Msty: la elegante interfaz para LLM locales (Mac, Windows, Linux)

#¿Por qué Msty?

Msty (msty.app) se dirige a un perfil concreto: la persona que quiere una aplicación con una interfaz gráfica cuidada, sin Docker, sin CLI, pero con funcionalidades reales más allá del simple chat. Tres características distintivas resumen la herramienta.

Todo en una sola app

Motor de inferencia integrado (basado en llama.cpp), cliente para Ollama si ya lo has instalado y conectores a la nube: no hace falta montar una pila de software.

Knowledge Stacks

El RAG es nativo y no requiere código. Basta con arrastrar y soltar archivos PDF o Markdown, carpetas enteras o incluso URL; Msty se encarga de la división en fragmentos, los embeddings y la recuperación.

Workspaces y Split Chat

Varios espacios de trabajo aislados (personal, trabajo, I+D) y la posibilidad de plantear la misma pregunta a 2-4 modelos en paralelo en la misma vista.

#Prerrequisitos

OS

macOS 11+ (Apple Silicon o Intel), Windows 10/11 (x64), Linux x64 (AppImage y paquetes .deb/.rpm).

RAM mínima

8 GB para un modelo 3B Q4_K_M, 16 GB para un 7B, 32 GB para ejecutar un 14B con comodidad, 64 GB para aspirar a un 32B.

GPU

Opcional pero recomendado. NVIDIA con CUDA, AMD con ROCm/Vulkan, Apple Silicon con Metal: Msty detecta y utiliza el hardware automáticamente.

Almacenamiento

Prever 10-50 GB según el número de modelos. Los archivos GGUF Q4 van de 2 GB (3B) a 40 GB (70B)

#1. Instalación

Msty se descarga únicamente desde el sitio oficial. Por ahora no está disponible mediante gestores de paquetes (ni Homebrew ni winget), lo que simplifica la verificación de su procedencia.

https://msty.app

1. 01
   Descargar el instalador

   Ve a msty.app y elige tu sistema operativo. Se ofrecen tres variantes: Online (reducida, solo para la nube), Local (recomendada, incluye el motor de inferencia) y Local + GPU (con controladores CUDA incluidos para Windows).
2. 02
   Instalar (Mac)

   Abre el .dmg, arrastra Msty a Aplicaciones y, la primera vez, inicia la aplicación con clic derecho → Abrir (Gatekeeper). macOS pide confirmación porque la aplicación no está notarizada por la App Store.
3. 03
   Instalar (Windows)

   Ejecuta el .exe. Elige la variante GPU si tienes una NVIDIA reciente —incluye los runtimes CUDA y evita tener que ajustar los controladores manualmente. De lo contrario, la versión Local CPU/Vulkan basta.
4. 04
   Instalar (Linux)

   AppImage: chmod +x Msty-*.AppImage y luego ./Msty-*.AppImage. .deb: sudo dpkg -i msty_*.deb. .rpm: sudo rpm -i msty-*.rpm. Para AppImage, puede requerirse libfuse2 según la distribución.
5. 05
   Primer inicio

   Msty crea su carpeta de datos (~/Library/Application Support/Msty en Mac, %APPDATA%\Msty en Windows, ~/.config/Msty en Linux). Los modelos, las conversaciones y los Knowledge Stacks se almacenan allí.

#2. Primer modelo local

Msty ofrece un onboarding que descarga un pequeño modelo de inicio con un clic. También puedes elegir directamente de su catálogo. Tres opciones sólidas en francés para comenzar según tu equipo:

Configuración modesta (8 GB de RAM, sin GPU)

Qwen 3.5 2B Q4_K_M (≈1,9 GB) o Granite 4.2 3B (≈2,2 GB). Es viable ejecutarlos solo con CPU, una opción ideal para conversar, generar ideas o resumir un texto corto.

Configuración estándar (16 GB RAM, GPU de 6 a 8 GB)

Qwen 3.5 9B Q4_K_M (≈6,6 GB), con 256k de contexto y visión. El mejor equilibrio para un uso versátil en francés e inglés en el día a día.

Configuración cómoda (32 GB de RAM, GPU de 12-24 GB)

Mistral Small 24B (≈14 GB) o Qwen 3.8 27B en Q4_K_M (≈18 GB). Razonamiento claramente superior, se acerca a la experiencia en la nube.

