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.
Um assistente de IA totalmente offline que funciona no seu navegador. Baixe o modelo uma vez, depois converse sem internet. Inclui calculadora, lembretes, timer, conversor de unidades. Entrada e saída de voz suportadas. Sem cadastro, 100% privado.
O Assistente de IA Local é um chatbot que vive inteiramente na sua aba de navegador. Construído sobre WebLLM, ele baixa um modelo de pesos abertos — Llama-3.2-1B, Llama-3.2-3B, ou Phi-3.5-mini, aproximadamente 0,8GB a 2GB — e depois executa inferência na sua GPU através do WebGPU, para que as conversações continuem sem envolver nenhum servidor. Ao contrário de chatbots genéricos, ele combina o modelo com ferramentas locais determinísticas: uma calculadora, lembretes, um timer que dispara notificações reais mesmo depois que você fecha a página, um relógio e um conversor de unidades. Cada resposta é marcada por um sistema de limites de capacidade que afirma claramente se veio de uma ferramenta local exata, da IA ou está além do que o assistente pode fazer de forma confiável. Entrada e respostas de voz são suportadas.
Usuários preocupados com a privacidade que não querem que suas perguntas sejam registradas em um servidor de terceiros são o público principal. Advogados, consultores, terapeutas e qualquer pessoa que trabalhe com rascunhos confidenciais pode fazer brainstorming, resumir e reescrever texto sabendo que nada sai do dispositivo. Viajantes e usuários de transporte público usam-no offline — uma vez que o modelo está em cache, o modo avião não o interrompe. Desenvolvedores e estudantes experimentam com modelos de linguagem locais para entender sua velocidade e limites antes de comprometer orçamento de GPU em outro lugar. Pessoas que precisam de utilidades rápidas, como 'definir um timer de 10 minutos' ou 'converter 5 milhas para quilômetros', obtêm respostas exatas das ferramentas integradas sem carregar a IA de todo.
(1) Selecione um modelo e clique em Load Model. Llama-3.2-1B (~0,8GB) é o mais rápido, Llama-3.2-3B (~2GB) é o padrão equilibrado, e Phi-3.5-mini (~2GB) troca velocidade por raciocínio. O download acontece uma vez, depois o modelo é armazenado em cache no armazenamento do seu navegador para sessões offline. (2) Converse digitando ou tocando no microfone para entrada de voz; um interruptor lê as respostas em voz alta. (3) Use frases simples para acionar ferramentas locais exatas: 'calcular 12*7', 'que horas são', 'lembre-me de ligar para a mãe', ou 'definir um timer de 10 minutos' — esses funcionam mesmo antes do modelo carregar. (4) Leia a tag colorida em cada resposta: Local Tool significa uma resposta exata, AI Generated rotula a saída do modelo, e solicitações incertas ou não suportadas são sinalizadas honestamente.
As ferramentas locais são totalmente confiáveis a qualquer momento: expressões aritméticas, data e hora atuais, lembretes salvos no seu navegador, timers em segundo plano com notificações do sistema e conversões de unidades retornam todas respostas exatas. O modelo de linguagem lida com tudo o que é conversacional — redação, reescrita, resumo, explicação de conceitos, tradução, brainstorming — com a ressalva de que um modelo de 1-3 bilhões de parâmetros não é um modelo de ponta: espere respostas concisas, às vezes superficiais, em vez de ensaios enciclopédicos. Ele não pode navegar na web, buscar preços ou notícias ao vivo, ou controlar outros softwares, e suas instruções o dizem para admitir incerteza em vez de inventar fatos. Essa honestidade é o ponto do design: você sempre sabe que tipo de resposta acabou de receber.
Apenas para o primeiro download do modelo — depois disso, o modelo está em cache no seu navegador e toda conversação funciona totalmente offline. Isso o torna utilizável em voos, em ambientes com rede isolada ou onde a conectividade é instável. Verifique o indicador de status do modelo: ele mostra se o modelo está em cache, baixando ou requer uma conexão.
Modelos menores (classe 1B) respondem instantaneamente e funcionam em hardware modesto — bons para perguntas rápidas, redação e brainstorming. Modelos maiores raciocinam melhor e escrevem melhor, mas carregam mais devagar e precisam de mais memória. Se seu dispositivo suporta WebGPU, modelos maiores são muito mais utilizáveis. A seleção é salva, então você escolhe uma vez e mantém seu padrão preferido entre sessões.
A primeira execução carrega os pesos do modelo (centenas de megabytes a alguns gigabytes) e os compila para seu hardware — esse custo único leva minutos em conexões lentas. Carregamentos subsequentes leem do cache local em segundos, e respostas individuais então rodam em velocidade conversacional. O indicador de progresso mostra estágios de download e compilação para que você saiba que está funcionando, não preso.
Sim — prompts e respostas nunca deixam seu dispositivo: a inferência roda localmente com WebGPU ou WebAssembly, e o histórico fica no armazenamento do seu navegador. Nenhum servidor vê suas mensagens, nenhuma conta é necessária, e limpar os dados do site remove todos os vestígios. Para material sensível, esta é a diferença-chave em relação a chatbots na nuvem: o assistente funciona sem que seu texto seja transmitido.
Sim. Após o download inicial do modelo (0,8-2GB dependendo da escolha do modelo), toda inferência roda localmente no seu navegador via WebLLM e WebGPU. Nenhuma internet é necessária para conversas. Seu histórico de conversas nunca deixa seu dispositivo — nenhuma chamada de API, nenhuma telemetria, nenhuma dependência de nuvem. Ideal para ambientes com rede isolada e uso sensível à privacidade.
Três opções: Llama-3.2-1B (o mais rápido, ~0,8GB de download, bom para perguntas e respostas simples), Llama-3.2-3B (equilíbrio recomendado, ~2GB, lida com raciocínio complexo), e Phi-3.5-mini (~2GB, forte em código e matemática). Todos rodam a 10-30 tokens/segundo em uma GPU moderna. Modelos são armazenados em cache após o primeiro download para carregamento subsequente instantâneo.
Ele roda modelos de 1B-3B parâmetros localmente versus modelos de nuvem de 100B+ parâmetros, então não pode igualar sua profundidade de raciocínio ou amplitude de conhecimento. A compensação é privacidade absoluta: suas conversas fisicamente não podem deixar seu dispositivo. Mais adequado para redação, brainstorming, cálculos e tarefas onde a sensibilidade dos dados supera a necessidade de capacidade de um modelo de ponta.
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.