Galería de modelos Ollama
Qué cubre este artículo
- Descripción general de los modelos Ollama más conocidos.
- Clasificación por caso de uso.
- Tamaños, cuantización y requisitos de hardware.
- Consejos para seleccionar rápidamente.
Introducción a la galería de modelos Ollama
Ollama ofrece acceso a una biblioteca en crecimiento de modelos de lenguaje locales y multimodales. Modelos de chat como Llama y Qwen, modelos de programación como Qwen Coder, modelos de visión como Llava y modelos de embedding como nomic-embed-text son solo algunos ejemplos. La selección crece rápidamente y para cada caso de uso hay múltiples opciones disponibles.
Este artículo reúne una galería de los modelos Ollama más importantes.
Términos clave
- 7B, 13B, 70B: Tamaño del modelo en miles de millones de parámetros.
- Instruct: Entrenado en instrucciones.
- Chat: Optimizado para diálogos.
- Coder: Optimizado para programación.
- Vision: Procesamiento de imágenes.
- Embedding: Representación vectorial.
- Cuantización: Precisión del modelo reducida.
- GGUF: Formato contenedor para modelos.
Modelos de chat
| Modelo | Tamaño | Característica |
|---|---|---|
| llama3.1 | 8B, 70B | Buen polivalente |
| qwen2.5 | 7B, 14B, 32B | Multilingüe fuerte |
| mistral | 7B | Rápido, compacto |
| gemma2 | 9B, 27B | Modelo de Google |
| phi4 | 14B | Razonamiento sólido |
Modelos de programación
| Modelo | Tamaño | Aplicación |
|---|---|---|
| qwen2.5-coder | 1.5B-32B | Completar código |
| codellama | 7B-70B | Modelo de código Meta |
| deepseek-coder | 1.3B-33B | Codificador versátil |
Modelos de visión
| Modelo | Tamaño | Aplicación |
|---|---|---|
| llava | 7B, 13B | Descripción de imágenes |
| llava-llama3 | 8B | Análisis de imágenes compacto |
| bakllava | 7B | Mejor calidad de visión |
| moondream | 2B | Muy pequeño, rápido |
Modelos de razonamiento
| Modelo | Tamaño | Aplicación |
|---|---|---|
| deepseek-r1 | 1.5B-70B | Razonamiento lógico |
| qwen2.5 | 7B-72B | Matemáticas y lógica |
| phi4 | 14B | Razonamiento compacto |
Modelos de embedding
| Modelo | Dimensión | Aplicación |
|---|---|---|
| nomic-embed-text | 768 | Embeddings estándar |
| mxbai-embed-large | 1024 | Alta calidad |
| snowflake-arctic-embed | 768/1024 | Recuperación de documentos |
| all-minilm | 384 | Muy pequeño |
Modelos especializados
| Modelo | Aplicación |
|---|---|
| nomic-embed-text-v1.5 | Embeddings mejorados |
| granite3.2-vision | Visión de IBM |
| command-r | Instruct de Cohere |
| aya | Multilingüe |
Descargar un modelo
ollama pull llama3.1
ollama pull qwen2.5-coder:14b
ollama pull llava
ollama pull nomic-embed-textSeleccionar un modelo
| Caso de uso | Modelo |
|---|---|
| Chat general | llama3.1, qwen2.5 |
| Programación | qwen2.5-coder, deepseek-coder |
| Visión | llava, bakllava, moondream |
| Razonamiento | deepseek-r1, qwen2.5 |
| RAG | nomic-embed-text, mxbai-embed-large |
| Alemán | qwen2.5, aya |
Requisitos de hardware
| Tamaño de modelo | VRAM Q4 | RAM CPU |
|---|---|---|
| 3B | 2-4 GB | 6-8 GB |
| 7B | 4-8 GB | 12-16 GB |
| 13B | 8-12 GB | 20-32 GB |
| 30B | 18-24 GB | 40-64 GB |
| 70B | 40-48 GB | 96-128 GB |
Consejos
- Comienza con modelos de 7B.
- Ten en cuenta la cuantización.
- Usa diferentes modelos para chat y RAG.
- Prueba tus propios requisitos.
- Compara modelos en Ollama.com.
- Prefiere versiones actualizadas.
Enlaces y recursos adicionales
- Recomendaciones de modelos Ollama en BotServ.de
- Benchmarks de modelos Ollama en BotServ.de
- Comparativa de embeddings Ollama en BotServ.de
- API de visión Ollama en BotServ.de
Preguntas frecuentes sobre la galería de modelos Ollama
¿Cuál es el mejor modelo para principiantes?
llama3.1:8b o qwen2.5:7b.
¿Hay modelos en alemán? Sí, Qwen 2.5 y aya son muy multilingües.
¿Cuál es el modelo de visión más pequeño?
moondream:2b.
¿Qué modelo para programación?
qwen2.5-coder:14b o deepseek-coder.
¿Qué modelos para RAG? Un modelo de chat sólido más un modelo de embedding.
Fuentes y lecturas adicionales
- Ollama Library: https://ollama.com/library
- Hugging Face: https://huggingface.co/
- LMSYS Chatbot Arena: https://chat.lmsys.org/
Resumen de la galería de modelos Ollama
La biblioteca de Ollama incluye muchos modelos para chat, programación, visión, razonamiento y embeddings. Llama, Qwen y Mistral son buenos polivalentes, Qwen Coder y DeepSeek Coder para programación, Llava y Moondream para imágenes, nomic-embed-text para búsqueda semántica. La elección correcta depende del hardware, el caso de uso y la calidad deseada. Con la variante típica de 7B puedes empezar sin problemas en la mayoría de los casos.