{"id":789,"date":"2026-06-06T01:59:12","date_gmt":"2026-06-06T01:59:12","guid":{"rendered":"https:\/\/convly.ai\/how-to-install-ollama-2026\/"},"modified":"2026-08-01T06:47:16","modified_gmt":"2026-08-01T06:47:16","slug":"how-to-install-ollama-2026","status":"publish","type":"post","link":"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/","title":{"rendered":"C\u00f3mo instalar Ollama en 2026: Mac, Windows y Linux (paso a paso)"},"content":{"rendered":"<p>Instalar Ollama es realmente una tarea de dos minutos en todos los sistemas operativos principales. Esta gu\u00eda te proporciona los pasos exactos para Mac, Windows y Linux, te muestra c\u00f3mo ejecutar tu primer modelo y aborda los pocos errores con los que realmente se encuentran los usuarios.<\/p>\n<p>\u00bfEres nuevo en esta herramienta? Comienza con <a href=\"https:\/\/convly.ai\/es\/what-is-ollama-complete-guide-2026\/\">qu\u00e9 es Ollama y c\u00f3mo funciona<\/a>, luego regresa aqu\u00ed para instalarlo.<\/p>\n<p><!--geo-block--><\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_85 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a7471a58ae10\" 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-6a7471a58ae10\"  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\/how-to-install-ollama-2026\/#Quick_answer_How_do_you_install_Ollama\" >Quick answer: How do you install Ollama?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Before_you_install_can_your_machine_run_it\" >Antes de instalar: \u00bfpuede tu equipo ejecutarlo?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Install_on_macOS\" >Instalar en macOS<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Install_on_Windows\" >Instalar en Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Install_on_Linux\" >Instalar en Linux<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Run_your_first_model\" >Ejecuta tu primer modelo<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Verify_the_API_is_running\" >Verifica que la API se est\u00e9 ejecutando<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Common_install_problems_and_fixes\" >Problemas comunes durante la instalaci\u00f3n y sus soluciones<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Configure_Ollama_after_install_storage_memory_and_a_UI\" >Configurar Ollama tras la instalaci\u00f3n: almacenamiento, memoria e interfaz gr\u00e1fica<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#FAQ\" >Preguntas frecuentes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Bottom_line\" >Conclusi\u00f3n<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/convly.ai\/es\/how-to-install-ollama-2026\/#Related_articles\" >Art\u00edculos relacionados<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Quick_answer_How_do_you_install_Ollama\"><\/span>Quick answer: How do you install Ollama?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Installing Ollama is a download-and-run process that takes around two minutes on every major operating system. On macOS, download the app from ollama.com or run <code>brew install ollama<\/code>; on Windows, run the official installer, which is native and needs no WSL; on Linux, run the one-liner <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>. Then pull and run your first model with <code>ollama run gemma4<\/code>, and confirm it works when the local API answers at <code>http:\/\/localhost:11434<\/code>.<\/p>\n<ul>\n<li><strong>macOS:<\/strong> download the app from ollama.com or run <code>brew install ollama<\/code>.<\/li>\n<li><strong>Windows:<\/strong> run the official <code>.exe<\/code> installer \u2014 native, no WSL required \u2014 then check <code>ollama --version<\/code>.<\/li>\n<li><strong>Linux:<\/strong> un solo comando: <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>.