScript, runtime, tokenizador y pesos llegan al dispositivo. 2. **Caché:** el navegador puede conservar los recursos para visitas posteriores y uso sin conexión. 3. **Inferencia:** WebGPU o WebAssembly procesa la entrada en el dispositivo. 4. **Lógica de aplicación:** el resultado solo queda local si tu código no lo transmite. 5. **Alternativa:** una ruta cloud necesita política explícita e información visible. [La guía oficial de modelos personalizados](https://huggingface.co/docs/transformers.js/main/en/custom_usage) explica cómo definir una ruta local, desactivar modelos remotos y servir WebAssembly desde tu propio origen. ``` import { env, pipeline } from "@huggingface/transformers"; env.allowRemoteModels = false; env.localModelPath = "/models/"; env.backends.onnx.wasm.wasmPaths = "/wasm/"; const task = "text-classification"; const model = "approved-model"; const wasmOptions = { device: "wasm", dtype: "q8" }; async function createClassifier() { let adapter; if ("gpu" in navigator) { try { adapter = await navigator.gpu.requestAdapter(); } catch (error) { console.warn("WebGPU adapter request failed.", error); } } if (adapter?.features.has("shader-f16")) { try { return await pipeline(task, model, { device: "webgpu", dtype: "q4f16", }); } catch (error) { console.warn( "WebGPU model initialization failed; using WASM.", error, ); } } return pipeline(task, model, wasmOptions); } const classify = await createClassifier(); ``` La comprobación del adaptador evita seleccionar `q4f16` sin `shader-f16`. El error de pipeline capturado también cubre el rechazo del modelo o backend y vuelve a crear el clasificador con WASM. No incluyas un token de Hugging Face en código del navegador. [Hugging Face solo admite tokens para modelos privados o restringidos en entornos de servidor](https://huggingface.co/docs/transformers.js/en/guides/private), porque el navegador puede exponer la credencial. Si el modelo debe permanecer secreto, entregarlo al cliente suele ser una arquitectura incorrecta. ## ¿Cuándo vence la IA del navegador a una API? | Factor | Transformers.js en el navegador | API alojada | | --- | --- | --- | | Coste variable | Sin tarifa del modelo por petición tras la entrega | Precio por uso o capacidad reservada | | Primera experiencia | Descarga y compilación visibles | Cliente ligero, viaje de red en cada tarea | | Entrada sensible | Puede quedar en el dispositivo | Sale bajo controles contractuales | | Consistencia | Varía por navegador, GPU, memoria, calor y batería | Infraestructura controlada | | Límite del modelo | Modelos pequeños o bien cuantizados | Modelos frontier y muy grandes | | Sin conexión | Posible tras completar la caché | Normalmente no disponible | | Secreto del modelo | Los pesos entregados se pueden inspeccionar | Los pesos permanecen en el servidor | [La guía web de ONNX Runtime](https://onnxruntime.ai/docs/tutorials/web/) identifica menor latencia para modelos adecuados, más privacidad, uso sin conexión y menos coste cloud. También advierte que los backends admiten operadores diferentes. Un modelo puede funcionar con WebAssembly y fallar con WebGPU, por lo que la alternativa necesita pruebas propias. ## ¿Qué casos comerciales son más fuertes? - **Búsqueda semántica privada:** embeddings de notas, archivos o historial sin subir el texto. - **Clasificación y routing:** etiquetar soporte, detectar intención o elegir el siguiente paso antes del servidor. - **Detección de PII antes de la nube:** localizar nombres, direcciones e identificadores. Nuestra [guía de redacción de PII](/es/blog/pii-redaction-before-llm-prompts/) cubre el control completo. - **Documentos, imagen y audio:** OCR, clasificación, eliminación de fondo, extracción, transcripción o clasificación de audio. - **Software de campo sin conexión:** mantener funciones útiles con conectividad deficiente. - **Generación híbrida:** tareas rutinarias locales y API potente solo para casos difíciles aprobados. El mejor primer proyecto rara vez es un chatbot general. Es un flujo estrecho con entrada clara, salida