Documentación
Desde el primer inicio
hasta el control total.
Guías claras para ejecutar modelos locales en Mac Intel con GPU AMD. Aprende a usar chat, imágenes, vídeo, agentes, API, ajustes de rendimiento y benchmarks compartidos.
Guías
Encuentra la respuesta
sin perderte.
Cada guía aborda una tarea concreta y puedes compartirla fácilmente mientras usas ToshLLM.
Primeros pasos
Instala ToshLLM, elige la versión adecuada y ejecuta tu primer modelo local.
Leer guía →02Trabajar con contextoChat y proyectos
Organiza conversaciones, instrucciones, archivos y contenido multimedia; conserva o exporta tu trabajo.
Leer guía →03Elegir bienModelos y rendimiento
Comprende VRAM, cuantización, modelos densos y MoE, contexto y configuraciones con varias GPU.
Leer guía →04Crear en la GPUImágenes y vídeo
Genera y mejora imágenes, crea vídeo local y gestiona modelos y memoria de GPU.
Leer guía →05Conectar clientesAPI local
Usa las API compatibles con OpenAI y Anthropic desde editores, agentes, SDK y otras aplicaciones locales.
Leer guía →06Usar tus herramientasIntegraciones
Conecta ToshLLM con Claude Code, SDK de Anthropic, VS Code, Zed, OpenCode, Aider y otros clientes.
Leer guía →07Ampliar modelosAgentes y MCP
Usa herramientas locales, conecta servidores MCP y revisa los permisos de ejecución.
Leer guía →08Medir con criterioGuía de benchmarks
Interpreta la velocidad de procesamiento y generación, compara configuraciones y comparte resultados firmados.
Leer guía →09Conocer tus datosPrivacidad y seguridad
Descubre qué permanece en el Mac, qué datos se envían al compartir y cómo se protege tu identidad.
Leer guía →10Resolver problemasSolución de problemas
Revisa instalación, compatibilidad de CPU, presión de memoria, carga de modelos y conexión al servidor.
Leer guía →No hay guías que coincidan. Prueba con una función, ajuste o tarea.
Para empresas y particulares
ToshLLM, adaptado a tu equipo.
¿Necesitas una implementación a medida, ayuda para elegir modelos o asesoría para varios Mac Intel? Cuéntanos qué estás desarrollando y te responderemos personalmente.
¿Encontraste un error reproducible? Un reporte público en GitHub permite seguir la solución. Reportar un error ↗
hello@toshllm.com