<\/li>\n<li><strong>First model to run:<\/strong> <code>ollama run gemma4<\/code> downloads and runs a strong all-rounder in a single command.<\/li>\n<li><strong>RAM you need:<\/strong> roughly as much free RAM (or VRAM) as the quantized model size \u2014 around 4\u20135 GB for a 7B model and about 8 GB for a 13B model.<\/li>\n<\/ul>\n<div class=\"convly-tldr\">\n<h3>Conclusiones clave<\/h3>\n<ul>\n<li><strong>Mac:<\/strong> descarga la aplicaci\u00f3n desde ollama.com o <code>brew install ollama<\/code>.<\/li>\n<li><strong>Windows:<\/strong> descarga y ejecuta el instalador oficial: nativo, sin necesidad de WSL.<\/li>\n<li><strong>Linux:<\/strong> un solo comando: <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>.<\/li>\n<li><strong>Primer modelo:<\/strong> <code>ollama run gemma4<\/code> descarga y ejecuta un modelo equilibrado y potente.<\/li>\n<li><strong>Verifica que funcione:<\/strong> la API responde en <code>http:\/\/localhost:11434<\/code>.<\/li>\n<\/ul>\n<\/div>\n<h2><span class=\"ez-toc-section\" id=\"Before_you_install_can_your_machine_run_it\"><\/span>Antes de instalar: \u00bfpuede tu equipo ejecutarlo?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama en s\u00ed es muy ligero, pero los <em>modelos<\/em> modelos no lo son. Una regla pr\u00e1ctica r\u00e1pida: necesitas aproximadamente tanta memoria RAM libre (o VRAM) como el tama\u00f1o del modelo cuantizado \u2014unos 4\u20135 GB para un modelo de 7B, 8 GB para un modelo de 13B y mucho m\u00e1s para los modelos grandes. Si no est\u00e1s seguro de qu\u00e9 puede manejar tu hardware, consulta nuestra <a href=\"https:\/\/convly.ai\/es\/ollama-system-requirements-2026\/\">gu\u00eda de requisitos del sistema para Ollama<\/a> primero, para elegir un modelo que realmente se ajuste a tus capacidades.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Install_on_macOS\"><\/span>Instalar en macOS<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La ruta m\u00e1s sencilla es la aplicaci\u00f3n nativa:<\/p>\n<ol>\n<li>Ve a <strong>ollama.com\/download<\/strong> y descarga la aplicaci\u00f3n para macOS.<\/li>\n<li>Abre el archivo <code>.dmg<\/code> y arrastra Ollama a la carpeta Aplicaciones.<\/li>\n<li>In\u00edcialo: Ollama se ejecuta en segundo plano y el comando <code>ollama<\/code> queda disponible en tu terminal.<\/li>\n<\/ol>\n<p>\u00bfPrefieres la l\u00ednea de comandos? Usa Homebrew:<\/p>\n<pre><code>brew install ollama\n<\/code><\/pre>\n<p>En equipos con chips Apple Silicon (M1\u2013M5), Ollama utiliza autom\u00e1ticamente la GPU mediante el backend MLX de Apple (desde la versi\u00f3n v0.19), por lo que obtienes inferencia r\u00e1pida sin necesidad de configuraci\u00f3n adicional.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Install_on_Windows\"><\/span>Instalar en Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama se ejecuta de forma nativa en Windows: ya no necesitas WSL:<\/p>\n<ol>\n<li>Descarga el instalador para Windows desde <strong>ollama.com\/download<\/strong>.<\/li>\n<li>Ejecuta el archivo <code>.exe<\/code> y sigue las instrucciones.<\/li>\n<li>Abrir <strong>PowerShell<\/strong> o <strong>S\u00edmbolo del sistema<\/strong> y escribe <code>ollama --version<\/code> para confirmar que se ha instalado correctamente.<\/li>\n<\/ol>\n<p>Si tienes una GPU NVIDIA, Ollama la detecta autom\u00e1ticamente y utiliza CUDA. No se requieren ajustes complejos de los controladores, siempre que tus controladores de GPU est\u00e9n actualizados.