{"id":2535,"date":"2026-09-01T20:12:15","date_gmt":"2026-09-01T20:12:15","guid":{"rendered":"https:\/\/convly.ai\/?p=2535"},"modified":"2026-09-01T20:12:15","modified_gmt":"2026-09-01T20:12:15","slug":"ollama-windows","status":"publish","type":"post","link":"https:\/\/convly.ai\/es\/ollama-windows\/","title":{"rendered":"Ollama para Windows: gu\u00eda de instalaci\u00f3n y configuraci\u00f3n"},"content":{"rendered":"<div class=\"convly-tldr\"><strong>En resumen:<\/strong><\/p>\n<ul>\n<li>Descarga el instalador oficial desde <code>ollama.com\/download<\/code>, ejec\u00fatalo y Ollama se instalar\u00e1 como un servicio en segundo plano<\/li>\n<li>Requiere Windows 10 o posterior y al menos 8 GB de RAM; las GPUs NVIDIA\/AMD se detectan autom\u00e1ticamente para aceleraci\u00f3n<\/li>\n<li>Ejecuta modelos con <code>ollama run &lt;modelo&gt;<\/code> desde el s\u00edmbolo del sistema o PowerShell: no se requiere configuraci\u00f3n adicional<\/li>\n<li>Los modelos se instalan de forma predeterminada en <code>%USERPROFILE%\\.ollama\\models<\/code> ; puedes cambiar esta ubicaci\u00f3n mediante la variable de entorno <code>OLLAMA_MODELS<\/code> Ollama en Windows es una aplicaci\u00f3n nativa que ejecuta modelos de lenguaje grande localmente sin necesidad de Docker ni WSL2. El instalador para Windows configura Ollama como un servicio del sistema que se inicia autom\u00e1ticamente y proporciona aceleraci\u00f3n por GPU mediante DirectML y CUDA. La instalaci\u00f3n tarda menos de dos minutos y puedes ejecutar modelos como<\/li>\n<\/ul>\n<\/div>\n<p>Ollama on Windows is a native application that runs large language models locally without Docker or WSL2. The Windows installer sets up Ollama as a system service that starts automatically and provides GPU acceleration through DirectML and CUDA. Installation takes under two minutes, and you can run models like Llama 3.3 70B or Mistral 7B immediately from the command line.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_86 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a97566a1d559\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Alternar<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a97566a1d559\"  aria-label=\"Alternar\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/es\/ollama-windows\/#System_Requirements_for_Ollama_on_Windows\" >Instalaci\u00f3n de Ollama en Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/es\/ollama-windows\/#Installing_Ollama_on_Windows\" >Compatibilidad y detecci\u00f3n de GPU<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/es\/ollama-windows\/#GPU_Support_and_Detection\" >Configuraci\u00f3n y variables de entorno<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/es\/ollama-windows\/#Running_Your_First_Model\" >Ejecutando tu primer modelo<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/es\/ollama-windows\/#Configuration_and_Environment_Variables\" >Ajuste del rendimiento<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/es\/ollama-windows\/#Performance_Tuning\" >Integraci\u00f3n con aplicaciones<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/es\/ollama-windows\/#Integrating_with_Applications\" >Pasos siguientes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/es\/ollama-windows\/#Frequently_Asked_Questions\" >Preguntas frecuentes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/convly.ai\/es\/ollama-windows\/#Next_Steps\" >Ollama requiere Windows 10 (compilaci\u00f3n 1903 o posterior) o Windows 11. Las especificaciones m\u00ednimas de hardware son:<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"System_Requirements_for_Ollama_on_Windows\"><\/span>Instalaci\u00f3n de Ollama en Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama requiere Windows 10 (compilaci\u00f3n 1903 o posterior) o Windows 11. Las especificaciones m\u00ednimas de hardware son:<\/p>\n<table>\n<thead>\n<tr>\n<th>Componente<\/th>\n<th>M\u00ednimo<\/th>\n<th>Recomendado<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Windows 10 (1903+)<\/td>\n<td>Windows 