Ollama Cloud Explicado: Modelos en la nube, planes y autohospedaje

«Ollama Cloud» ahora significa dos cosas diferentes. La primera es el servicio propio de Ollama: modelos en la nube que se ejecutan en los servidores de Ollama, pagados por token o a través de un plan mensual, al que accedes desde la app de Ollama, la CLI o una API que utiliza el mismo /api/chat formato de solicitud que Ollama local. El segundo es auto-hospedaje: ejecutar el servidor Ollama de código abierto en una instancia GPU que alquilas de AWS, Google Cloud, Azure u otro proveedor, pagado por hora. Esta guía cubre ambos, cómo sus costos se comparan con GPUs locales y APIs hospedadas, y qué sacrificas en privacidad y control.

Qué significa Ollama Cloud

Cuando las personas dicen «Ollama cloud», se refieren a una de tres cosas:

1. los modelos cloud propios de Ollama: un servicio hospedado ejecutado por Ollama. Los modelos se ejecutan en la infraestructura de Ollama, que según su página de precios está ubicada principalmente en Estados Unidos, y pagas por token o a través de un plan mensual. La siguiente sección lo cubre.
2. Ollama autohospedado en máquinas virtuales en la nube: Alquila una máquina virtual con GPU de AWS EC2, Google Compute Engine, Azure, Lambda Labs o RunPod, instala Ollama usted mismo y ejecuta modelos allí. Usted gestiona la instancia, pero no adquiere hardware físico.
3. Servicios gestionados de Ollama: Plataformas de terceros que preinstalan Ollama, manejan el escalado y te facturan por solicitud o por minuto. Estas son menos comunes y típicamente construidas sobre el enfoque de auto-hospedaje.

Los tres contrastan con ejecutar Ollama localmente en tu propio escritorio o servidor. Cuando te auto-hospedas, el binario de Ollama, la biblioteca de modelos, la CLI y la API se mantienen idénticas y solo cambia la ubicación de ejecución; el cloud propio de Ollama ofrece su propia lista de modelos hospedados.

Modelos Cloud Oficiales de Ollama

la documentación en la nube describe los modelos en la nube como una forma de ejecutar modelos en los servidores de Ollama desde tus aplicaciones o tu terminal, sin necesidad de descargarlos primero. Hay dos formas de hacerlo:

• Desde la aplicación Ollama o CLI. Ejecutar ollama (o abre la aplicación), sigue las indicaciones de configuración e inicia sesión. Los modelos en la nube llevan una etiqueta cloud; el ejemplo de la documentación es gemma4:cloud.
• Directamente a través de la API. Crea una clave en ollama.com/settings/keys, establécela como OLLAMA_API_KEY, y envía solicitudes a https://ollama.com/api/chat con un Authorization: Bearer encabezado. No se requiere instalación local, el texto de respuesta está en message.content, y los nombres de los modelos provienen de https://ollama.com/api/tags. Ollama dice que también funcionan clientes compatibles con OpenAI y Anthropic, con cobertura parcial de API.

export OLLAMA_API_KEY="your_api_key"
curl https://ollama.com/api/chat -H "Authorization: Bearer $OLLAMA_API_KEY" -H "Content-Type: application/json" -d '{"model": "gemma4:31b", "messages": [{"role": "user", "content": "Hello"}], "stream": false}'

Planes listados en la página de precios de Ollama, consultado el 6 de noviembre de 2026 (dólares estadounidenses):

Plan	Precio	Uso en la nube incluido	Solicitudes simultáneas
Pago por uso	$0, sin suscripción	Pago por token con créditos de uso	3
Pro	$20/mes o $200/año	$60 de créditos de uso al mes	3
Máximo	$100/mes	$300 de créditos de uso al mes	10
Team (acceso temprano)	$500/mes	$1,000 de créditos de uso al mes, compartidos por el equipo	10
Empresa	Personalizado	Precios por volumen	No aparece listado

Los créditos de uso incluidos se reinician cada mes y no se acumulan. Las solicitudes que superan tu límite de concurrencia esperan en una cola de tamaño fijo y se rechazan una vez que está llena; ejecutar modelos en tu propio hardware sigue siendo ilimitado. Sobre privacidad, la documentación de Ollama dice que procesa las indicaciones y respuestas en la nube para responder a tus solicitudes y no las utiliza para entrenar modelos. Si solo quieres modelos locales, Ollama Preguntas frecuentes explica cómo desactivar las características en la nube.