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Install_on_Linux\"><\/span>Instalar en Linux<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Un solo comando lo hace todo:<\/p>\n<pre><code>curl -fsSL https:\/\/ollama.com\/install.sh | sh\n<\/code><\/pre>\n<p>Esto instala Ollama y lo configura como un servicio <code>systemd<\/code> que se inicia autom\u00e1ticamente al arrancar. Para confirmar que est\u00e1 en ejecuci\u00f3n:<\/p>\n<pre><code>systemctl status ollama\n<\/code><\/pre>\n<p>En Ubuntu y la mayor\u00eda de las distribuciones, el instalador detecta autom\u00e1ticamente las GPUs NVIDIA y AMD y configura el backend adecuado. En el caso espec\u00edfico de tarjetas AMD, aseg\u00farate de tener instalado ROCm; consulta nuestro an\u00e1lisis detallado sobre <a href=\"https:\/\/convly.ai\/es\/amd-rocm-vs-nvidia-cuda-2026\/\">ROCm frente a CUDA<\/a> para conocer el estado del soporte de AMD en 2026.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Run_your_first_model\"><\/span>Ejecuta tu primer modelo<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Una vez instalado Ollama, puedes descargar y ejecutar un modelo con un solo comando:<\/p>\n<pre><code>ollama run gemma4\n<\/code><\/pre>\n<p>En la primera ejecuci\u00f3n se descarga el modelo (varios gigabytes) y luego se abre un prompt interactivo de chat. Escribe una pregunta y obt\u00e9n una respuesta \u2014todo localmente, en tu propia m\u00e1quina. Algunos comandos \u00fatiles son:<\/p>\n<ul>\n<li><code>ollama list<\/code> \u2014 muestra los modelos que ya has descargado.<\/li>\n<li><code>ollama pull qwen3<\/code> \u2014 descarga un modelo sin ejecutarlo.<\/li>\n<li><code>ollama rm gemma4<\/code> \u2014 elimina un modelo para recuperar espacio en disco.<\/li>\n<li><code>ollama ps<\/code> \u2014 muestra qu\u00e9 modelos est\u00e1n actualmente cargados en memoria.<\/li>\n<\/ul>\n<p>\u00bfNo est\u00e1s seguro de qu\u00e9 modelo elegir para empezar? Nuestra gu\u00eda sobre los <a href=\"https:\/\/convly.ai\/es\/best-local-llms-to-run-on-ollama-2026\/\">mejores LLM locales en Ollama<\/a> relaciona modelos con casos de uso y hardware espec\u00edficos.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Verify_the_API_is_running\"><\/span>Verifica que la API se est\u00e9 ejecutando<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama expone una API REST en el puerto 11434. Para confirmar que est\u00e1 activa, ejecuta:<\/p>\n<pre><code>curl http:\/\/localhost:11434\/api\/tags\n<\/code><\/pre>\n<p>Una respuesta JSON que enumera tus modelos significa que todo funciona correctamente. Este punto final es con el que se comunicar\u00e1n tus propias aplicaciones; adem\u00e1s, como Ollama ofrece una API compatible con OpenAI, gran parte del c\u00f3digo existente funcionar\u00e1 simplemente cambiando la URL base.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Common_install_problems_and_fixes\"><\/span>Problemas comunes durante la instalaci\u00f3n y sus soluciones<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><strong>\u00abollama: comando no encontrado\u00bb (Mac\/Linux):<\/strong> la aplicaci\u00f3n se ha instalado, pero no est\u00e1 en tu variable de entorno <code>PATH<\/code>. En Mac, aseg\u00farate de haber iniciado la aplicaci\u00f3n al menos una vez; en Linux, abre una nueva terminal tras la instalaci\u00f3n.<\/li>\n<li><strong>Las descargas de modelos son lentas o se interrumpen:<\/strong> Ollama descarga archivos grandes; una descarga interrumpida suele resolverse ejecutando nuevamente <code>ollama pull &lt;modelo&gt;<\/code> \u2014el proceso se reanuda desde donde se qued\u00f3, sin reiniciar desde cero.<\/li>\n<li><strong>La GPU no se est\u00e1 utilizando:<\/strong> comprueba <code>ollama ps<\/code> \u2014si muestra un uso del 100 % de la CPU, es posible que tus controladores de GPU est\u00e9n desactualizados o que el modelo sea demasiado grande para caber en la VRAM, por lo que se ha trasladado parcialmente a la CPU. Prueba con un modelo m\u00e1s peque\u00f1o o m\u00e1s cuantizado.