11<\/td>\n<td>16 GB o m\u00e1s<\/td>\n<\/tr>\n<tr>\n<td>RAM<\/td>\n<td>8 GB<\/td>\n<td>50+ GB para varios modelos<\/td>\n<\/tr>\n<tr>\n<td>Espacio en disco<\/td>\n<td>10 GB libres<\/td>\n<td>GPU (opcional)<\/td>\n<\/tr>\n<tr>\n<td>NVIDIA GTX 1050 o equivalente AMD<\/td>\n<td>NVIDIA RTX 3060 de 12 GB o superior<\/td>\n<td>La aceleraci\u00f3n por GPU funciona con GPUs NVIDIA (CUDA 11.8 o posterior) y GPUs AMD recientes (mediante ROCm en Windows). El instalador incluye las bibliotecas GPU necesarias; no es necesario instalar CUDA por separado. Sin GPU, Ollama recurre a la inferencia en CPU, que es 5\u201310 veces m\u00e1s lenta, pero funcional para modelos peque\u00f1os.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>La aceleraci\u00f3n mediante GPU funciona con GPUs NVIDIA (CUDA 11.8 o posterior) y GPUs AMD recientes (mediante ROCm en Windows). El instalador incluye las bibliotecas necesarias para GPU; no es necesario instalar CUDA por separado. Sin una GPU, Ollama recurre a la inferencia en CPU, que es de 5 a 10 veces m\u00e1s lenta, pero funcional para modelos m\u00e1s peque\u00f1os.<\/p>\n<p>requiere aproximadamente 4,5 GB de VRAM en cuantizaci\u00f3n de 4 bits, mientras que Llama 3.3 70B necesita unos 40 GB. Consulta la <a href=\"https:\/\/convly.ai\/es\/models\/\">Mistral 7B<\/a> para estimar los requisitos de cualquier modelo antes de descargarlo. <a href=\"https:\/\/convly.ai\/es\/llm-vram-calculator\/\">Calculadora de VRAM<\/a> El instalador oficial para Windows es un \u00fanico ejecutable que gestiona todas las dependencias:<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Installing_Ollama_on_Windows\"><\/span>Compatibilidad y detecci\u00f3n de GPU<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ejecuta el instalador \u2014se requieren privilegios de administrador<\/p>\n<ol>\n<li>Descargar <code>OllamaSetup.exe<\/code> desde <a href=\"https:\/\/ollama.com\/download\" rel=\"noopener\" target=\"_blank\">ollama.com\/download<\/a><\/li>\n<li>Acepta la licencia y haz clic en Instalar (la ubicaci\u00f3n predeterminada es<\/li>\n<li>C:\\Program Files\\Ollama <code>El instalador finaliza en 30\u201360 segundos e inicia autom\u00e1ticamente el servicio de Ollama<\/code>)<\/li>\n<li>Tras la instalaci\u00f3n, abre el s\u00edmbolo del sistema o PowerShell y verifica su correcto funcionamiento con:<\/li>\n<\/ol>\n<p>Deber\u00edas ver una salida como<\/p>\n<pre><code>ollama --version<\/code><\/pre>\n<p>ollama version 0.x.x <code>. El servicio de Ollama se ejecuta en segundo plano: ver\u00e1s un icono de Ollama en la bandeja del sistema cuando est\u00e9 activo.<\/code>Ollama detecta y utiliza autom\u00e1ticamente las GPUs disponibles en Windows. Para confirmar que la aceleraci\u00f3n por GPU est\u00e1 funcionando:<\/p>\n<h2><span class=\"ez-toc-section\" id=\"GPU_Support_and_Detection\"><\/span>Configuraci\u00f3n y variables de entorno<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama detecta y utiliza autom\u00e1ticamente las GPU disponibles en Windows. Para confirmar que la aceleraci\u00f3n por GPU est\u00e1 funcionando:<\/p>\n<pre><code>Mientras se carga el modelo, observa el Administrador de tareas (pesta\u00f1a Rendimiento). Si aparece uso de GPU bajo \u00abGPU 0\u00bb o \u00abGPU 1\u00bb, la aceleraci\u00f3n est\u00e1 activa. En la primera ejecuci\u00f3n, el modelo se descarga (entre 5 y 40 GB, seg\u00fan su tama\u00f1o) a<\/code><\/pre>\n<p>Mientras se carga el modelo, observe el Administrador de tareas (pesta\u00f1a Rendimiento). Si aparece la utilizaci\u00f3n de la GPU bajo GPU 0 o GPU 1, la aceleraci\u00f3n est\u00e1 activa. En la primera ejecuci\u00f3n se descarga el modelo (de 5 a 40 GB, seg\u00fan su tama\u00f1o) a <code>%USERPROFILE%\\.ollama\\models<\/code>Los usuarios de NVIDIA con GPUs RTX 3060 o posteriores obtienen el mejor rendimiento gracias a sus 12+ GB de VRAM y las optimizaciones de las arquitecturas Ampere\/Ada. El soporte para GPUs AMD en Windows est\u00e1 mejorando, pero a\u00fan queda atr\u00e1s respecto a NVIDIA: espera una inferencia un 20\u201330 % m\u00e1s lenta en hardware AMD equivalente. Las GPUs Intel Arc no est\u00e1n oficialmente soportadas a septiembre de 2026.