Osaurus запустила macOS‑сервер LLM для личного AI‑ассистента с локальным хранением данных

Osaurus — открытый macOS‑сервер LLM, выросший из десктопного ассистента Dinoki; хранит «память» моделей, файлы и плагины на устройстве и ориентирован на приватность пользователей Apple.

Osaurus представила macOS‑сервер LLM, который превращает Mac в личного AI‑ассистента, хранящий память моделей, файлы и интегрированные инструменты локально в аппаратно‑изолированной виртуальной песочнице. Проект возник из идеи десктопного компаньона Dinoki: основатель Терренс Пэ, бывший инженер Tesla и Netflix, начал разработку после того, как пользователи Dinoki спросили, зачем платить за токены, если ассистент не работает полностью локально. Разработка ведётся публично как open‑source, что позволило оттачивать интерфейс и исправлять баги в ходе открытого тестирования.

По функционалу Osaurus выступает как Model Context Protocol (MCP)‑сервер и поставляется с голосовым вводом и более чем 20 нативными плагинами, включая Mail, Calendar, Vision, XLSX, PPTX, Browser, Music, Git, Filesystem, Search и Fetch. Плагины дают ассистенту доступ к файлам и инструментам на машине владельца, а «память» моделей сохраняется локально, что служит ключевым отличием от облачных решений и делает платформу удобной для индивидуальных пользователей macOS.

Архитектурно проект позиционирует себя как «harness» — единый слой управления моделями, инструментами и рабочими процессами — но ориентирован в первую очередь не на разработчиков‑терминальщиков, а на пользователей через графический интерфейс и меры изоляции. В отличие от аналогов, нацеленных на девелоперские сценарии и порой вызывающих вопросы по безопасности, Osaurus делает ставку на простоту и защиту локальных данных. Платформа поддерживает широкий набор локальных моделей — MiniMax M2.5, Gemma 4, Qwen3.6, GPT‑OSS, Llama, DeepSeek V4 и другие, а также Apple on‑device foundation models и семейство LFM от Liquid AI. Для облачных подключений предусмотрены интеграции с OpenAI, Anthropic, Google Gemini, xAI/Grok, Venice AI, OpenRouter, Ollama и LM Studio.

Ограничения по железу остаются ключевым фактором: для запуска локальных моделей разработчики рекомендуют минимум 64 ГБ оперативной памяти, а для тяжёлых моделей вроде DeepSeek V4-порядка 128 ГБ. Терренс Пэ отмечает, что «интеллект на ватт» у локальных моделей быстро растёт: если год назад локальные решения едва завершали фразы, сейчас они могут запускать инструменты, писать код и работать с браузером, но требовательность к ресурсам по‑прежнему ограничивает сценарии применения. Проект существует почти год и распространяется как открытый: по данным сайта, загрузки превысили 112 000.

Сооснователи, в том числе Сам Ю, участвуют в нью‑йоркском акселераторе Alliance и продолжают развитие, сохраняя фокус на приватности данных и удобстве конечного пользователя.