medible y un cuello de botella caro de privacidad o API. El servicio de [adopción de IA de Wavect](/es/services/ai-enablement/) cubre caso de uso, evaluación, modelo, privacidad, integración y despliegue. El [caso de Twinsoft AI](/es/case-studies/twinsoft-ai/) muestra por qué el flujo y los controles crean el valor. ## ¿Cuándo no deberías usar Transformers.js? - El razonamiento frontier es el producto y solo un modelo grande supera la evaluación. - Cada visitante es nuevo y una descarga única perjudica la conversión. - El modelo debe permanecer confidencial. - Memoria, calor, batería o cierre de pestañas crean deuda de soporte. - Son obligatorios control central, retención y auditoría. - No existe alternativa aceptable con WebAssembly o API. [MDN sigue marcando WebGPU con disponibilidad limitada](https://developer.mozilla.org/en-US/docs/Web/API/WebGPU_API) y exige HTTPS. WebAssembly llega a más dispositivos, pero cambia rendimiento y elección del modelo. Define la matriz con dispositivos reales de clientes. ## Lista de control para producción 1. Define una tarea, usuario, límite de entrada y umbral de calidad. 2. Fija biblioteca, modelo, tokenizador, cuantización, runtime, licencia y hashes. 3. Muestra tamaño, progreso, almacenamiento, cancelación, reintento y borrado de caché. 4. Carga y ejecuta el modelo en un Web Worker. 5. Enruta por capacidades, no por nombre del navegador. 6. Compara ruta local, alternativa y sistema actual con una evaluación propia. 7. Inspecciona red, analítica, logs, errores y transiciones al cloud. 8. Despliega con opt-in y mide descarga, p50, p95, fallos, batería y escalado. 9. Mantén el modelo anterior y la API para revertir. ## Un piloto de 30 días | Semana | Entrega | Decisión | | --- | --- | --- | | 1 | Caso, evaluación, matriz de dispositivos y mapa de privacidad | ¿Existe un modelo compacto plausible? | | 2 | Prototipo en Worker con WebGPU, WASM, descarga y caché | ¿Cabe en el presupuesto de latencia y memoria? | | 3 | Recursos locales, inspección de red, licencia y alternativa API | ¿Se pueden demostrar privacidad y recuperación? | | 4 | Cohorte opt-in y coste por tarea correcta | ¿Escalar, mantener híbrido, cambiar o parar? | ## Preguntas frecuentes sobre Transformers.js ### ¿Transformers.js es gratis para uso comercial? La biblioteca usa Apache 2.0. Cada modelo tiene licencia y condiciones propias. La aprobación debe cubrir la revisión exacta, los datos y las obligaciones de la aplicación. ### ¿Transformers.js es completamente privado? La inferencia puede quedar local. Descargas, analítica, logs, errores, alternativa cloud y otros scripts siguen siendo rutas de red que debes probar y comunicar. ### ¿Funciona Transformers.js en cualquier navegador? WebAssembly ofrece cobertura amplia. WebGPU es más rápido, pero no está disponible de forma uniforme. Producción necesita detección, alternativa probada y matriz de dispositivos. ### ¿Puede ejecutar modelos de lenguaje grandes? Sí. La versión 4 admite modelos de más de 8B parámetros. Un resultado en M4 Pro Max no representa todos los equipos. Descarga, memoria, latencia, calor y calidad se deben medir. ### ¿Cuándo es más barata la IA del navegador? Suele serlo con usuarios recurrentes, volumen alto, tarea acotada, modelo compacto, caché caliente y la misma calidad. En otros casos suele ganar una API o una arquitectura híbrida. ## Reflexiones finales Transformers.js ha pasado de demo llamativa a infraestructura de producto creíble. La mejor arquitectura ejecuta localmente las tareas donde importan privacidad, acceso sin conexión, latencia y volumen repetido, con una alternativa explícita para dispositivos y casos donde el modelo del navegador no alcanza la calidad. Empieza con un flujo medible y escala solo cuando mejore el coste por tarea correcta. Modelos e infraestructura ## Continúa por este clúster Selección de modelos, economía de inferencia, despliegue local, compresión y serving. [Empieza por el artículo fundamental**Alojar LLMs en la UE: Cuándo Salen a Cuenta los Open