Un développeur se présentant comme Christian a publié sur Hacker News Hob, une application de bureau open-source disponible sous licence MIT pour Mac, Windows et Linux. L'outil reprend les usages des applications desktop de Claude et ChatGPT — manipulation de fichiers, lecture d'images, exécution de code — mais fait tourner le modèle de langage directement sur la machine de l'utilisateur, sans envoyer de données vers un service distant.
Hob s'appuie sur des modèles à poids ouverts, notamment Gemma 4 et gpt-oss, et détecte automatiquement à l'installation la configuration matérielle la plus adaptée, avec repli sur le CPU si aucune carte graphique compatible n'est détectée. L'application peut écrire et exécuter du code Python dans un environnement sandboxé pour des tâches comme le traitement de données ou la génération de graphiques, effectuer des recherches web via SearXNG (désactivables), se connecter à des serveurs MCP, reconnaître des images et lire ou modifier des fichiers locaux. Elle peut fonctionner entièrement hors ligne.
L'auteur explique avoir testé la plupart des solutions d'IA locale existantes avant de se lancer dans ce projet, et avoir constaté qu'aucune ne parvenait à reproduire le niveau de fonctionnalité des apps propriétaires sur les fichiers volumineux ou les images. Selon lui, les outils open-source les plus avancés du secteur finissent souvent par dépendre de modèles hébergés, ce qui annule l'intérêt premier de la confidentialité promise par une exécution locale — un choix souvent motivé par des modèles économiques freemium ou par compte utilisateur.
Techniquement, Hob repose sur Electron connecté à llama.cpp dans un processus séparé. Il s'agit d'un projet individuel en phase initiale, encore loin de la maturité des produits commerciaux qu'il cherche à concurrencer, mais il illustre une demande croissante pour des assistants IA capables de traiter des documents complexes sans dépendre du cloud. Sa viabilité à long terme dépendra de l'adoption communautaire et de la capacité des modèles ouverts à suivre le rythme des modèles propriétaires sur ce type de tâches.