Offline AI chatbot in your browser — download once, chat offline
Calculator / Reminders / Timer / Clock / Unit Converter
Chat / Writing / Translation / Summarize / Code
Latest news / Precise data / Medical / Legal / Financial
Web search / Send emails / Control device / Generate images
This tool runs 100% in your browser. All computation happens locally on your device — your input is never uploaded to any server. Results are for reference only.
Before any response, your message passes through a capability classifier. Requests that map to a built-in local tool (calculator, reminders, timer, clock, unit converter) are answered deterministically — exact results, no model needed. Everything else is routed to a small language model that runs in your browser via WebLLM (Llama-3.2 / Phi-3.5). A secondary semantic check flags requests that need real-time or professional data as "accuracy not guaranteed", keeping the assistant honest about its limits.
Each request is classified before it is answered: deterministic local tools handle exact tasks, the on-device LLM handles generative ones, and out-of-scope requests get a clear refusal with a suggestion.
Lena opens the assistant before her shift. She needs a quick calculation, a short welcome note, and a reality check on today's weather — three very different routing decisions.
A fully offline AI assistant that runs in your browser. Everything runs locally; nothing is uploaded.
FreeToolHub Local AI Assistant is a free browser-based tool — a fully offline AI assistant that runs in your browser. No signup, no upload; everything runs locally in your browser.
Ein vollständig offline laufender KI-Assistent, der in Ihrem Browser läuft. Modell einmal herunterladen, dann chatten ohne Internet. Enthält Taschenrechner, Erinnerungen, Timer, Einheitenkonverter. Spracheingabe/-ausgabe unterstützt. Keine Anmeldung, 100 % privat.
Der Lokale KI-Assistent ist ein Chatbot, der vollständig in Ihrem Browser-Tab lebt. Erbaut auf WebLLM, lädt er ein Open-Weight-Modell herunter — Llama-3.2-1B, Llama-3.2-3B oder Phi-3.5-mini, etwa 0,8 GB bis 2 GB — und führt dann Inferenz auf Ihrer GPU über WebGPU aus, sodass Gespräche ohne Serverbeteiligung fortgesetzt werden. Im Gegensatz zu generischen Chatbots kombiniert er das Modell mit deterministischen lokalen Tools: einen Taschenrechner, Erinnerungen, einen Timer, der auch nach dem Schließen der Seite echte Benachrichtigungen auslöst, eine Uhr und einen Einheitenkonverter. Jede Antwort ist mit einem Fähigkeitsgrenzsystem markiert, das klar angibt, ob sie von einem exakten lokalen Tool, von der KI stammt oder über das hinausgeht, wofür der Assistent zuverlässig arbeiten kann. Spracheingabe und gesprochene Antworten werden unterstützt.
Datenschutzbewusste Nutzer, die nicht möchten, dass ihre Fragen auf einem fremden Server protokolliert werden, sind die Kernzielgruppe. Anwälte, Berater, Therapeuten und jeder, der mit vertraulichen Entwürfen arbeitet, können Brainstorming, Zusammenfassungen und Textumschreibungen durchführen, wissend, dass nichts das Gerät verlässt. Reisende und Pendler nutzen es offline — sobald das Modell zwischengespeichert ist, unterbricht der Flugzeugmodus es nicht. Entwickler und Studenten experimentieren mit lokalen Sprachmodellen, um deren Geschwindigkeit und Grenzen zu verstehen, bevor sie GPU-Budgets anderswo einsetzen. Menschen, die schnelle Hilfsmittel benötigen, wie 'setze einen 10-Minuten-Timer' oder 'konvertiere 5 Meilen in Kilometer', erhalten exakte Antworten von den integrierten Tools, ohne die KI überhaupt zu laden.
(1) Wählen Sie ein Modell und klicken Sie auf Load Model. Llama-3.2-1B (~0,8 GB) ist am schnellsten, Llama-3.2-3B (~2 GB) ist der ausgewogene Standard, und Phi-3.5-mini (~2 GB) tauscht Geschwindigkeit gegen Reasoning ein. Der Download erfolgt einmal, dann wird das Modell im Browser-Speicher für Offline-Sitzungen zwischengespeichert. (2) Chatten Sie durch Tippen oder Antippen des Mikrofons für Spracheingabe; ein Umschalter liest Antworten vor. (3) Verwenden Sie einfache Phrasen, um exakte lokale Tools auszulösen: 'berechne 12*7', 'wie spät ist es', 'erinnere mich, Mama anzurufen' oder 'stelle einen 10-Minuten-Timer' — diese funktionieren sogar, bevor das Modell geladen ist. (4) Lesen Sie die farbige Markierung auf jeder Antwort: Local Tool bedeutet eine exakte Antwort, AI Generated kennzeichnet Modell-Ausgabe, und unsichere oder nicht unterstützte Anfragen werden ehrlich gekennzeichnet.
Die lokalen Tools sind jederzeit vollständig zuverlässig: arithmetische Ausdrücke, das aktuelle Datum und die Uhrzeit, im Browser gespeicherte Erinnerungen, Hintergrund-Timer mit Systembenachrichtigungen und Einheitenkonversionen geben alle exakte Antworten zurück. Das Sprachmodell bewältigt alles Konversationale — Entwerfen, Umschreiben, Zusammenfassen, Konzepte erklären, Übersetzen, Brainstorming — mit dem Vorbehalt, dass ein 1-3 Milliarden Parameter-Modell kein Frontier-Modell ist: erwarten Sie prägnante, manchmal oberflächliche Antworten anstatt enzyklopädischer Abhandlungen. Es kann nicht im Web browsen, Live-Preise oder Nachrichten abrufen oder andere Software steuern, und seine Anweisungen sagen ihm, Unsicherheit zuzugeben, anstatt Fakten zu erfinden. Diese Ehrlichkeit ist der Punkt des Designs: Sie wissen immer, welche Art von Antwort Sie gerade erhalten haben.