<\/li>\n<li><strong>Errores de \u00abmemoria insuficiente\u00bb:<\/strong> el modelo es m\u00e1s grande que la RAM\/VRAM disponible. Descarga una versi\u00f3n con menor cuantizaci\u00f3n (busca variantes etiquetadas como <code>q4<\/code> ), o bien un modelo de tama\u00f1o reducido. Nuestra <a href=\"https:\/\/convly.ai\/es\/ollama-system-requirements-2026\/\">gu\u00eda de requisitos del sistema<\/a> gu\u00eda de compatibilidad de modelos<\/li>\n<li><strong>indica qu\u00e9 modelos caben en cada tipo de hardware.<\/strong> El puerto 11434 ya est\u00e1 en uso:<code>ollama ps<\/code> hay otra instancia de Ollama en ejecuci\u00f3n. Det\u00e9nla (<\/li>\n<\/ul>\n<p><!--ai-enriched--><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Configure_Ollama_after_install_storage_memory_and_a_UI\"><\/span>Configurar Ollama tras la instalaci\u00f3n: almacenamiento, memoria e interfaz gr\u00e1fica<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Instalar Ollama es la parte m\u00e1s sencilla. Unos pocos ajustes determinan si pasa desapercibido o, en cambio, consume silenciosamente su disco duro y su memoria RAM. Todos ellos son variables de entorno, y su ubicaci\u00f3n depende del sistema operativo: en macOS use <strong>launchctl setenv<\/strong>, en Linux edite el servicio mediante <strong>systemctl edit ollama.service<\/strong> y agregue una l\u00ednea <code>Environment=<\/code> ; en Windows, a\u00f1ada una variable de entorno de usuario desde Configuraci\u00f3n. Reinicie Ollama tras cualquier cambio para que este surta efecto.<\/p>\n<p>Las cuatro variables m\u00e1s importantes son:<\/p>\n<ul>\n<li><strong>OLLAMA_MODELS<\/strong> \u2014 cambia la ubicaci\u00f3n donde se almacenan los modelos. Estos suelen ser muy grandes, y la ubicaci\u00f3n predeterminada est\u00e1 en la unidad del sistema (<code>~\/.ollama\/models<\/code> en macOS, <code>\/usr\/share\/ollama\/.ollama\/models<\/code> en Linux, <code>C:\\Users\\&lt;usuario&gt;\\.ollama\\models<\/code> en Windows). Apunte esta variable hacia una unidad m\u00e1s grande o m\u00e1s r\u00e1pida antes de descargar varios modelos. En Linux, aseg\u00farese de que el usuario tenga permisos de lectura y escritura sobre el nuevo directorio. <code>ollama<\/code> user puede leer y escribir el nuevo directorio.<\/li>\n<li><strong>OLLAMA_KEEP_ALIVE<\/strong> \u2014 tiempo que un modelo permanece en memoria tras una solicitud. El valor predeterminado es 5 minutos. Establ\u00e9zcalo en <code>-1<\/code> para mantener el modelo cargado en memoria y evitar retrasos en la primera solicitud, o en <code>0<\/code> para descargarlo inmediatamente y liberar la VRAM en cuanto finalice su uso.<\/li>\n<li><strong>OLLAMA_CONTEXT_LENGTH<\/strong> \u2014 tama\u00f1o de la ventana de contexto. Ollama usa por defecto un valor conservador de 4096 tokens, por lo que los documentos largos se truncan silenciosamente. Aum\u00e9ntelo (por ejemplo, a 8192 o m\u00e1s) si su modelo lo soporta, y comb\u00ednelo con <strong>OLLAMA_FLASH_ATTENTION=1<\/strong> para reducir el costo adicional de memoria.<\/li>\n<li><strong>OLLAMA_HOST<\/strong> \u2014 direcci\u00f3n a la que se enlaza el servidor. Por defecto, Ollama solo escucha en <code>127.0.0.1:11434<\/code>, por lo que ning\u00fan otro dispositivo de su red puede acceder a \u00e9l. Establ\u00e9zcalo en <code>0.0.0.0:11434<\/code> para usar Ollama desde otra m\u00e1quina, un tel\u00e9fono o un contenedor Docker.<\/li>\n<\/ul>\n<p>Una advertencia importante sobre esta \u00faltima opci\u00f3n: la API de Ollama <strong>no incluye autenticaci\u00f3n integrada<\/strong>. Enlazado a <code>0.0.0.0<\/code> significa que cualquiera capaz de acceder al puerto 11434 podr\u00e1 ejecutar modelos en su hardware. H\u00e1galo \u00fanicamente en una LAN de confianza y coloque el servicio detr\u00e1s de un proxy inverso o una regla de firewall si la m\u00e1quina est\u00e1 expuesta.