<\/p>\n<p>Si Ollama no detecta tu GPU, comprueba que los controladores est\u00e9n actualizados (NVIDIA: 537.13 o posterior; AMD: Adrenalin 23.11 o posterior). Normalmente, los mensajes de error de Ollama indican si la GPU fue omitida por falta de VRAM o por controladores ausentes.<\/p>\n<p>Si Ollama no detecta su GPU, compruebe que los controladores de su GPU est\u00e9n actualizados (NVIDIA: 537.13 o posterior, AMD: Adrenalin 23.11 o posterior). Normalmente, los mensajes de error de Ollama indican si la GPU se omiti\u00f3 debido a una cantidad insuficiente de VRAM o a la falta de controladores.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Running_Your_First_Model\"><\/span>Ejecutando tu primer modelo<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>El <code>ollama run<\/code> descarga, carga e inicia una sesi\u00f3n interactiva con un modelo:<\/p>\n<pre><code>ollama run phi4<\/code><\/pre>\n<p>This downloads Microsoft&#8217;s Phi-4 (approximately 9 GB VRAM at 4-bit quantization) and opens a chat prompt. Type your question, press Enter, and the model responds locally. Exit with <code>\/adios<\/code> o Ctrl+C.<\/p>\n<p>Modelos comunes para probar en hardware Windows:<\/p>\n<table>\n<thead>\n<tr>\n<th>Modelo<\/th>\n<th>VRAM (4 bits)<\/th>\n<th>Ideal para<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Mistral 7B<\/td>\n<td>~4,5 GB<\/td>\n<td>Tareas generales, respuestas r\u00e1pidas<\/td>\n<\/tr>\n<tr>\n<td>Llama 3.1 8B<\/td>\n<td>~5 GB<\/td>\n<td>Calidad y velocidad equilibradas<\/td>\n<\/tr>\n<tr>\n<td>Phi-4<\/td>\n<td>~9 GB<\/td>\n<td>Razonamiento, tama\u00f1o compacto<\/td>\n<\/tr>\n<tr>\n<td>Llama 3.3 70B<\/td>\n<td>~40 GB<\/td>\n<td>GPU de gama alta, m\u00e1xima calidad<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Explora los modelos disponibles en <a href=\"https:\/\/convly.ai\/es\/ollama-models-list-2026\/\">Lista de modelos de Ollama<\/a> o busca en la biblioteca con <code>ollama list<\/code> despu\u00e9s de descargar al menos un modelo.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Configuration_and_Environment_Variables\"><\/span>Ajuste del rendimiento<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama lee la configuraci\u00f3n desde las variables de entorno de Windows. Establ\u00e9celas en Propiedades del sistema \u2192 Variables de entorno o en PowerShell con <code>$env:VARIABLE_NAME<\/code>.<\/p>\n<p>Variables clave:<\/p>\n<ul>\n<li><strong>OLLAMA_MODELS<\/strong>: Directorio para el almacenamiento de modelos (predeterminado: <code>%USERPROFILE%\\.ollama\\models<\/code>). C\u00e1mbialo si tu unidad C: tiene espacio limitado.<\/li>\n<li><strong>OLLAMA_HOST<\/strong>: Direcci\u00f3n del servidor (predeterminada: <code>127.0.0.1:11434<\/code>). Establ\u00e9cela en <code>0.0.0.0:11434<\/code> para aceptar conexiones de red.<\/li>\n<li><strong>OLLAMA_NUM_PARALLEL<\/strong>: N\u00famero de solicitudes simult\u00e1neas (predeterminado: 1). Aum\u00e9ntala si atiendes a varios clientes.<\/li>\n<li><strong>OLLAMA_MAX_LOADED_MODELS<\/strong>: Modelos mantenidos en VRAM (predeterminado: 1). Establ\u00e9cela en 2 o m\u00e1s si dispones de 24 GB o m\u00e1s de VRAM y deseas cambiar entre modelos al instante.<\/li>\n<\/ul>\n<p>Tras modificar las variables de entorno, reinicia el servicio Ollama desde Servicios (Win+R, escribe <code>services.msc<\/code>, busca Ollama, haz clic derecho y selecciona Reiniciar) o reinicia el equipo.<\/p>\n<p>Para mover los modelos a otra unidad, configura OLLAMA_MODELS y luego reinicia el servicio. Los modelos existentes deben descargarse nuevamente; Ollama no los migra autom\u00e1ticamente.