Trabaja en tu Mac. Continúa desde el móvil.
Deja que Codex o Pi trabajen con los archivos de tu Mac mientras sigues la conversación en NanthAI. Revisa la respuesta, pide un cambio o incorpora un modelo cloud desde el móvil o el navegador.
Empieza en la nube. Usa tu Mac cuando lo necesites.
OpenRouter
Elige modelos cloud para escribir, investigar y revisar directamente en NanthAI. Empieza desde el móvil o el navegador.
Codex
Usa tu cuenta de Codex para trabajar con código y archivos en tu Mac. Envía la tarea desde NanthAI y sigue su progreso estés donde estés.
Pi
Usa Pi con tus proveedores y suscripciones configurados, incluido OpenRouter, o con modelos locales mediante Ollama. Mantén su trabajo en la misma conversación que tus otras Personas.
Pon al siguiente modelo al día.
Conserva respuestas publicadas, archivos y recuerdos útiles en la conversación. Pide a una Persona en la nube que revise un resultado local o continúa con otra Persona local. Cada participante conserva su historial de trabajo privado.
Mantén el control del trabajo.
Responde desde NanthAI a las preguntas o solicitudes de permiso del runtime. Detén una tarea cuando lo necesites y consulta el uso del modelo junto al trabajo.
Programa la próxima tarea.
Programa un resumen recurrente o una secuencia de tareas. Elige el runtime y encuentra los resultados en NanthAI. Mantén el Mac conectado para las tareas locales.
Conecta tu Mac. Continúa desde el móvil.
Instala la app para Mac
Instala NanthAI Runtime y elige Codex, Pi o ambos.
Conecta tu cuenta
Vincula tu Mac a NanthAI una vez. Tus conversaciones podrán enviarle trabajo.
Envía tu primera tarea
Elige una Persona local, indica qué hacer y sigue la respuesta desde el móvil.
Tu Mac debe estar encendido y conectado para recibir tareas del móvil. Los modelos cloud necesitan internet; Pi también puede usar modelos ya instalados mediante Ollama. Las herramientas dependen del runtime y del modelo elegidos.
Dale a tu IA el contexto que importa.
NanthAI aporta el historial y las memorias relevantes en cada turno. En nuestras pruebas, algunos escenarios Pi usaron hasta un 64 % menos de tokens de entrada, con un coste estimado del modelo un 29 % menor.
Hasta64%
Pi solo · 100%
Pi con NanthAI · 36%
Hasta29%
Pi solo · 100%
Pi con NanthAI · 71%
Observado con Pi y GPT-6.1 Sol con razonamiento bajo frente a Pi solo. Las cifras corresponden a una continuación con mucho contexto, no a una media de todas las tareas. Los resultados varían según la tarea y el modelo. El coste es una estimación equivalente API, no una reducción del precio de suscripción.