Ollama Auto-Hospedado en una VM Cloud vs Ollama Local

Dimensión	Ollama local	Ollama en la nube
Coste del hardware	Compra anticipada de GPU	Alquiler por horas; la tarifa depende de la GPU, la región y el nivel (consulta la sección de precios)
Velocidad de inferencia	Depende de su GPU; sin latencia de red	Depende de la GPU alquilada; añade una ronda de viaje de red a cada solicitud
Privacidad	Los prompts nunca salen de su equipo	Los prompts y las respuestas viajan por la red; el proveedor en la nube ve los metadatos del tráfico
Escalabilidad	Fija según su hardware	Puede iniciar instancias más grandes o adicionales bajo demanda
Mantenimiento	Usted gestiona el sistema operativo, los controladores y las actualizaciones de Ollama	Usted gestiona la máquina virtual (si la hospeda usted mismo) o la plataforma lo hace por usted (en servicios gestionados)
Disponibilidad	Depende del tiempo de actividad de su equipo	Si mantiene la instancia en ejecución, estará siempre disponible; paga también por el tiempo de inactividad

La experiencia funcional es idéntica. Un script que llama a curl http://localhost:11434/api/generate funciona sin cambios si sustituye localhost por la dirección IP pública de su instancia en la nube.

Compatibilidad de CLI y API

La CLI y la API REST de Ollama son independientes del transporte. Para configurar la CLI para que apunte a una instancia en la nube en lugar de a un servidor local:

export OLLAMA_HOST=http://203.0.113.42:11434
ollama run llama3.1:8b

Sustituya 203.0.113.42 por la dirección IP pública de su máquina virtual en la nube. El modelo se descarga a la instancia en la nube y la inferencia se ejecuta allí. Su terminal recibe las respuestas mediante transmisión por red.

Para clientes de la API, cambie la URL base:

curl http://203.0.113.42:11434/api/generate -d '{
  "model": "llama3.1:8b",
  "prompt": "Explica las redes neuronales en una sola oración."
}'

Todos los puntos finales (/api/generate, /api/chat, /api/embeddings) se comportan de forma idéntica. Las bibliotecas cliente (Python, JavaScript, Go) aceptan un parámetro personalizado de host:

import ollama
client = ollama.Client(host='http://203.0.113.42:11434')
response = client.chat(model='llama3.1:8b', messages=[...])

No se requieren cambios en el código más allá de la URL del punto final.

Qué modelos están disponibles

Cuando haces auto-alojamiento, cada modelo en la biblioteca de Ollama funciona en una instancia en la nube. El Lista de modelos de Ollama incluye Llama 3.1, Mistral, Gemma 2, Qwen, Phi, DeepSeek, y docenas de otros. La disponibilidad de modelos no está restringida por la ubicación donde se ejecute Ollama.

La limitación radica en la VRAM de la GPU. Una instancia en la nube con una NVIDIA L4 (24 GB de VRAM) puede ejecutar los mismos modelos cuantizados que una RTX 4090 local. Una instancia más pequeña con 16 GB de VRAM queda limitada a modelos más pequeños o a una cuantización más agresiva, tal como ocurre con el hardware local. Utilice la Calculadora de VRAM para determinar qué tipo de instancia necesita para un modelo y nivel de cuantización determinados.

Precios: nube frente a local frente a servicios de API

Los precios de GPU en la nube cambian frecuentemente y varían según la región y el nivel (bajo demanda, spot o comunidad), así que consulta la página de precios del proveedor antes de presupuestar. Dos ejemplos, verificados el 6 de noviembre de 2026:

• RunPod: su página de precios lista un pod RTX 4090 (24 GB) a $0,89 por hora en Secure Cloud y $0,34 por hora en Community Cloud, y un A40 a $0,59 por hora en Secure Cloud.
• AWS: un g5.xlarge instancia tiene una GPU NVIDIA A10G con 24 GB de memoria, suficiente para modelos de 7B y 8B; la tarifa por hora para tu región está en la página de precios EC2 bajo demanda.