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Performance_Tuning\"><\/span>Integraci\u00f3n con aplicaciones<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La velocidad de inferencia depende de la VRAM, el tama\u00f1o del modelo y el nivel de cuantizaci\u00f3n. Un modelo de 7 mil millones de par\u00e1metros con cuantizaci\u00f3n de 4 bits genera entre 30 y 60 tokens por segundo en una RTX 3060, mientras que los modelos de 70 mil millones de par\u00e1metros bajan a 3\u20138 tokens por segundo, a menos que dispongas de 48 GB o m\u00e1s de VRAM distribuidos entre varias GPU.<\/p>\n<p>Las configuraciones multi-GPU funcionan autom\u00e1ticamente: Ollama distribuye las capas del modelo entre las GPU detectadas. Por ejemplo, dos RTX 3090 (24 GB cada una) pueden ejecutar Llama 3.3 70B a una velocidad aceptable, mientras que una sola RTX 3090 tendr\u00eda que descargar capas a la memoria RAM del sistema y su rendimiento se ver\u00eda muy afectado.<\/p>\n<p>Si el rendimiento es m\u00e1s lento de lo esperado:<\/p>\n<ul>\n<li>Revisa el Administrador de tareas durante la inferencia: un uso de CPU superior al 30 % indica que parte del modelo est\u00e1 en la memoria RAM del sistema debido a insuficiente VRAM<\/li>\n<li>Prueba una cuantizaci\u00f3n menor (por ejemplo, <code>ollama pull mistral:7b-instruct-q4_K_M<\/code> en lugar de la predeterminada Q8)<\/li>\n<li>Cierra otras aplicaciones que usen la GPU (navegadores con aceleraci\u00f3n por hardware, juegos, editores de video)<\/li>\n<li>Actualiza los controladores de tu GPU: los controladores NVIDIA m\u00e1s recientes mejoran la velocidad de inferencia un 5\u201310 % respecto a versiones antiguas de hace seis meses<\/li>\n<\/ul>\n<p>Para actualizaciones de hardware, consulta la <a href=\"https:\/\/convly.ai\/es\/best-gpus-for-local-llms-2026\/\">mejoras GPUs para modelos de lenguaje local<\/a> gu\u00eda de comparaci\u00f3n de relaci\u00f3n precio-rendimiento entre opciones de NVIDIA y AMD.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Integrating_with_Applications\"><\/span>Pasos siguientes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama expone una API REST en <code>localhost:11434<\/code> compatible con la estructura de la API de OpenAI. Las aplicaciones que admiten puntos finales compatibles con OpenAI pueden apuntar a Ollama con cambios m\u00ednimos.<\/p>\n<p>Ejemplo de comando curl para generar texto:<\/p>\n<pre><code>curl http:\/\/localhost:11434\/api\/generate -d '{\n  \"model\": \"mistral\",\n  \"prompt\": \"Explica Docker en una frase\"\n}'<\/code><\/pre>\n<p>Algunas integraciones populares incluyen Open WebUI (interfaz web), Continue.dev (extensi\u00f3n para VS Code) y LangChain (Python). El servicio Ollama debe estar en ejecuci\u00f3n para que funcionen las llamadas a la API; por defecto se inicia autom\u00e1ticamente al arrancar el sistema.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_Asked_Questions\"><\/span>Preguntas frecuentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>\u00bfRequiere Ollama WSL2 o Docker en Windows?<\/h3>\n<p>No. El instalador para Windows es una aplicaci\u00f3n nativa que ejecuta Ollama como un servicio de Windows sin virtualizaci\u00f3n ni contenedores. Las versiones anteriores requer\u00edan Docker, pero la versi\u00f3n nativa para Windows elimin\u00f3 esa dependencia a finales de 2024. Si instalaste Ollama antes de noviembre de 2024, desinstala la versi\u00f3n basada en Docker y descarga el instalador nativo actual.<\/p>\n<h3>\u00bfPuedo usar Ollama sin conexi\u00f3n tras descargar los modelos?<\/h3>\n<p>S\u00ed. Una vez que un modelo se ha descargado con <code>ollama pull &lt;modelo&gt;<\/code>, se almacena localmente y se ejecuta sin conexi\u00f3n a Internet. El \u00fanico requisito de red es la descarga inicial: los modelos van desde 2 GB (modelos peque\u00f1os de 7B) hasta m\u00e1s de 80 GB (modelos grandes de 70B o superiores). Tras la descarga, puedes desconectarte de la red y Ollama seguir\u00e1 funcionando normalmente.<\/p>\n<h3>\u00bfCu\u00e1l es el costo de ejecutar modelos de Ollama comparado con las APIs?