Ciclo de vida de modelos en Ollama

Qué trata este artículo sobre el ciclo de vida de modelos en Ollama

• Cómo introducir modelos de Ollama de forma deliberada.
• Cómo probar y evaluar modelos.
• Cómo actualizar y versionar modelos.
• Cómo hacer copias de seguridad y archivar.
• Cómo limpiar modelos y liberar almacenamiento.

Introducción: ciclo de vida de modelos en Ollama

Ollama facilita mucho la descarga de modelos. Sin embargo, con el tiempo se acumulan muchos de ellos, y algunos dejan de ser necesarios. Un ciclo de vida deliberado ayuda a mantener la visión general, ahorrar almacenamiento y contar siempre con los modelos adecuados disponibles. Abarca selección, descarga, prueba, actualización periódica, copia de seguridad y, finalmente, eliminación.

Este artículo muestra cómo administrar profesionalmente modelos en tu stack de Ollama sin que el espacio de almacenamiento se vuelva caótico.

Términos clave

• Etiqueta de modelo: designación como llama3.1:8b o llama3.1:70b.
• Actualización: recarga de la misma etiqueta con una versión más reciente.
• Reversión: volver a una versión anterior.
• Archivación: guardar un modelo para uso posterior.
• Cuantización: reducción de espacio de almacenamiento mediante un número de bits inferior.
• Eliminación: remover modelos innecesarios.
• Manifiesto: archivo de Ollama con metadatos del modelo.

Fase 1: selección y descarga

Antes de descargar, debe estar claro para qué se usará el modelo:

• Chat general
• Programación
• Matemáticas
• Visión
• Embedding
• Multilingüismo

En función de la tarea y del hardware disponible, se elige el tamaño y la cuantización del modelo.

ollama pull qwen2.5:14b
ollama pull nomic-embed-text

Fase 2: prueba y evaluación

Después de la descarga, el modelo debe probarse en tareas típicas:

• Consultas en español
• Tareas de programación
• Resúmenes
• Calidad de RAG
• Velocidad

Tomar notas sobre cada modelo ayuda a reproducir la evaluación más adelante. Usa un documento simple o una tabla:

Modelo	Tarea	Evaluación	Almacenamiento
qwen2.5:14b	Programación	Bueno	9 GB
mistral	Chat	Medio	4 GB

Fase 3: actualización

Ollama actualiza modelos cuando hay una versión más reciente del manifiesto disponible. Una nueva descarga con pull obtiene las actualizaciones:

ollama pull qwen2.5:14b

Importante: las actualizaciones pueden cambiar el comportamiento. Después de una actualización, las aplicaciones críticas deben probarse nuevamente.

Fase 4: versionado y copia de seguridad

Copiar

Copia un modelo antes de modificarlo:

ollama cp qwen2.5:14b qwen2.5:14b-backup

Exportar

Los modelos de Ollama consisten en archivos en el directorio ~/.ollama/models. Para copias de seguridad, puedes copiar este directorio:

rsync -av ~/.ollama/models /backup/ollama-models/

También puedes usar Modelfiles para guardar versiones de tus propias variantes.

Fase 5: archivación

Los modelos raramente utilizados pero aún importantes pueden archivarse. Para esto son útiles un disco externo o un NAS:

tar -czf /backup/ollama-rare-models.tar.gz ~/.ollama/models/*<modellname>*

Advertencia: los modelos de Ollama dependen de manifiestos. La simple copia de archivos individuales no siempre es suficiente.

Fase 6: limpieza

Elimina modelos que no necesites:

ollama list
ollama rm mistral:7b
ollama rm qwen2.5:14b-backup

La limpieza regular ahorra almacenamiento y facilita la selección de modelos.

Automatización

Un script simple para actualizaciones periódicas:

#!/bin/bash
MODELS=("llama3.1:8b" "qwen2.5:14b" "nomic-embed-text")

for m in "${MODELS[@]}"; do
  ollama pull "$m"
done

Para copias de seguridad, un cronjob puede sincronizar el directorio de modelos.

Mejores prácticas

• Mantén solo los modelos necesarios: reduce el almacenamiento y la confusión.
• Prueba antes de actualizar: verifica los flujos de trabajo importantes después de cambios de modelo.
• Planifica copias de seguridad: respalda el directorio de modelos regularmente.
• Anota las etiquetas: la etiqueta exacta previene versiones incorrectas.
• Mantén un registro de pruebas: documenta evaluaciones para cada modelo.
• Toma en cuenta la cuantización: las actualizaciones a veces cambian la etiqueta predeterminada.

Tropiezos comunes

• Confundir etiquetas: llama3.1 sin etiqueta carga 8b, no 70b.
• Llenar el almacenamiento: usa regularmente ollama list y ollama rm.
• La actualización cambia el comportamiento: los prompts funcionan de forma diferente después de la actualización.
• Copia de seguridad incompleta: el manifiesto y los blobs deben respaldarse juntos.
• Olvidar variantes antiguas: ollama cp crea copias en almacenamiento, no olvides eliminarlas.

Enlaces e información adicional

• BotServ.de Funciones de Ollama
• BotServ.de Administración de modelos en Ollama
• BotServ.de API REST de Ollama
• BotServ.de Copias de seguridad y restauración en Proxmox

FAQ: ciclo de vida de modelos en Ollama

¿Con qué frecuencia debo actualizar los modelos? En flujos de trabajo estables, solo cuando haya nuevas características o correcciones disponibles.

¿Puedo transferir un modelo a otro sistema? Sí, copiando el directorio completo de modelos o descargándolo nuevamente.

¿Cuánto espacio necesitan las copias de seguridad? Aproximadamente tanto como los modelos instalados, dependiendo de la cantidad y el tamaño.

¿Qué sucede con ollama rm? El modelo se elimina localmente, pero puede descargarse nuevamente en cualquier momento.

¿Debo probar cada modelo? Sí, al menos en tareas representativas de tu caso de uso.

Fuentes y lecturas adicionales

• Ollama Library: https://ollama.com/library
• Ollama CLI Docs: https://github.com/ollama/ollama/blob/main/docs/

Resumen: ciclo de vida de modelos en Ollama

Un ciclo de vida deliberado de modelos en Ollama incluye selección, descarga, prueba, actualización, versionado, copia de seguridad y limpieza. Si no simplemente acumulas modelos, sino que los verificas y limpias regularmente, mantienes una visión clara del almacenamiento, las versiones y la calidad. Lo importante es mantener etiquetas consistentes, probar regularmente después de actualizaciones y hacer copias de seguridad completas del directorio de modelos. Así Ollama permanece eficiente y performante.