- Ollama permite la ejecución de modelos de lenguaje potentes de forma local, garantizando privacidad absoluta y coste cero de API.
- La gestión de modelos incluye procesos sencillos de descarga, ejecución y borrado mediante la línea de comandos.
- Es posible optimizar el rendimiento mediante la configuración de rutas de almacenamiento personalizadas y el uso de aceleración por GPU.
Si te has lanzado a la aventura de instalar modelos de inteligencia artificial en tu propio ordenador, probablemente ya sepas que Ollama es la herramienta definitiva para democratizar el acceso a los LLM. Pero, ¿qué pasa cuando empiezas a acumular modelos que ya no te sirven o que simplemente querías probar un momento? Aquí te contamos cómo eliminar modelos que ya no utilizas en Ollama.
Como estos archivos suelen ser bastante pesados y consumen gigas de almacenamiento, llega un punto en el que toca hacer limpieza. En este artículo vamos a ver cómo borrar lo que sobra, pero también cómo exprimir al máximo Ollama para que vuele en tu equipo.
Pasos para borrar modelos que ya no necesitas
Para eliminar modelos que ya no utilizas en Ollama, no hace falta buscar menús complicados, ya que todo se gestiona a través de la interfaz de línea de comandos (CLI). Lo primero que debes hacer es abrir tu terminal o el símbolo del sistema de Windows para empezar a dar órdenes.
Si no recuerdas exactamente cómo se llamaba el modelo que quieres eliminar, puedes listar todos los archivos instalados escribiendo el comando ollama list. Esto te desplegará un listado detallado con los nombres exactos y los detalles de cada modelo que tienes actualmente en tu repositorio local.
Una vez identificado el objetivo, el comando mágico es ollama rm seguido del nombre del modelo. Por ejemplo, si quieres deshacerte de un modelo llamado llama2-7b, simplemente escribe ollama rm llama2-7b y la herramienta confirmará la eliminación del archivo. Eso sí, ten en cuenta que si el modelo se está ejecutando en ese preciso instante, es recomendable detenerlo primero con ollama stop nombre_del_modelo para evitar cualquier conflicto, aunque normalmente el comando de borrado lo soluciona directamente.
Instalación y primeros pasos con Ollama
Antes de aprender a eliminar modelos que ya no utilizas en Ollama, veamos cómo se isntala. Para aquellos que aún no lo tengan montado, Ollama se puede descargar desde su web oficial. En Windows se instala mediante un archivo .exe, mientras que en macOS y Linux el proceso es igual de sencillo. Una vez instalado, puedes descargar modelos desde la biblioteca oficial usando el comando ollama pull. Por ejemplo, si quieres probar Llama 2, basta con ejecutar ollama run llama2, lo que descargará el modelo y abrirá una sesión de chat interactiva inmediatamente.
En el ecosistema actual existen opciones muy variadas. Tienes el Llama 3 70B, que es una auténtica bestia para razonamientos complejos, aunque requiere unos 40GB de VRAM. Si buscas algo más equilibrado, Mistral 7B es la recomendación estrella por su velocidad y calidad, funcionando muy bien en hardware doméstico. También están Gemma 7B de Google para tareas simples o Neural Chat 7B si buscas conversaciones más naturales.
Ubicación y gestión del almacenamiento
Algo vital es saber dónde se guardan estos modelos, ya que por defecto se instalan en la unidad principal. En Windows suelen estar en C:\Users\%username%\.ollama\models, en macOS en ~/.ollama/models y en Linux en /usr/share/ollama/.ollama/models. Si te estás quedando sin espacio en el disco C, lo más inteligente es reconfigurar la ruta de almacenamiento antes de descargar modelos nuevos. O eliminar modelos que ya no utilizas en Ollama.
Para cambiar esto en Windows, debes ir a la configuración avanzada del sistema y crear una variable de entorno llamada OLLAMA_MODELS que apunte a la carpeta de tu disco duro con más espacio. En Linux, el proceso implica editar los parámetros del servicio systemd añadiendo la línea Environment="OLLAMA_MODELS=/tu/ruta/especial" dentro de la sección , recargando el sistema y reiniciando el servicio.
Optimización de rendimiento y hardware
Hay otras formas de ganar agilidad sin llegar a eliminar modelos que ya no utilizas en Ollama. La velocidad de respuesta depende totalmente de tu hardware. Si tienes una GPU NVIDIA con CUDA o una Mac con Metal, Ollama aprovechará la aceleración por hardware automáticamente, haciendo que la IA responda en segundos. De lo contrario, el sistema recurrirá a la CPU, lo que puede hacer que un modelo como Mistral 7B tarde unos 30 segundos por respuesta en lugar de los 3 segundos que tardaría con una tarjeta gráfica potente.
En cuanto a los requisitos, lo mínimo para sobrevivir son 4GB de RAM, aunque lo ideal son 8GB o 16GB para modelos más grandes. Si usas Docker, recuerda montar un volumen con nombre para que el estado del servidor y los modelos sean persistentes y no se borren al reiniciar el contenedor.
Personalización avanzada y conectividad
Una de las funciones más potentes es la creación de modelos personalizados mediante los Modelfiles, que funcionan de forma similar a los Dockerfiles. Puedes definir un prompt de sistema, ajustar la temperatura (donde 0.1 es más enfocado y 1.0 más creativo) y construir un modelo experto en un área concreta, como la programación en Python, usando el comando ollama create.
Para quienes quieran llevar esto a un nivel profesional, Ollama expone una API REST en el puerto 11434. Esto permite integrar la IA en aplicaciones propias o usar interfaces gráficas externas como Open WebUI, que te da una experiencia idéntica a ChatGPT pero funcionando totalmente en tu propia máquina. Si necesitas que otros dispositivos de tu red local accedan a la API, debes configurar la variable OLLAMA_HOST=0.0.0.0.
Tener la capacidad de eliminar modelos que ya no utilizas en Ollama, mover la carpeta de almacenamiento a un disco más grande y optimizar la ejecución mediante GPU convierte a Ollama en la herramienta más versátil para gestionar inteligencia artificial local sin complicaciones y manteniendo la privacidad de los datos bajo llave.
Redactor especializado en temas de tecnología e internet con más de diez años de experiencia en diferentes medios digitales. He trabajado como editor y creador de contenidos para empresas de comercio electrónico, comunicación, marketing online y publicidad. También he escrito en webs de economía, finanzas y otros sectores. Mi trabajo es también mi pasión. Ahora, a través de mis artículos en Tecnobits, intento explorar todas las novedades y nuevas oportunidades que el mundo de la tecnología nos ofrece día a día para mejorar nuestras vidas.