Gestión de modelos en Ollama: guía completa de descarga, cambio, eliminación y control de versiones

Cuando empecé con Ollama, no me di cuenta de un detalle: los archivos de modelos ocupan muchísimo espacio.

Un día, el SSD empezó a avisarme. Abrí el directorio ~/.ollama y vi más de cuarenta GB. Entonces pensé: no uso ni la mitad de estos modelos; ¿cómo los borro? ¿Cómo cambio de versión? ¿Cómo evitar volver a caer en el mismo problema?

Este artículo resume lo que aprendí a base de prueba y error. Repasamos los comandos clave para gestionar modelos en Ollama: descarga, cambio, eliminación y buenas prácticas de control de versiones. Al terminar, deberías poder administrar tu biblioteca local de LLM con calma, sin que el espacio en disco te sorprenda otra vez.

Tabla rápida de comandos esenciales

Primero, una tabla de referencia. Más abajo profundizamos en cada comando.

Esta tabla cubre el 90% de la gestión diaria. Memoriza estos comandos y el resto es combinarlos.

Descarga de modelos: elegir bien la versión importa

Descargar una versión concreta

Con ollama pull descargas modelos; es el comando que casi todo el mundo conoce. Pero hay un detalle fácil de pasar por alto: las etiquetas de versión.

# Descargar la última versión
ollama pull llama3.2:latest

# Descargar una escala de parámetros concreta
ollama pull llama3.1:70b

# Descargar una versión cuantizada concreta
ollama pull mistral:7b-q4_K_M

¿Qué diferencia hay entre estas etiquetas?

En realidad es sencillo:

• latest: etiqueta por defecto, última versión estable
• 7b, 70b: escala de parámetros; a más cifra, más potente el modelo, pero también más recursos
• q4_K_M, q3_K_L: nivel de cuantización; a menor número, archivo más pequeño y algo menos de precisión

En resumen: elige la versión según tu hardware.

Tabla de requisitos de hardware

No descargues a ciegas. Consulta esta tabla y compárala con tu equipo:

Por experiencia: con 8 GB de RAM, un modelo 7B apenas funciona y va lento. Con 16 GB va mucho mejor. En cuanto a modelos 70B, en un PC doméstico casi no hay manera, salvo que tengas dos RTX 4090.

Script de descarga por lotes

Si vas a descargar varios modelos, escribirlos uno a uno cansa. Mejor un script:

Vultr - Servidor cloud NVMe de alto rendimiento, 32 ubicaciones globales, despliegue Docker con un clic

Ver precios →Anuncio

#!/bin/bash
# download_models.sh

MODELS=(
  "llama3.2:latest"
  "mistral:7b"
  "qwen2:7b"
  "deepseek-r1:7b"
)

for model in "${MODELS[@]}"; do
  echo "Descargando: $model"
  ollama pull "$model"
  echo "---"
done

echo "¡Descarga de todos los modelos completada!"

Guárdalo como download_models.sh y ejecútalo:

chmod +x download_models.sh
./download_models.sh

Así puedes bajar de una vez todos los modelos que necesites.

Cambiar de modelo: no dejes la GPU ociosa

Ver la lista de modelos locales

Tras descargar, conviene ver qué tienes instalado:

ollama list

La salida será parecida a esto:

NAME                ID              SIZE    MODIFIED
llama3.2:latest     a80c4f17acd5    2.0GB   2 days ago
mistral:7b          f974a74358d6    4.1GB   5 days ago
qwen2:7b            d53d04290064    2.3GB   10 days ago

Significado de los campos:

• NAME: nombre del modelo y etiqueta
• ID: identificador único (a veces útil al eliminar)
• SIZE: tamaño del archivo; de un vistazo ves quién ocupa espacio
• MODIFIED: última modificación; ayuda a detectar modelos antiguos

Con esto ya puedes distinguir qué modelos usas a menudo y cuáles puedes borrar.

Ejecutar un modelo concreto

Cambiar de modelo es sencillo: ollama run:

# Ejecución básica
ollama run llama3.2

# Con aceleración GPU
ollama run llama3.2 --gpu

# Modo verbose (ver tiempo de carga)
ollama run llama3.2 --verbose

Un detalle: si el modelo no está descargado, ollama run hace pull automáticamente. Puedes ejecutar directamente sin pull previo.

Pero cuidado: el modelo sigue ocupando GPU/CPU hasta que lo detengas manualmente. Antes de cambiar, para el modelo anterior.

Detener modelos en ejecución

Primero mira qué está corriendo:

ollama ps

Salida similar a:

NAME        ID              SIZE    PROCESSOR   UNTIL
llama3.2    a80c4f17acd5    2.0GB   100% GPU    4 minutes from now

Si hay alguno en marcha, deténlo:

ollama stop llama3.2

Así liberas la GPU y puedes pasar al siguiente modelo.

La verdad es que yo solía olvidar el stop y el equipo se iba volviendo más lento. Mejor un hábito: antes de cambiar, ps y luego stop.

Eliminar modelos: la clave para liberar espacio en disco

Eliminar un modelo individual

Llegamos al punto clave: borrar modelos.

ollama rm llama3.2

Salida:

deleted 'llama3.2'

Así de simple. Pero confirma el nombre antes de borrar. Revisa con ollama list.

Railway - Plataforma de despliegue moderna, sin ops complejas, en producción en minutos

Empezar ahora →Anuncio

Además, tras eliminar, los archivos no desaparecen al instante; hay un proceso de limpieza. Si el espacio no se libera de inmediato, espera unos minutos.