Ejecutar una instancia las 24 horas del día cuesta su tarifa por hora multiplicada por aproximadamente 730 horas al mes, así que el pod RTX 4090 de $0,89 por hora mencionado arriba cuesta aproximadamente $650 al mes. Con ese nivel de uso, comprar una tarjeta comparable propia puede pagarse a sí misma en cuestión de meses. El calculadora de autohospedaje frente a API analiza esto para distintos patrones de uso.

El punto de equilibrio varía según el nivel de utilización:

• Uso intensivo (8+ horas/día): El hardware local se paga a sí mismo en cuestión de meses.
• Uso intermitente (unas pocas horas/semana): Las instancias en la nube resultan más ventajosas: solo paga por las horas activas.
• Cargas de trabajo puntuales (burst): En la nube puede alquilar una GPU de gama alta para una tarea breve sin necesidad de adquirirla.

Compáralo con servicios API alojados como OpenAI, Anthropic o Groq, que cobran por token. Las APIs alojadas también sirven modelos abiertos pequeños como Llama 3.1 8B, y sus tarifas por token varían ampliamente entre proveedores. Si eso es más económico que Ollama en la nube depende de tu volumen de solicitudes y longitud de respuesta promedio. El Calculadora de costos de API detalla estos costos según el modelo y el uso mensual.

Privacidad y control de los datos

Ejecutar Ollama localmente implica que sus indicaciones (prompts), las salidas de los modelos y cualquier documento que procese nunca abandonan su equipo. Esto es fundamental en sectores regulados (sanidad, legal, finanzas) o cuando se trabaja con datos propietarios.

Ejecutar Ollama en una máquina virtual (VM) en la nube introduce los siguientes riesgos:

• Tránsito por red: Las indicaciones y respuestas viajan entre su cliente y la instancia en la nube, posiblemente a través de Internet público, a menos que utilice una VPN o una red privada.
• Acceso del proveedor en la nube: AWS, Google y Azure tienen acceso técnico a la memoria y al disco de su VM. Aunque contractualmente se comprometen a no inspeccionar los datos de los clientes, dicha posibilidad sigue existiendo.
• Registros (logs) y metadatos: Los proveedores en la nube registran conexiones de red, llamadas a sus APIs de gestión y eventos de facturación. Estos registros revelan cuándo está realizando inferencias y cuánta potencia computacional está utilizando, incluso si no acceden al contenido de las indicaciones.
• Residencia de los datos: Su VM se ejecuta en una región específica de AWS o en una zona de GCP. Si su marco normativo restringe la ubicación de los datos, deberá elegir una región acorde.

Si tu modelo de amenaza incluye actores de estados nacionales o citaciones a proveedores de nube, la inferencia local es la única opción. Si estás optimizando el costo y la conveniencia y tus datos no son sensibles, el alojamiento en la nube es viable.

Cuándo elegir la nube en lugar de hardware local

Elegir Ollama en la nube cuando:

• Necesita acceder a modelos de lenguaje de gran tamaño (LLM), pero no dispone de una GPU ni puede justificar el costo inicial de adquirir una GPU capaz.
• Su uso es intermitente —unas pocas horas por semana o por mes— y prefiere pagar por la potencia computacional únicamente mientras la utiliza.
• Necesita escalar temporalmente para una tarea masiva y luego reducir la capacidad nuevamente.
• Está realizando pruebas preliminares y desea probar distintos tipos de GPU (16 GB, 24 GB, 40 GB) antes de comprometerse con una compra de hardware.
• Está desarrollando un servicio que requiere disponibilidad continua (24/7) y redundancia, y gestionar su propio hardware de servidor no es factible.

Elegir Ollama local cuando:

• Ya posee una GPU con 12 GB o más de VRAM, o está dispuesto a adquirirla.
• Ejecuta inferencias diariamente durante varias horas; el hardware se amortiza rápidamente.
• La privacidad es un requisito ineludible: sus datos no pueden salir de sus instalaciones.
• Desea eliminar por completo los costos por solicitud y contar con gastos predecibles.
• Se encuentra desconectado o en una red con restricciones de acceso saliente.

