Ollama

Ollama responde a una necesidad concreta: descargar y ejecutar modelos de lenguaje directamente en tu ordenador. Con un modelo local, los prompts no se envían a ollama.com y no hace falta una conexión para cada consulta. Ollama también ofrece modelos cloud, que se procesan en su servicio y requieren cuenta; quien necesite excluir esa vía puede activar el modo solo local documentado por el proyecto.

A diferencia de ChatGPT, Claude o Gemini, Ollama no es una interfaz de chat: es un runtime de línea de comandos que gestiona modelos locales y también puede invocar modelos cloud si el usuario los elige. Si has llegado buscando una aplicación de IA fácil de usar desde el navegador, probablemente buscas otra herramienta. Si quieres ejecutar Llama, Mistral, Gemma o Phi en tu propio equipo, Ollama sigue siendo una ruta directa, siempre distinguiendo la variante local de la que lleva el sufijo `:cloud`.

Ollama se distribuye desde ollama.com, y el tipo de descarga no es el mismo en las tres plataformas. En Windows, la página oficial de descargas entrega un instalador ejecutable. En macOS entrega un instalador de aplicación. En Linux no entrega ningún archivo: la ruta oficial es una página de instrucciones con el comando de instalación y enlaces a la instalación manual y a la documentación. Aplanar las tres cosas bajo la palabra «descargar» es justo lo que provoca que alguien acabe buscando un ejecutable de Linux donde no lo hay.

El punto de cuidado con Ollama es específico: al ser un proyecto de código abierto popular, circulan copias, reempaquetados y redistribuciones que no publica el proyecto. La referencia correcta es siempre ollama.com para la instalación, y el repositorio del proyecto —enlazado desde el propio sitio oficial— para el código fuente. Cualquier ejecutable que no venga de ahí no es el canal del proyecto, y esa es una comprobación que puedes hacer tú antes de ejecutar nada.

Una redistribución no es un espejo del canal oficial. Es un portal que subió en su momento una copia del binario y la sirve desde su propio dominio, con su propia página, su propio botón y, a veces, su propio gestor de descargas. Al revisar en español la consulta de descarga de Ollama, tres de los siete resultados de la primera página eran portales de ese tipo, y el sitio del proyecto no aparecía como resultado destacado propio: los blogs lo citaban dentro del texto, pero nadie separaba con claridad «instalador oficial» de «redistribución». Esa distinción es la que sostiene esta ficha, y la comprobación que te queda a mano es una sola: mirar el dominio desde el que estás descargando.

De ahí sale el segundo problema, que es la versión. El canal del proyecto sirve la distribución vigente; un portal sirve la copia que subió cuando la subió. En esa misma revisión se observó un portal ofreciendo una versión anterior de Ollama presentada como la actual, sin ninguna advertencia de que lo fuera. No podemos decirte qué contiene el archivo de ese portal y no vamos a insinuarlo: lo que sí se puede afirmar es que una versión antigua servida como vigente ya es motivo suficiente para no instalarla, porque te deja fuera de las correcciones y de los modelos que el proyecto haya añadido desde entonces. Si el número de versión que ves anunciado no coincide con el que publica ollama.com, tienes la respuesta sin necesidad de abrir el archivo.

Una vez instalado, Ollama funciona como un servidor local que gestiona modelos de lenguaje. Con un comando como `ollama run llama3` descargas y ejecutas el modelo Llama 3 en tu propia máquina. El catálogo disponible incluye modelos de Meta (Llama), Google (Gemma), Microsoft (Phi), Mistral AI y muchos otros, con variantes de distinto tamaño según la memoria de la que dispongas.

Ollama también expone una API local compatible con el formato de OpenAI, lo que significa que puedes conectarle una interfaz como Open WebUI para tener una ventana gráfica, o integrarlo en aplicaciones propias que ya hablan con la API de ChatGPT. Esa compatibilidad lo convierte en una pieza de infraestructura flexible para quien construye sobre modelos de lenguaje, más que en un producto de consumo terminado.

Ejecutar modelos de lenguaje en local tiene un coste de hardware que no existe cuando el cálculo ocurre en la nube. No hay un único umbral fiable: influyen el número de parámetros, la cuantización, el contexto, la memoria disponible y si parte del modelo se ejecuta en CPU o GPU. Dos variantes con un nombre parecido pueden necesitar recursos muy distintos.

La pregunta de «qué modelo aguanta mi equipo» es previa a la de «qué instalador descargo». En este sitio tienes la aplicación de compatibilidad de hardware enlazada desde esta misma ficha para contrastar modelo, cuantización y equipo en vez de depender de una cifra genérica. Si un modelo local no cabe, eso no convierte automáticamente su variante cloud en local: esa variante se procesa en el servicio de Ollama.

Ollama tiene sentido cuando quieres controlar qué modelo se ejecuta y dónde. Para material que no puede salir del equipo, usa un modelo descargado y activa el modo solo local que deshabilita modelos cloud y búsqueda web; no basta con asumir que todo lo que se invoca desde la API local se procesa en el dispositivo. Las funciones cloud son opcionales, pero cambian el recorrido de los datos y requieren cuenta.

Si prefieres una ventana gráfica para gestionar y conversar con modelos locales sin pasar por la terminal, LM Studio cubre el mismo caso de uso con una experiencia más visual, y Jan y GPT4All son las otras dos comparaciones razonables dentro del catálogo. No son excluyentes: hay quien usa Ollama como runtime y le conecta una interfaz por encima. Lo que las cuatro comparten, y es lo que aquí importa, es que cada una tiene un canal oficial identificable y esta ficha no te manda a ningún otro sitio.