Para descargar: abre la pestaña Local AI Models en la barra lateral izquierda y luego haz clic en Browse and Download Online Model. Msty apunta a Hugging Face con un filtro para las versiones GGUF compatibles. Se muestra el progreso y puedes seleccionar el modelo en cuanto termina la descarga.

#3. Nube + local lado a lado

Es uno de los puntos fuertes de Msty: añadir tus claves API de servicios en la nube (OpenAI, Anthropic, Google, OpenRouter, Groq, Mistral cloud, etc.) y usar estos modelos en la misma interfaz que tus modelos locales. Para seleccionar el modelo de una nueva conversación, basta con un sencillo menú desplegable que mezcla ambos mundos.

1. 01
   Añadir un proveedor de nube

   Settings → Remote Model Providers → Add. Pega tu clave API. Msty almacena la clave localmente (cifrada mediante el llavero del sistema operativo cuando está disponible).
2. 02
   Elegir el modelo para la conversación

   En la barra de chat, el selector muestra todos tus modelos: Local (con icono de casa), Cloud (con icono del proveedor). Puedes cambiar de modelo durante una conversación, Msty mantiene el contexto.
3. 03
   Definir reglas

   Settings → Default Model permite fijar el modelo predeterminado. Consejo: establecer un modelo local como predeterminado obliga a elegir explícitamente cuándo enviar datos a la nube, algo útil para la privacidad.

#4. Espacios de trabajo personalizados

Un workspace en Msty es un espacio aislado con sus propias conversaciones, sus propios Knowledge Stacks, su propio modelo predeterminado y sus propios proveedores activados. En concreto, se crea un workspace por contexto de uso.

Perso

Modelo local 7B, sin nube, Knowledge Stacks sobre tus notas Markdown personales, prompts con un tono informal.

Trabajo

Modelo local 14B + Claude en la nube para las tareas pesadas, Knowledge Stack sobre la documentación interna (procedimientos, runbooks).

I+D / sandbox

Varios modelos activados para experimentar, uso frecuente de split chat, sin Knowledge Stack.

Confidencial

Ningún proveedor de nube, solo un modelo local, Knowledge Stack cifrado a nivel del sistema operativo, para tratar datos de clientes o de recursos humanos.

Creación: barra lateral izquierda → icono Workspaces → New Workspace. Cada workspace tiene su icono y su color, lo que ayuda a evitar equivocarse de contexto (y por tanto de modelo/destino).

#5. Knowledge Stacks (RAG nativo)

Los Knowledge Stacks son la funcionalidad principal de Msty. Es un RAG completo sin ninguna configuración: Msty realiza el chunking, genera embeddings con un modelo local (mxbai-embed-large por defecto), los almacena en una base vectorial integrada e inyecta automáticamente los pasajes pertinentes en el contexto del LLM cuando se plantea una pregunta.

1. 01
   Crear un Knowledge Stack

   Sidebar → Knowledge Stacks → New Stack. Dale un nombre (por ejemplo: «Documentos jurídicos»).
2. 02
   Añadir fuentes

   Arrastra y suelta archivos (PDF, DOCX, MD, TXT, CSV, JSON) o carpetas completas. También puedes añadir URLs (Msty recorre la página), transcripciones de YouTube o incluso un repositorio GitHub a través de URL.
3. 03
   Esperar la indexación

   Msty muestra el progreso: extracción de texto, chunking (aproximadamente 500 tokens por chunk por defecto), generación de embeddings. Para 100 PDF, calcula entre 5 y 15 minutos según la GPU.
4. 04
   Activar en una conversación

   En el chat, icono Knowledge Stack en la parte inferior → marca el stack a usar. Puedes activar varios al mismo tiempo. Msty muestra las fuentes utilizadas bajo cada respuesta, con un enlace directo al pasaje original.

#6. Split Chat y comparaciones

Split Chat permite hacer una pregunta a 2 modelos (gratis) o hasta 4 modelos (Aurum) en la misma ventana, donde se muestran en columnas una junto a otra. Ideal para calibrar un nuevo modelo o decidir entre dos candidatos sin reescribir el prompt.