Script de eliminación por lotes (con lista blanca)

Si tu biblioteca está desordenada y quieres limpiar sin perder los modelos habituales, usa un script:

#!/bin/bash
# cleanup_models.sh

# Lista blanca: estos modelos no se eliminan
KEEP=(
  "llama3.2:latest"
  "mistral:7b"
)

# Obtener todos los modelos
ALL_MODELS=$(ollama list | tail -n +2 | awk '{print $1}')

for model in $ALL_MODELS; do
  # Comprobar si está en la lista blanca
  keep=false
  for keeper in "${KEEP[@]}"; do
    if [ "$model" == "$keeper" ]; then
      keep=true
      break
    fi
  done

  # Si no está en la lista blanca, eliminar
  if [ "$keep" = false ]; then
    echo "Eliminando: $model"
    ollama rm "$model"
  else
    echo "Conservando: $model"
  fi
done

echo "¡Limpieza completada!"

La lógica: listar todos los modelos y comprobar uno a uno. Los de la lista blanca se conservan; el resto se borra.

Puedes ajustar el array KEEP con los modelos que uses a diario.

Gestión de la ruta de almacenamiento

¿Borraste modelos y aún no hay espacio? Puede que la ruta de almacenamiento sea el problema.

Por defecto, los modelos están en:

• Windows: C:\Users\<nombre de usuario>\.ollama\models
• Linux/macOS: ~/.ollama/models

Si el disco del sistema se queda corto, puedes moverlos a otro volumen. Define la variable de entorno OLLAMA_MODELS:

# Linux/macOS
export OLLAMA_MODELS=/path/to/your/models

# Windows (PowerShell)
$env:OLLAMA_MODELS="D:\ollama\models"

Tras configurarlo, los modelos nuevos irán a la nueva ruta. Los antiguos siguen en la ubicación original y hay que moverlos a mano.

Mi consejo: configura la ruta desde el principio, no esperes a quedarte sin espacio. Migrar después es engorroso y propenso a errores.

Control de versiones: estrategias para evitar el caos

Escenarios típicos de desorden de versiones

Quizá te ha pasado:

llama3.1:latest
llama3.1:8b
llama3.2:latest
llama3.2:1b
llama3.2:3b

Un montón de versiones amontonadas sin saber cuál usas, cuál es de prueba y cuál conviene borrar.

Tres recomendaciones para evitar el caos

1. Usa etiquetas según el propósito

   • latest: versión principal del día a día
   • test, dev: versiones de prueba
   • No descargues demasiadas escalas de parámetros; elige una acorde a tu hardware

2. Limpieza periódica

   • Una vez por semana, ejecuta ollama list y detecta sobrantes
   • Usa el script de limpieza anterior para mantener la biblioteca en orden

3. Nombres con sentido

   • Si creas modelos personalizados, nómbralos con claridad
   • Por ejemplo myproject-llama3.2, no mymodel1, mymodel2

Actualizar modelos (descarga incremental)

¿Hay una versión nueva y quieres actualizar?

Vuelve a hacer pull:

ollama pull llama3.2:latest

Buena noticia: Ollama solo descarga las diferencias, no el archivo entero otra vez. La actualización es rápida; no te preocupes por el ancho de banda.

Variantes de modelos personalizados

Si quieres ajustar parámetros (por ejemplo temperature o un system prompt), usa un Modelfile:

# Crear Modelfile
FROM llama3.2
PARAMETER temperature 0.7
SYSTEM """Eres un asistente técnico profesional que responde con lenguaje conciso."""

# Crear modelo personalizado
ollama create my-tech-assistant -f Modelfile

# Ejecutar
ollama run my-tech-assistant

Así tienes una versión a medida. Si ya no la necesitas, bórrala con ollama rm como cualquier otro modelo.

Alibaba Cloud - Opción preferida para desarrolladores, 15 % de descuento exclusivo en Lighthouse

Obtener 15% dto. →Anuncio

Problemas frecuentes y soluciones

La descarga se queda atascada al 99%

A mí también me pasó: el último 1% y de repente nada.

Suele ser una interrupción de red. Solución:

# Ctrl+C para cancelar la descarga
# Vuelve a hacer pull
ollama pull llama3.2

Buena noticia: el progreso se conserva; no empiezas de cero. Normalmente la segunda vez funciona.

El espacio no se libera tras eliminar

Borraste el modelo, pero df -h sigue mostrando el disco lleno.

Posibles causas:

1. El proceso de limpieza aún no terminó; espera unos minutos
2. Quedan archivos residuales; revisa la ruta a mano

Comprobación manual:

# Ver tamaño del directorio de modelos
du -sh ~/.ollama/models

# Si sigue siendo grande, entra a mirar
ls -lh ~/.ollama/models/blobs/

Elimina manualmente los archivos que queden.

Fallo al cambiar de modelo

Si ollama run da error, puede deberse a:

1. Recursos insuficientes: poca RAM o VRAM
2. Configuración incorrecta: Modelfile mal formado

Soluciones:

• Primero ollama ps para ver si otro modelo consume recursos
• Usa --verbose para ver el error detallado
• Si es un modelo personalizado, revisa la sintaxis del Modelfile

Para cerrar

En el fondo son tres acciones: descargar, cambiar y eliminar. Con estos comandos y un poco de planificación (no descargar versiones a lo loco), tu biblioteca local de LLM puede mantenerse ordenada.

Si usas OpenClaw, la gestión de modelos importa aún más: OpenClaw depende de Ollama y la versión del modelo afecta directamente a la experiencia. Revisa la biblioteca con regularidad, borra lo que no uses y mantén solo lo necesario.

Ante cualquier duda, vuelve a la tabla rápida o al capítulo correspondiente. Espero que este artículo te evite algunos de los tropiezos que yo tuve.