<\/p>\n<p>Por \u00faltimo, la l\u00ednea de comandos es adecuada para pruebas, pero resulta tediosa para el uso diario. La soluci\u00f3n habitual es <strong>Open WebUI<\/strong>, una interfaz autohospedada estilo ChatGPT que se comunica con su instancia local de Ollama. La forma m\u00e1s r\u00e1pida es mediante Docker: el contenedor escucha internamente en el puerto 8080, as\u00ed que asigne ese puerto a uno del host usando <code>-p 3000:8080<\/code> y abra <code>http:\/\/localhost:3000<\/code>, luego config\u00farelo para que apunte a su instancia de Ollama. Obtendr\u00e1 historial de conversaciones, cambio entre modelos y carga de documentos, todo ejecut\u00e1ndose \u00edntegramente en su propia m\u00e1quina.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"FAQ\"><\/span>Preguntas frecuentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>\u00bfC\u00f3mo instalo Ollama en Windows?<\/h3>\n<p>Descarga el instalador nativo desde ollama.com\/download y ejecuta el archivo <code>.exe<\/code>. Ollama se ejecuta de forma nativa en Windows sin necesidad de WSL, y utiliza autom\u00e1ticamente una GPU NVIDIA mediante CUDA si dispones de una. Confirma la instalaci\u00f3n ejecutando <code>ollama --version<\/code> en PowerShell.<\/p>\n<h3>\u00bfC\u00f3mo instalo Ollama en Linux?<\/h3>\n<p>Ejecutar <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>. Esto instala Ollama y lo registra como un servicio systemd. Verif\u00edquelo con <code>systemctl status ollama<\/code>. El instalador detecta autom\u00e1ticamente las GPU de NVIDIA y AMD.<\/p>\n<h3>\u00bfPuedo instalar Ollama con Homebrew?<\/h3>\n<p>S\u00ed: <code>brew install ollama<\/code> funciona en macOS. La aplicaci\u00f3n nativa de ollama.com es igualmente buena e incluye una presencia en la barra de men\u00fa; la opci\u00f3n de Homebrew resulta pr\u00e1ctica si gestionas todo desde la l\u00ednea de comandos.<\/p>\n<h3>\u00bfD\u00f3nde almacena Ollama los modelos?<\/h3>\n<p>De forma predeterminada, en Mac y Linux en <code>~\/.ollama\/models<\/code>, y en Windows dentro del perfil de usuario. Los modelos pueden ocupar varios gigabytes cada uno, as\u00ed que use <code>ollama list<\/code> para supervisar qu\u00e9 ha descargado y <code>ollama rm &lt;modelo&gt;<\/code> para limpiarlos.<\/p>\n<h3>\u00bfEs seguro instalar Ollama?<\/h3>\n<p>S\u00ed. Ollama es de c\u00f3digo abierto (licencia MIT) y est\u00e1 ampliamente adoptado. Se aplica la precauci\u00f3n habitual respecto al instalador de una sola l\u00ednea para Linux: es el script oficial del proyecto, pero, si lo prefiere, puede descargar e inspeccionar <code>install.sh<\/code> antes de ejecutarlo.<\/p>\n<h3>\u00bfPor qu\u00e9 Ollama sigue cortando los prompts o documentos largos?<\/h3>\n<p>Ollama utiliza de forma predeterminada una ventana de contexto de 4096 tokens, independientemente de la capacidad real del modelo, por lo que las entradas m\u00e1s largas se truncan sin advertencia. Aum\u00e9ntela iniciando el servidor con <code>OLLAMA_CONTEXT_LENGTH<\/code> un valor mayor (por ejemplo, 8192 o m\u00e1s), hasta el l\u00edmite admitido por el modelo. Un contexto m\u00e1s amplio consume m\u00e1s memoria, as\u00ed que active <code>OLLAMA_FLASH_ATTENTION=1<\/code> para compensar ese costo y supervise su margen disponible de RAM o VRAM.<\/p>\n<h3>\u00bfC\u00f3mo accedo a Ollama desde otro equipo de mi red?<\/h3>\n<p>De forma predeterminada, Ollama solo escucha en localhost, por lo que es invisible para otros dispositivos. Establezca <code>OLLAMA_HOST=0.0.0.0:11434<\/code> y rein\u00edcielo; luego, con\u00e9ctese utilizando la direcci\u00f3n IP local (LAN) de la m\u00e1quina anfitriona en el puerto 11434. Tenga en cuenta que la API no dispone de autenticaci\u00f3n, as\u00ed que exp\u00f3ngala \u00fanicamente en una red de confianza y utilice una regla de firewall o un proxy inverso si la m\u00e1quina es accesible desde fuera de su hogar u oficina.<\/p>\n<h3>\u00bfC\u00f3mo evito que Ollama recargue el modelo en cada solicitud?