<\/h3>\n<p>Ollama is free\u2014you pay only for hardware and electricity. Compare this to API costs: Claude Sonnet 5 charges $2.00 per million input tokens, so 10 million tokens (roughly 7.5 million words) costs $20. A self-hosted setup breaks even quickly if you process significant volume. Use the <a href=\"https:\/\/convly.ai\/es\/self-hosting-vs-api-calculator\/\">calculadora de autohospedaje frente a API<\/a> calculadora de punto de equilibrio para estimar cu\u00e1ndo te compensa seg\u00fan tu volumen previsto de uso.<\/p>\n<h3>\u00bfQu\u00e9 modelos funcionan mejor en GPUs de consumo?<\/h3>\n<p>Para GPU con 8\u201312 GB de VRAM (RTX 3060, 4060 Ti), Mistral 7B (~4,5 GB en cuantizaci\u00f3n de 4 bits), Llama 3.1 8B (~5 GB) y Phi-4 (~9 GB) ofrecen excelentes relaciones calidad-rendimiento. Si dispones de 16\u201324 GB (RTX 3090, 4090), Mistral NeMo 12B (~7,5 GB) e incluso Llama 3.3 70B (~40 GB con cuantizaci\u00f3n agresiva u offloading) se vuelven viables. Consulta la <a href=\"https:\/\/convly.ai\/es\/vram-requirements-every-major-llm-2026\/\">Requisitos de VRAM por modelo<\/a> lista completa.<\/p>\n<h3>\u00bfPuede Ollama utilizar simult\u00e1neamente GPUs NVIDIA y AMD?<\/h3>\n<p>No. Ollama utiliza CUDA (para NVIDIA) o ROCm (para AMD), seg\u00fan lo que detecte primero, pero no puede mezclar backends de GPU en una misma sesi\u00f3n. Si tienes tanto GPUs NVIDIA como AMD, Ollama prioriza NVIDIA. El soporte multi-GPU funciona \u00fanicamente cuando todas las GPUs usan la misma pila de controladores: dos tarjetas NVIDIA o dos tarjetas AMD, pero no una de cada tipo.<\/p>\n<h3>How do I uninstall Ollama from Windows?<\/h3>\n<p>Abre Configuraci\u00f3n \u2192 Aplicaciones \u2192 Aplicaciones instaladas, busca Ollama y haz clic en Desinstalar. Esto elimina la aplicaci\u00f3n y el servicio, pero deja los modelos en <code>%USERPROFILE%.ollama<\/code>. Elimina manualmente esa carpeta para recuperar espacio en disco. Si el servicio no se detiene durante la desinstalaci\u00f3n, abre el Administrador de tareas, busca OllamaService.exe en Procesos en segundo plano y final\u00edzalo antes de intentarlo de nuevo.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Next_Steps\"><\/span>Ollama requiere Windows 10 (compilaci\u00f3n 1903 o posterior) o Windows 11. Las especificaciones m\u00ednimas de hardware son:<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Tras instalar Ollama en Windows, explora la biblioteca completa de modelos en <a href=\"https:\/\/convly.ai\/es\/what-is-ollama-complete-guide-2026\/\">Gu\u00eda completa de Ollama<\/a> para comprender c\u00f3mo la selecci\u00f3n de modelos, la cuantizaci\u00f3n y las ventanas de contexto afectan la calidad. Para cargas de trabajo en producci\u00f3n, calcula los costos continuos de la API frente al autoalojamiento mediante la <a href=\"https:\/\/convly.ai\/es\/ai-api-cost-calculator\/\">Calculadora de costos de API<\/a> calculadora de punto de equilibrio para determinar si la inferencia local o las API en la nube se ajustan mejor a tu presupuesto y necesidades de escala.<\/p>","protected":false},"excerpt":{"rendered":"<p>TL;DR:Download the official installer from ollama.com\/download, run it, and Ollama installs as a background service Requires Windows 10+ and 8 [\u2026]<\/p>\n","protected":false},"author":1,"featured_media":2536,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[7],"tags":[],"class_list":["post-2535","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news"],"_links":{"self":[{"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/posts\/2535","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/comments?post=2535"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/posts\/2535\/revisions"}],"predecessor-version":[{"id":2537,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/posts\/2535\/revisions\/2537"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/media\/2536"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/media?parent=2535"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/categories?post=2535"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/tags?post=2535"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}