Claude Code puede conectarse a modelos alternativos servidos en local mediante un endpoint compatible con la API de Anthropic: la interfaz sigue siendo la de Claude Code, pero las respuestas las genera otro modelo, no Claude. La diferencia importa si quieres trabajar sin conexión o elegir dónde se ejecuta la inferencia —el cálculo que produce cada respuesta—, aunque la velocidad y el manejo de herramientas dependerán del modelo y del equipo.
Claude Code y Qwen Code cubren necesidades distintas
Qwen Code reúne varios proveedores y opciones de conexión en un mismo agente. Claude Code, por su parte, también puede conectarse a modelos alternativos mediante servicios compatibles, además de utilizar modelos de Anthropic. Así que la diferencia no es que uno admita modelos locales y el otro no: está en las opciones y el flujo de trabajo que ofrece cada herramienta.
| Criterio | Qwen Code | Claude Code |
| Elección de modelos y proveedores | Admite opciones de OpenAI, Anthropic, Gemini y Qwen, además de proveedores externos | Puede conectarse a modelos alternativos mediante endpoints compatibles; también permite usar modelos de Anthropic |
| Conexión con modelos locales | Compatible con runtimes como Ollama y vLLM | Ollama y LM Studio ofrecen rutas para conectar modelos alternativos |
| Uso habitual | Interesa si quieres cambiar de proveedor y configurar el entorno | Interesa si prefieres el flujo de Claude Code y quieres elegir entre Claude alojado y un modelo alternativo |
Qwen Code frente a Claude Code: más libertad para elegir modelos amplía las diferencias entre ambos agentes.
Qué cambia cuando el modelo se ejecuta en local
Claude Code es la interfaz de programación; el endpoint es el servicio al que envía las solicitudes, y el modelo es quien genera las respuestas. En una configuración local, el endpoint dirige las solicitudes a un modelo servido por un runtime como Ollama o LM Studio. El agente conserva su interfaz, pero cambia el motor de inferencia.
Eso no ejecuta los pesos de Claude en el ordenador. Se utiliza otro modelo, normalmente de pesos abiertos, y su compatibilidad con llamadas a herramientas —las acciones que el agente solicita, como editar archivos o ejecutar comandos— depende del modelo y del servicio que lo conecta.
Ollama y otras rutas locales
Ollama documenta dos maneras de iniciar Claude Code: el comando ollama launch claude, que puede automatizar la selección del modelo y el inicio, y una configuración manual. En esta última, el endpoint local se establece como http://localhost:11434; también se configura ANTHROPIC_AUTH_TOKEN y se deja vacío ANTHROPIC_API_KEY. El modelo se puede seleccionar con claude --model <nombre-del-modelo>.
LM Studio ofrece otra ruta mediante un endpoint compatible con la API de Anthropic. También es posible configurar llama.cpp directamente, aunque requiere más ajustes. En todos los casos, el servicio y el modelo elegidos deben admitir las solicitudes y las llamadas a herramientas que necesite el flujo de trabajo.
Modelos locales frente a Claude alojado
| Aspecto | Modelo alternativo ejecutado en local | Claude alojado en la nube |
| Dónde se procesa la solicitud | En el equipo del usuario si el runtime y el modelo funcionan allí | En la infraestructura del servicio en la nube |
| Conexión a internet | Puede funcionar sin conexión después de instalar el modelo y el runtime | Requiere conexión con el servicio alojado |
| Identidad del modelo | Un modelo alternativo elegido por el usuario | Un modelo de Claude |
| Costes de inferencia | No hay cargo por uso de la API del proveedor cuando la inferencia es totalmente local; el equipo y la electricidad sí tienen coste | El coste depende de la suscripción o modalidad de API elegida |
| Rendimiento y tareas complejas | Varía según el modelo, el hardware, el contexto y las herramientas; puede ser más lento o menos fiable en tareas largas | Los informes disponibles describen ventajas en algunas tareas complejas y de contexto amplio, sin establecer una diferencia universal |
La ejecución local puede mantener el procesamiento del modelo en el propio equipo si también se usan herramientas y endpoints locales. Eso no significa que cualquier integración o herramienta vaya a funcionar sin conexión: algunas funciones dependen de servicios externos. Y los modelos de Ollama con el sufijo :cloud se ejecutan en infraestructura alojada, no en el ordenador.
Dónde encajan los modelos locales en el trabajo diario
Para tareas acotadas, borradores o código que prefieres procesar en tu propio equipo, un modelo local puede ser una alternativa útil. Para cambios que exigen razonar sobre un repositorio entero, mantener mucho contexto o encadenar varias herramientas, la respuesta puede ser más lenta y menos fiable. Ollama recomienda una ventana de contexto de 64.000 tokens o más para repositorios grandes; el modelo y el endpoint tienen que poder manejarla.
No hay un modelo que sea el mejor para todos. La memoria disponible, el tamaño del contexto, el soporte de herramientas y la complejidad de la tarea cambian la experiencia. Por ejemplo, una prueba individual con qwen2.5-coder:14b registró llamadas a herramientas de 25 y 52 segundos en un MacBook; otra configuración con gemma4:26b resultó más manejable para ese usuario. Son observaciones de configuraciones concretas, no una clasificación general de modelos.
Qwen Code sigue siendo una opción a considerar si la prioridad es cambiar de proveedor dentro del mismo agente. Claude Code también puede conectarse a modelos locales; la decisión práctica es si quieres conservar ese flujo de trabajo con un modelo alternativo o utilizar los modelos alojados de Anthropic.