<\/h3>\n<p>Ese retraso se debe a que el modelo se descarga de la memoria entre usos. Por defecto, Ollama mantiene cargado un modelo durante 5 minutos; establezca <code>OLLAMA_KEEP_ALIVE=-1<\/code> para mantenerlo cargado indefinidamente y lograr respuestas instant\u00e1neas a los prompts. La contrapartida es que el modelo ocupar\u00e1 su RAM o VRAM en todo momento, as\u00ed que use <code>0<\/code> si prefiere liberar esa memoria inmediatamente al finalizar cada solicitud.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Bottom_line\"><\/span>Conclusi\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>En cualquier sistema operativo, instalar Ollama consiste simplemente en descargarlo y ejecutarlo, lo que lleva aproximadamente dos minutos, y su primer modelo local est\u00e1 a un solo comando de distancia. Elija un modelo compatible con su hardware, confirme que la API responde en el puerto 11434, y ya tendr\u00e1 un modelo de lenguaje grande (LLM) privado y gratuito funcionando en su propia m\u00e1quina. A partir de aqu\u00ed, explore <a href=\"https:\/\/convly.ai\/es\/best-local-llms-to-run-on-ollama-2026\/\">qu\u00e9 modelos ejecutar<\/a> y <a href=\"https:\/\/convly.ai\/es\/ollama-system-requirements-2026\/\">cu\u00e1ntos recursos de hardware requiere cada uno<\/a>.<\/p>\n<p><!--related-block--><\/p>\n<div class=\"convly-related\">\n<h2><span class=\"ez-toc-section\" id=\"Related_articles\"><\/span>Art\u00edculos relacionados<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><a href=\"https:\/\/convly.ai\/es\/deepseek-v4-flash-vs-gemini-3-5-flash\/\">DeepSeek V4-Flash vs Gemini 3.5 Flash: Specs, Pricing &amp; Which to Choose (2026)<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/es\/claude-5-new-ai-models-june-2026\/\">\u00bfExiste un Claude 5? Claude Fable 5 y todos los principales modelos de IA de junio de 2026<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/es\/llm-hallucinations-complete-guide\/\">Alucinaciones de los modelos de lenguaje en 2026: por qu\u00e9 ocurren y c\u00f3mo evitarlas<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/es\/prompt-engineering-techniques\/\">Ingenier\u00eda de indicaciones en 2026: 12 t\u00e9cnicas que realmente funcionan<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/es\/what-is-ollama-complete-guide-2026\/\">\u00bfQu\u00e9 es Ollama? Gu\u00eda completa para ejecutar modelos de lenguaje de gran tama\u00f1o (LLM) localmente en 2026<\/a><\/li>\n<\/ul>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>Installing Ollama takes about two minutes on any OS. Here are the exact steps for Mac, Windows, and Linux, plus how to run your first model and fix the errors people actually hit.<\/p>","protected":false},"author":1,"featured_media":1813,"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":[3],"tags":[637,634,256,635,638,636],"class_list":["post-789","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-llms","tag-how-to-install-ollama","tag-install-ollama","tag-local-llm","tag-ollama-install","tag-ollama-setup","tag-ollama-tutorial"],"_links":{"self":[{"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/posts\/789","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=789"}],"version-history":[{"count":4,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/posts\/789\/revisions"}],"predecessor-version":[{"id":1514,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/posts\/789\/revisions\/1514"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/media\/1813"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/media?parent=789"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/categories?post=789"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/es\/wp-json\/wp\/v2\/tags?post=789"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}