El calculadora de autohospedaje frente a API te permite ingresar tu uso mensual esperado (horas de inferencia, número de solicitudes, tokens promedio por solicitud) y comparar el costo de comprar una GPU, alquilar una instancia en la nube o usar un servicio API alojado. Ejecútalo con tus propios números antes de alquilar o comprar.

Configuración de Ollama en una instancia en la nube

El procedimiento es idéntico en todos los proveedores: inicie una instancia con GPU, acceda mediante SSH, instale Ollama y exponga el puerto 11434.

AWS EC2

1. Inicie una g5.xlarge o g5.2xlarge instancia (Ubuntu 22.04 LTS, GPU NVIDIA A10G).
2. Acceda mediante SSH a la instancia: ssh -i su-clave.pem ubuntu@<dirección-ip-de-la-instancia>
3. Instale Ollama: curl -fsSL https://ollama.com/install.sh | sh
4. Inicie Ollama: ollama serve (o configúrelo como un servicio systemd).
5. Descargue un modelo: ollama pull llama3.1:8b
6. Configure el grupo de seguridad para permitir tráfico TCP entrante en el puerto 11434 desde su dirección IP.

Google Cloud Platform

1. Cree una VM de Compute Engine con GPU T4 o A100 (seleccione una familia de máquinas compatibles con GPU).
2. Acceda mediante SSH desde la consola de GCP o gcloud compute ssh.
3. Instale Ollama: curl -fsSL https://ollama.com/install.sh | sh
4. Inicie Ollama: ollama serve
5. Actualice las reglas del cortafuegos para permitir TCP 11434 desde su rango de direcciones IP.

Lambda Labs o RunPod

1. Alquile una instancia con una GPU RTX 4090 o A10.
2. Conéctese mediante SSH usando las credenciales proporcionadas.
3. Instale Ollama: curl -fsSL https://ollama.com/install.sh | sh
4. Inicie Ollama y descargue los modelos como se indicó anteriormente.

Para uso en producción, ejecute Ollama como un servicio systemd para que se reinicie automáticamente tras un reinicio, y utilice un proxy inverso (Nginx o Caddy) con TLS si lo expone a Internet público.

Cualquier proveedor: La imagen oficial de Docker

En cualquier host GPU que ejecute Docker, la guía de Docker de Ollama inicia el servidor con un comando, una vez que esté instalado el NVIDIA Container Toolkit y Docker esté configurado para usar el controlador NVIDIA:

docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

El volumen nombrado mantiene los modelos descargados cuando se reemplaza el contenedor. Si publicas el puerto 11434 más allá del host, coloca autenticación frente a él, como se describe en la pregunta de seguridad a continuación.

Consideraciones de rendimiento

Las instancias en la nube añaden latencia de red. Una instancia en la nube suma el viaje de ida y vuelta desde tu máquina al centro de datos a cada solicitud, y ese retraso crece con la distancia, así que elige una región cerca de ti y de tus usuarios. Para chat interactivo, esto es perceptible pero no incapacitante. Para cargas de trabajo por lotes, es insignificante.

La velocidad de generación de tokens depende de la GPU, no de su ubicación. Una GPU A10G en AWS genera tokens a la misma velocidad que una A10G en su escritorio. Sin embargo, las instancias en la nube pueden verse afectadas por el «efecto vecino ruidoso»: otras máquinas virtuales en el mismo host físico pueden degradar el rendimiento. Las instancias dedicadas o el alquiler de GPUs bare-metal eliminan este problema, pero tienen un coste mayor.

Dos configuraciones importan más que el proveedor. La primera es la longitud del contexto: el Preguntas frecuentes de Ollama da la ventana de contexto predeterminada como 4096 tokens y muestra cómo aumentarla para todo el servidor con OLLAMA_CONTEXT_LENGTH=8192 ollama serve, o por modelo con el num_ctx parámetro (consulta el referencia de Modelfile). Una ventana más grande utiliza más VRAM. La segunda es dónde se cargó realmente un modelo, que ollama ps muestra: según la misma FAQ, la columna Processor muestra una división como 48%/52% CPU/GPU cuando parte del modelo no cabía en la GPU, lo que ralentiza la generación significativamente. Las instancias spot o anticipables cuestan menos que las bajo demanda pero pueden ser reclamadas con poco aviso, así que guárdalas para trabajos por lotes que puedan reiniciarse.