Weights**](/es/blog/self-hosting-llms-eu-cost/) - [Cómo autoalojar LiteLLM en producción: guía 2026](/es/blog/self-host-litellm-production-2026/) - [Wiki empresarial preparada para IA: arquitectura e implementación](/es/blog/ai-ready-company-wiki/) - [¿Claude añade marcas de agua al texto? Respuesta API 2026](/es/blog/claude-text-watermark-api-2026/) - [Review de OpenKB: compilador de conocimiento vs RAG](/es/blog/openkb-review-vs-rag/) - [Unsloth Desktop: ¿workstation privada de IA local?](/es/blog/unsloth-desktop-local-ai-workstation-review/) Tu bandeja, sin ruido ## Sigue el trabajo que te importa Recibe un correo breve cuando publiquemos algo nuevo. Sigue todo el blog o solo los temas que te interesan. [**Volver**](/es/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/es/team/kevin-riedl/) [Kevin Riedl](/es/team/kevin-riedl/) https://linkedin.com/in/wsdt 10 min de lectura · 15 de agosto de 2026 Última revisión 15 de agosto de 2026 [**Siguiente**](/es/blog/github-spec-kit-production-guide/) Nuevos artículos por correo × × Recibe nuevos artículos por correo Un correo breve cuando publicamos. Gratis y sin seguimiento. ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/es/blog/transformers-js-browser-ai-guide/#webpage", "@type": "WebPage", "dateModified": "2026-08-15", "inLanguage": "es", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-08-15", "url": "https://wavect.io/es/blog/transformers-js-browser-ai-guide/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "Transformers.js puede mantener la inferencia compatible en el dispositivo, eliminar la tarifa del modelo por petición y funcionar sin conexión tras guardar los recursos, pero traslada coste a descargas, cómputo del usuario e ingeniería. Los paquetes actual y anterior de npm registraron 10.694.755 descargas combinadas durante los 30 días terminados el 9 de agosto de 2026, unas 4,7 veces el periodo comparable seis meses antes. Los mejores casos incluyen embeddings, clasificación, detección de PII, documentos, visión y audio. Usa Web Worker, recursos fijados, controles visibles de descarga y caché, evaluaciones propias, inspección de privacidad, detección WebGPU, alternativa WASM o API probada y despliegue controlado.", "articleBody": " Resumen del blog/IA y agentes/Modelos e infraestructura Transformers.js en el navegador: cuándo llevar la IA local a tu producto Resumen Transformers.js puede mantener la inferencia compatible en el dispositivo, eliminar la tarifa del modelo por petición y funcionar sin conexión tras guardar los recursos, pero traslada coste a descargas, cómputo del usuario e ingeniería. Los paquetes actual y anterior de npm registraron 10.694.755 descargas combinadas durante los 30 días terminados el 9 de agosto de 2026, unas 4,7 veces el periodo comparable seis meses antes. Los mejores casos incluyen embeddings, clasificación, detección de PII, documentos, visión y audio. Usa Web Worker, recursos fijados, controles visibles de descarga y caché, evaluaciones propias, inspección de privacidad, detección WebGPU, alternativa WASM o API probada y despliegue controlado. Transformers.js es una opción sólida para producción cuando la tarea de IA está acotada, una primera descarga del modelo es aceptable y el texto, las imágenes o el audio del usuario no deben enviarse a una API de inferencia. Puede eliminar tarifas por petición, funcionar sin conexión después de guardar los recursos y mantener la inferencia en el dispositivo. No sustituye a toda la nube. El usuario aporta ancho de banda, memoria, batería y hardware, mientras tu equipo sigue siendo responsable de calidad, compatibilidad, licencias, privacidad y alternativas. Esta guía responde a la decisión de arquitectura del lado del cliente. Para la economía de servidores o nube privada, consulta nuestra calculadora de equilibrio entre modelos locales y APIs. Para un modelo comprimido concreto en hardware de móvil, usa el análisis de Bonsai 27B en el dispositivo. Separar estas intenciones evita competir con nuestras páginas de autoalojamiento y ajuste de hardware. Transformers.js