Nur für den ersten Modell-Download — danach ist das Modell im Browser zwischengespeichert und jede Konversation läuft vollständig offline. Das macht es auf Flügen, in luftgetrennten Umgebungen oder überall dort verwendbar, wo die Verbindung unzuverlässig ist. Überprüfen Sie den Modellstatus-Indikator: er zeigt an, ob das Modell zwischengespeichert ist, gerade heruntergeladen wird oder eine Verbindung erfordert.
Kleinere Modelle (1B-Klasse) antworten sofort und laufen auf bescheidener Hardware — gut für schnelle Fragen, Entwürfe und Brainstorming. Größere Modelle schlussfolgern besser und schreiben besser, laden aber langsamer und benötigen mehr Speicher. Wenn Ihr Gerät WebGPU unterstützt, sind größere Modelle viel besser verwendbar. Die Auswahl wird gespeichert, sodass Sie einmal wählen und Ihren bevorzugten Standard über Sitzungen hinweg beibehalten.
Die erste Ausführung lädt die Modellgewichte (hundert Megabytes bis wenige Gigabytes) und kompiliert sie für Ihre Hardware — diese einmaligen Kosten dauern bei langsamen Verbindungen Minuten. Nachfolgende Lesevorgänge lesen aus dem lokalen Cache in Sekunden, und einzelne Antworten laufen dann bei Gesprächsgeschwindigkeit. Der Fortschrittsindikator zeigt Download- und Kompilierungsstufen an, sodass Sie wissen, dass es funktioniert, nicht stecken geblieben ist.
Ja — Prompts und Antworten verlassen niemals Ihr Gerät: Inferenz läuft lokal mit WebGPU oder WebAssembly, und der Verlauf bleibt im Browser-Speicher. Kein Server sieht Ihre Nachrichten, kein Konto wird benötigt, und das Löschen von Site-Daten entfernt alle Spuren. Für sensibles Material ist das der wesentliche Unterschied zu Cloud-Chatbots: der Assistent ist fähig, ohne dass Ihr Text jemals übertragen wird.
Ja. Nach dem anfänglichen Modell-Download (0,8-2 GB je nach Modellwahl) läuft alle Inferenz lokal in Ihrem Browser über WebLLM und WebGPU. Für Gespräche ist kein Internet erforderlich. Ihr Chat-Verlauf verlässt niemals Ihr Gerät — keine API-Aufrufe, keine Telemetrie, keine Cloud-Abhängigkeit. Ideal für luftgetrennte Umgebungen und datensensitive Nutzung.
Drei Optionen: Llama-3.2-1B (der schnellste, ~0,8 GB Download, gut für einfache Q&A), Llama-3.2-3B (empfohlener Ausgleich, ~2 GB, bewältigt komplexes Reasoning) und Phi-3.5-mini (~2 GB, stark bei Code und Mathematik). Alle laufen auf einer modernen GPU mit 10-30 Tokens/Sekunde. Modelle werden nach dem ersten Download für sofortiges nachfolgendes Laden zwischengespeichert.
Es läuft lokal 1B-3B Parameter-Modelle gegenüber 100B+ Parameter-Cloud-Modellen, daher kann es deren Reasoning-Tiefe oder Wissensbreite nicht erreichen. Der Kompromiss ist absolute Privatsphäre: Ihre Gespräche sind physisch nicht in der Lage, Ihr Gerät zu verlassen. Am besten geeignet für Entwürfe, Brainstorming, Berechnungen und Aufgaben, bei denen die Datenempfindlichkeit das Bedürfnis nach Frontier-Modell-Fähigkeit überwiegt.
Yes. After the initial model download (0.8-2GB depending on model choice), all inference runs locally in your browser via WebLLM and WebGPU. No internet is needed for conversations. Your chat history never leaves your device—no API calls, no telemetry, no cloud dependency. Ideal for air-gapped environments and privacy-sensitive use.
Three options: Llama-3.2-1B (fastest, ~0.8GB download, good for simple Q&A), Llama-3.2-3B (recommended balance, ~2GB, handles complex reasoning), and Phi-3.5-mini (~2GB, strong at code and math). All run at 10-30 tokens/second on a modern GPU. Models are cached after first download for instant subsequent loading.
It runs 1B-3B parameter models locally versus 100B+ parameter cloud models, so it cannot match their reasoning depth or knowledge breadth. The trade-off is absolute privacy: your conversations are physically incapable of leaving your device. Best suited for drafting, brainstorming, calculations, and tasks where data sensitivity outweighs the need for frontier-model capability.
What do you call a really smart cookie?
No signups, no data sold. Every tool is free to use — the free tier allows 5 downloads or saves per day, and the optional Pro plan ($7/mo, $59/yr) adds unlimited downloads, batch processing, white-label exports and an ad-free experience.
☕Support me on Ko-fi— support the free tier100% of proceeds go towards hosting & building more free tools.