Preguntas Frecuentes

¿Existe un servicio oficial de Ollama Cloud?

Sí. Ollama ejecuta sus propios modelos en la nube, que puedes usar desde la aplicación o CLI de Ollama después de iniciar sesión, o a través de la API en https://ollama.com/api/chat con una clave API. Su página de precios (verificado el 6 de noviembre de 2026) ofrece uso de pago por uso sin suscripción, además de planes Pro ($20 al mes) y Max ($100 al mes) que incluyen créditos de uso mensual. Aún puedes auto-alojar el servidor de código abierto en una GPU alquilada en su lugar.

¿Puedo usar Ollama Cloud con los mismos modelos que ejecuto localmente?

En una instancia en la nube auto-alojada, sí: cualquier modelo que extraigas con ollama pull funciona localmente allí. La nube propia de Ollama tiene una lista separada de modelos alojados, publicada en https://ollama.com/api/tags. La única restricción es VRAM: asegúrate de que tu GPU en la nube tenga suficiente memoria para el modelo y nivel de cuantización que desees. Consulta Requisitos de VRAM por modelo para asociar modelos con tipos de instancias.

¿Cómo protejo Ollama cuando se ejecuta en una instancia en la nube?

De forma predeterminada, Ollama escucha en 127.0.0.1:11434, lo cual no es accesible desde fuera de la máquina virtual. Para exponerlo, establezca OLLAMA_HOST=0.0.0.0:11434 antes de iniciar el servidor. Luego restrinja el acceso mediante las reglas del cortafuegos de la nube (grupos de seguridad de AWS, reglas de cortafuegos de GCP) para permitir únicamente su dirección IP o su VPN. Para entornos de producción, coloque Ollama detrás de un proxy inverso con TLS y autenticación (autenticación HTTP básica, claves API u OAuth). Nunca exponga un servidor Ollama sin autenticación a Internet público: esto permitiría a cualquier persona ejecutar modelos arbitrarios a su costa.

¿Qué resulta más económico: usar Ollama en una GPU en la nube o la API de OpenAI?

Depende del uso. Una GPU alquilada cuesta lo mismo por hora ya sea que esté ocupada o inactiva, así que su costo por millón de tokens es la tarifa por hora dividida por los millones de tokens que realmente genera en esa hora. Mantenida ocupada con muchas solicitudes, puede ser más económica que los precios de API por token para modelos del mismo tamaño; usada ligeramente, cada token cuesta mucho más que en una API que solo factura por lo que usas. Las APIs alojadas también manejan escalado, tiempo de actividad y actualizaciones de modelos para ti. Usa el calculadora de autohospedaje frente a API para modelar su carga de trabajo específica.

¿Hace que ejecutar Ollama en la nube reduzca la privacidad de mis datos?

Sí, en comparación con la inferencia completamente local. Tus indicaciones y las salidas del modelo viajan por la red y llegan a una VM a la que el proveedor de la nube tiene acceso root. Si la privacidad es crítica —manipulando datos de salud protegidos por HIPAA, documentos legales bajo privilegio abogado-cliente, o código propietario— ejecuta Ollama localmente. Si tus datos no son sensibles o confías en los compromisos contractuales de tu proveedor de nube, el alojamiento en la nube es un intercambio razonable por costo y conveniencia.

¿Puedo ejecutar varios modelos en una sola instancia en la nube?

Sí, siempre que la instancia tenga suficiente VRAM para mantener todos los modelos simultáneamente en memoria. Ollama carga los modelos bajo demanda y los mantiene en la VRAM hasta que la presión de memoria los expulsa. Una instancia de 24 GB puede alojar simultáneamente Llama 3.1 8B (aproximadamente 8 GB con cuantización Q8) y Mistral 7B (de tamaño similar). Cambiar entre modelos ya cargados es instantáneo; cargar un nuevo modelo desde el disco tarda unos segundos.