en un minuto, revisado el 15 de agosto de 2026 PreguntaRespuesta breveLectura comercial ¿Qué es?Una biblioteca JavaScript que ejecuta modelos compatibles de Hugging Face con ONNX RuntimeAñade IA a un producto web sin convertir cada inferencia en una petición al servidor ¿Es privada?La inferencia puede quedar en el dispositivo, pero otros flujos de la aplicación no desaparecenLa privacidad pertenece a la arquitectura completa ¿Es gratis?La inferencia local no tiene una tarifa API por tokenIngeniería, descarga, soporte, pruebas y cómputo del dispositivo siguen teniendo coste ¿Cuál es el patrón de producción?Web Worker, detección de capacidades, modelo cuantizado, caché, evaluación y alternativaDiseña para el dispositivo compatible más débil, no para la demo ¿Transformers.js superó de verdad los diez millones de descargas mensuales? Sí, al sumar el nombre actual y el anterior del paquete, aunque el crecimiento exige una base coherente. La API pública de npm registra, durante los 30 días terminados el 9 de agosto de 2026, 8.251.156 descargas de @huggingface/transformers y 2.443.599 del paquete anterior @xenova/transformers. El total es 10.694.755. Un periodo comparable de 30 días seis meses antes muestra 1.113.605 descargas del paquete actual y 1.158.603 del anterior. El crecimiento combinado es de unas 4,7 veces y el paquete actual creció unas 7,4 veces. La adopción es extraordinaria, pero una comparación equivalente no permite repetir “casi diez veces” como cifra exacta para ambos paquetes. ¿Por qué crece ahora la IA en el navegador? Transformers.js v4 de Hugging Face incorporó un runtime WebGPU reescrito en C++ y probado en unas 200 arquitecturas compatibles. Hugging Face comunica una aceleración de unas cuatro veces para embeddings BERT, un bundle web predeterminado un 53 por ciento menor, controles de producción y modelos de más de 8B parámetros. Su resultado de unos 60 tokens por segundo con GPT-OSS 20B en un M4 Pro Max demuestra una máquina de gama alta, no el portátil medio del cliente. ModelRegistry permite inspeccionar archivos, tamaño de descarga, estado de caché, tipos de datos y eliminación de recursos. Eso importa más a un producto que otro récord. La interfaz debe explicar la descarga, mostrar progreso, reintentar y ofrecer una forma de recuperar almacenamiento. En la fecha de revisión, Transformers.js 4.2.0 es la versión estable actual, publicada el 23 de abril de 2026. Fija la biblioteca, la revisión del modelo, la cuantización y los recursos del runtime. “Latest” no es una estrategia de despliegue. ¿Qué queda local y qué sigue usando la red? El navegador puede calcular el modelo sin enviar la entrada a un servidor de inferencia. La configuración inicial todavía descarga pesos y archivos WebAssembly. Analítica, informes de errores, fuentes remotas o APIs de negocio abren rutas distintas. Primera carga: JavaScript, runtime, tokenizador y pesos llegan al dispositivo. Caché: el navegador puede conservar los recursos para visitas posteriores y uso sin conexión. Inferencia: WebGPU o WebAssembly procesa la entrada en el dispositivo. Lógica de aplicación: el resultado solo queda local si tu", "articleSection": "Engineering", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "citation": [ { "@type": "WebPage", "name": "8.251.156 descargas de @huggingface/transformers", "url": "https://api.npmjs.org/downloads/point/2026-07-11:2026-08-09/%40huggingface%2Ftransformers" }, { "@type": "WebPage", "name": "2.443.599 del paquete anterior @xenova/transformers", "url": "https://api.npmjs.org/downloads/point/2026-07-11:2026-08-09/%40xenova%2Ftransformers" }, { "@type": "WebPage", "name": "1.113.605 descargas del paquete actual", "url": "https://api.npmjs.org/downloads/point/2026-01-11:2026-02-09/%40huggingface%2Ftransformers" }, { "@type": "WebPage", "name": "1.158.603 del anterior", "url": "https://api.npmjs.org/downloads/point/2026-01-11:2026-02-09/%40xenova%2Ftransformers" }, { "@type": "WebPage", "name": "Transformers.js v4 de Hugging