Gestión de modelos de Ollama
En este capítulo explicaremos los comandos de gestión de modelos de Ollama: descargar, ver, copiar, eliminar, así como el mecanismo de residencia de los modelos en memoria.
Descargar modelos: ollama pull
El comando pull solo descarga el modelo sin iniciar una conversación, ideal para preparar el modelo con antelación.
Descargar la etiqueta predeterminada (latest):
ollama pull qwen3.5
Descargar una etiqueta de especificación específica:
ollama pull qwen3.5:4b
Tras ejecutarlo, verás la salida estándar del proceso de descarga:
$ ollama pull qwen3.5:4b pulling manifest pulling 87497c5f0e8f... 100% |████████████████████| 3.4GB verifying sha256 digest writing manifest success
Si la descarga se interrumpe no hay que empezar de cero; Ollama verifica y almacena por capas, y al volver a ejecutar el mismo comando se reanudarán automáticamente las capas incompletas.
Cabe añadir que ollama run incluye la lógica de pull integrada: la primera vez que se ejecuta un modelo, la descarga y la carga se completan automáticamente, por lo que en el uso diario a menudo no es necesario ejecutar pull por separado.
Las diferentes etiquetas de especificación corresponden a distintos archivos de modelo predefinidos por el equipo oficial; al hacer pull no se puede especificar una precisión de cuantización adicional. Si quieres comprimir un modelo grande a un tamaño pequeño, necesitas usar el comando create para cuantizar, lo cual pertenece al capítulo de personalización de Modelfile.
Ver modelos locales: list y show
list muestra todos los modelos locales y el espacio en disco que ocupan; es el comando de inventario más utilizado.
Listar modelos locales:
ollama list
Por ejemplo:
$ ollama list NAME ID SIZE MODIFIED qwen3.5:0.8b 9e3f4b3a1c2d 1.0GB 5 minutes ago qwen3.5:4b b1c7d9e2f3a4 3.4GB 2 days ago qwen3.5:latest a8b2c9d3e4f5 6.6GB 2 hours ago
Las cuatro columnas son: nombre del modelo, huella de versión, espacio en disco y fecha de última modificación. Cuando el disco esté al límite, lo más directo es revisar la columna SIZE.
Si quieres ver en detalle un modelo concreto, usa el comando show:
# 查看模型详情：能力、参数、系统提示词、许可证等 ollama show qwen3.5
show responde varias preguntas típicas: qué capacidades soporta este modelo (conversación, visión, llamada a herramientas), cuáles son los parámetros de generación predeterminados, qué dice el prompt del sistema y cuál es el tamaño de la ventana de contexto.
También tiene un uso avanzado: exportar la configuración completa del modelo a un Modelfile:
Ejemplo
ollama show --modelfile qwen3.5
Esta dinámica de "ver la receta - modificar - reconstruir" se desarrollará por completo en el capítulo de personalización de Modelfile.
Ver modelos en ejecución: ollama ps
list muestra el disco; ps muestra la memoria: qué modelo está cargado, cuánto ocupa y cuándo se descargará.
Ejemplo
ollama ps
$ ollama ps NAME ID SIZE PROCESSOR CONTEXT UNTIL qwen3.5:9b a8b2c9d3e4f5 9.6GB 100% GPU 131072 4 minutes from now
El significado de cada columna es el siguiente:
| Nombre de columna | Significado |
|---|---|
| NAME / ID | Nombre del modelo y huella de versión, igual que en list |
| SIZE | Memoria total que ocupa actualmente el modelo (incluye RAM y memoria de video) |
| PROCESSOR | Ubicación de carga: 100% GPU significa que está completamente en la tarjeta gráfica; 100% CPU significa que está completamente en memoria; si aparece una proporción como 48%/52% CPU/GPU, indica que la memoria de video es insuficiente y el modelo se ha dividido |
| CONTEXT | Tamaño de la ventana de contexto actualmente asignada |
| UNTIL | Tiempo restante para la descarga automática (cuenta regresiva de keep-alive) |
La columna PROCESSOR es la primera puerta de entrada para diagnosticar "por qué el modelo va lento": si no es 100% GPU, significa que el modelo no está completamente cargado en la memoria de video. Los métodos concretos de optimización del rendimiento se tratan en detalle en el capítulo de GPU y rendimiento.
Copiar y renombrar: ollama cp
cp asigna un nuevo nombre a un modelo existente; se usa a menudo para renombrar o conservar una instantánea.
Ejemplo
ollama cp qwen3.5:4b ejemplo-test
# Úsalo como un modelo normal
ollama run ejemplo-test
Tiene un truco avanzado muy práctico: "prestar el nombre" al modelo.
Algunas herramientas tienen el nombre del modelo fijo (por ejemplo, gpt-3.5-turbo); usando cp para copiar el modelo local con ese nombre, estas herramientas pueden usar directamente el modelo local:
Ejemplo
ollama cp qwen3.5 gpt-3.5-turbo
cp se completa casi al instante, porque solo crea una nueva entrada en la lista de nombres de modelos que apunta al archivo del modelo original; no copia una segunda copia de varios GB en el disco.
Eliminar modelos y limpieza de disco: ollama rm
rm elimina modelos locales; es la solución al problema de que la biblioteca de modelos "solo entra y no sale".
Ejemplo
ollama rm qwen3.5:0.8b
$ ollama rm qwen3.5:0.8b deleted 'qwen3.5:0.8b'
El flujo recomendado para limpiar el disco es: primero usa ollama list para encontrar los modelos que sean grandes y ya no se usen, y luego elimínalos uno a uno con rm.
Si varias etiquetas comparten el mismo conjunto de archivos subyacentes, eliminar una de ellas no afecta al uso normal de las demás.
Recuerda también gestionar los modelos a los que se les "prestó" un nombre con cp: después de eliminar el modelo original, las copias con el nombre prestado siguen existiendo y ocupando espacio; no dejes que se conviertan en agujeros negros invisibles de disco.
Detener modelos y el mecanismo de residencia keep-alive
Primero veamos un diagrama del ciclo de vida del modelo; así quedará claro de un vistazo en qué paso actúa cada comando de gestión.
El mecanismo clave es keep-alive: cuando termina la conversación, el modelo no se descarga inmediatamente, sino que permanece residente en memoria o memoria de video durante 5 minutos por defecto.
Si se realiza una nueva solicitud dentro de esos 5 minutos, la respuesta ya no tendrá la espera de carga del modelo; si no hay nuevas solicitudes pasado ese tiempo, se descarga automáticamente y se libera la memoria.
Si quieres que el modelo libere recursos de inmediato, usa el comando stop para descargarlo manualmente:
Ejemplo
ollama stop qwen3.5:4b
Hay tres formas de ajustar la duración de residencia:
| Método | Procedimiento | Escenario aplicable |
|---|---|---|
| Cambiar el valor predeterminado global | Configurar la variable de entorno OLLAMA_KEEP_ALIVE, por ejemplo 30m, 2h | El servidor desea una política de residencia unificada |
| Especificar por solicitud | Al llamar a la API, pasar el parámetro keep_alive; por ejemplo, -1 indica residencia permanente sin descarga | La capa de aplicación trata de manera diferenciada a los distintos modelos |
| Descarga inmediata | ollama stop nombre_del_modelo | Liberar temporalmente memoria de video para otras tareas |