1. 01
   Activar Split Chat

   En una conversación, haz clic en el botón Split (ícono de columnas) en la barra superior. Aparece una segunda columna con su propio selector de modelo.
2. 02
   Configurar cada columna

   Cada columna tiene su modelo, su temperatura y su prompt de sistema. Puedes comparar un Qwen 3.5 9B local con Claude Haiku en la nube usando las mismas preguntas.
3. 03
   Conversación sincronizada o independiente

   Por defecto, cada mensaje que escribas se envía a las dos columnas. Puedes desmarcar Sync para que las conversaciones sigan caminos distintos (por ejemplo, si una respuesta te ha sugerido una idea que quieres explorar en una sola rama).

Prompt :
"Rédige un email professionnel poli pour refuser une réunion non urgente."

Colonne 1 : Qwen 3.5 9B local, température 0.7
Colonne 2 : Mistral Small 24B local, température 0.7

→ Comparaison directe du niveau de français, du ton, de la longueur,
de la pertinence des formules. Décide quel modèle
devient le défaut pour l'usage "rédaction".

#Msty vs Open WebUI vs LM Studio

Los tres son interfaces gráficas para LLM, pero su enfoque central difiere.

Msty

Aplicación de escritorio todo en uno, de código cerrado y freemium. Instalación en 1 clic. Ideal para: RAG sin código (Knowledge Stacks), combinación de nube y ejecución local, espacios de trabajo y chat dividido. Menos flexible para el uso por varios usuarios o el despliegue en servidor.

Open WebUI

Aplicación web autoalojada, de código abierto (BSD); se recomienda Docker. Soporte multiusuario nativo (autenticación, roles), RAG configurable, accesible desde cualquier navegador de la red. Ideal para: despliegues para equipos o familias, control total y alojamiento en un servidor.

LM Studio

Aplicación de escritorio de código cerrado pero gratuita. El catálogo de Hugging Face más completo, MLX nativo en Mac, compatibilidad con MCP y predicción de varios tokens. Ideal para: probar muchos modelos, rendimiento puro y ajustes avanzados. RAG sencillo (Chat with Documents), pero menos integrado que las Knowledge Stacks.

#Solución de problemas

El modelo no se carga (OOM)

VRAM/RAM insuficiente. Settings → Local AI → [modelo] → Advanced: reduce n_gpu_layers (carga menos capas en la GPU) o n_ctx (ventana de contexto). Si no, pasa a una cuantización más pequeña (Q4_K_S, IQ3_M).

Baja tasa de tokens/s

Comprueba el uso de la GPU: nvidia-smi (NVIDIA), rocm-smi (AMD) o Activity Monitor GPU (Mac). Si el uso de la GPU está al 0 %, Msty se ejecuta en la CPU: revisa los controladores y asegúrate de estar usando la variante Local + GPU en Windows.

Knowledge Stack sigue en un 0%

La indexación requiere que el modelo de embeddings esté descargado. Settings → Knowledge Stacks → Embedding Model: comprueba que mxbai-embed-large (o el modelo que hayas elegido) figure como Downloaded; si no, haz clic en Download.

El proveedor en la nube devuelve un error 401

Clave API inválida o caducada. Revísala en el panel del proveedor. Para OpenAI, asegúrate de tener créditos activos (las claves sin crédito devuelven 401 o 429).

Linux: AppImage no se inicia

Instala libfuse2 (sudo apt install libfuse2 en Ubuntu 22.04+). Ejecuta el AppImage desde un terminal para ver el error preciso.

Conversaciones perdidas tras una actualización

Los datos están en la carpeta Msty (Application Support en Mac, AppData en Windows, .config en Linux). Comprueba que ningún limpiador del sistema haya vaciado esta carpeta. Hacer copias de seguridad de esta carpeta con regularidad es una buena práctica.

#Para ir más allá

Según la dirección que quieras seguir:

Comparar Msty con sus alternativas

«Ollama vs LM Studio vs Jan vs GPT4All» y «LM Studio vs Ollama: ¿cuál elegir en 2026?» ofrecen una visión completa de las interfaces locales.

Llevar el RAG más allá de los Knowledge Stacks

«RAG local con Ollama sin programar (Open WebUI, AnythingLLM)» cubre las alternativas cuando se superan las capacidades del RAG integrado de Msty.

Elegir el modelo adecuado para Msty

« Elegir la cuantización (Q4, Q5, Q8, FP16) » ayuda a decidir el equilibrio entre calidad y VRAM en el catálogo de Msty.