Face", "url": "https://huggingface.co/blog/transformersjs-v4" }, { "@type": "WebPage", "name": "Transformers.js 4.2.0 es la versión estable actual", "url": "https://github.com/huggingface/transformers.js/releases/tag/4.2.0" }, { "@type": "WebPage", "name": "La guía oficial de modelos personalizados", "url": "https://huggingface.co/docs/transformers.js/main/en/custom_usage" }, { "@type": "WebPage", "name": "Hugging Face solo admite tokens para modelos privados o restringidos en entornos de servidor", "url": "https://huggingface.co/docs/transformers.js/en/guides/private" }, { "@type": "WebPage", "name": "La guía web de ONNX Runtime", "url": "https://onnxruntime.ai/docs/tutorials/web/" }, { "@type": "WebPage", "name": "MDN sigue marcando WebGPU con disponibilidad limitada", "url": "https://developer.mozilla.org/en-US/docs/Web/API/WebGPU_API" } ], "dateModified": "2026-08-15", "datePublished": "2026-08-15", "description": "Transformers.js puede mantener la inferencia compatible en el dispositivo, eliminar la tarifa del modelo por petición y funcionar sin conexión tras guardar los recursos, pero traslada coste a descargas, cómputo del usuario e ingeniería. Los paquetes actual y anterior de npm registraron 10.694.755 descargas combinadas durante los 30 días terminados el 9 de agosto de 2026, unas 4,7 veces el periodo comparable seis meses antes. Los mejores casos incluyen embeddings, clasificación, detección de PII, documentos, visión y audio. Usa Web Worker, recursos fijados, controles visibles de descarga y caché, evaluaciones propias, inspección de privacidad, detección WebGPU, alternativa WASM o API probada y despliegue controlado.", "headline": "Transformers.js en el navegador: cuándo llevar la IA local a tu producto", "image": "https://wavect.io/img/blog/headers/header_transformers-js-browser-ai-guide.svg", "inLanguage": "es", "keywords": "IA en el navegador, Ingeniería de IA", "mainEntityOfPage": { "@id": "https://wavect.io/es/blog/transformers-js-browser-ai-guide/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/es/blog/transformers-js-browser-ai-guide/", "wordCount": 1973 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/es/", "name": "Inicio", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/overview/", "name": "Resumen del blog", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/topics/ai-agents/", "name": "IA y agentes", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/clusters/models-infrastructure/", "name": "Modelos e infraestructura", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/transformers-js-browser-ai-guide/", "name": "Transformers.js: IA local y privada en el navegador | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "La biblioteca usa Apache 2.0. Cada modelo tiene licencia y condiciones propias. La aprobación debe cubrir la revisión exacta, los datos y las obligaciones de la aplicación." }, "name": "¿Transformers.js es gratis para uso comercial?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "La inferencia puede quedar local. Descargas, analítica, logs, errores, alternativa cloud y otros scripts siguen siendo rutas de red que debes probar y comunicar." }, "name": "¿Transformers.js es completamente privado?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "WebAssembly ofrece cobertura amplia. WebGPU es más rápido, pero no está disponible de forma uniforme. Producción necesita detección, alternativa probada y matriz de dispositivos." }, "name": "¿Funciona Transformers.js en cualquier navegador?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Sí. La versión 4 admite modelos de más de 8B parámetros. Un resultado en M4 Pro Max no representa todos los equipos. Descarga, memoria, latencia, calor y calidad se deben medir." }, "name": "¿Puede ejecutar modelos de lenguaje grandes?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Suele serlo con usuarios recurrentes, volumen alto, tarea acotada, modelo compacto, caché caliente y la misma calidad. En otros casos suele ganar una API o una arquitectura híbrida." }, "name": "¿Cuándo es más barata la IA del navegador?" } ] } ```