Ollama o LM Studio: cuál te conviene según tu caso

Elegir entre Ollama y LM Studio se resuelve mal cuando alguien intenta coronar un ganador universal: las dos ejecutan los mismos modelos, con los mismos pesos y a velocidades muy parecidas. Lo que cambia es cómo trabajas tú y qué quieres montar después. Aquí tienes las diferencias reales, las pegas de cada una y una tabla para decidir en un minuto.

Por debajo se parecen mucho más de lo que crees

Las dos herramientas cargan modelos cuantizados en tu máquina, reparten capas entre la tarjeta gráfica y la RAM del sistema, y levantan un servidor HTTP local compatible con la API de OpenAI. Las dos se apoyan además en la misma familia de motores de inferencia abiertos, la del ecosistema de llama.cpp y ggml, aunque cada proyecto añade capas propias por encima y no siempre van a la misma versión.

Esto tiene una consecuencia práctica que conviene entender antes de seguir leyendo: si cargas el mismo modelo, con la misma cuantización y con los mismos ajustes de contexto, la calidad de las respuestas es la misma en las dos. No hay una que "piense mejor". Cuando alguien mide diferencias grandes de velocidad entre ellas, casi siempre es porque una tenía más capas descargadas a la GPU, un contexto distinto o un motor más reciente.

Así que la pregunta no es cuál es mejor en abstracto. Es cuál encaja con tu forma de trabajar: terminal y automatización, o ventana y controles.

Cómo compararlas sin engañarte

Si vas a medir cuál va más rápido en tu equipo, iguala las condiciones o el resultado no significa nada:

• Usa el mismo modelo y la misma cuantización. Un Q4 contra un Q5 no compara programas, compara ficheros distintos.
• Fija el mismo tamaño de contexto en las dos. El contexto reserva memoria y, a partir de cierto punto, empuja capas fuera de la gráfica.
• Comprueba que todas las capas están en la GPU en ambos casos. En Ollama lo ves con ollama ps; en LM Studio, en el propio panel de carga del modelo.
• Descarta la primera ejecución. Incluye leer el modelo del disco y ensucia la medición.
• Usa el mismo texto de entrada y pide una respuesta de longitud parecida. Los tokens por segundo cambian según lo larga que sea la salida.
• No las tengas cargadas a la vez. Dos modelos peleando por la misma VRAM hunden a los dos.

Con esas seis condiciones controladas, lo normal es que la diferencia acabe siendo pequeña y que cambie de signo según la versión que tenga cada herramienta ese mes. Si te sale un abismo, casi seguro que se te ha colado una variable.

Ollama: la terminal como interfaz

Ollama se instala, se queda como servicio en segundo plano y a partir de ahí vives en la línea de comandos. Descargas un modelo, lo lanzas y ya estás hablando con él.

ollama pull nombre-del-modelo
ollama run nombre-del-modelo
ollama list
ollama ps

ollama ps es el comando que más vas a usar cuando algo vaya lento: te dice qué modelo está cargado y cuánto se ha quedado en la gráfica frente a la CPU. Si ves que buena parte del modelo está en CPU, ahí tienes tu cuello de botella.

El servidor local escucha en el puerto 11434. Tiene su propia API y además una ruta compatible con la de OpenAI, así que casi cualquier librería o aplicación que espere ese formato funciona apuntándola a tu máquina. Ese es el motivo real por el que Ollama se ha comido el terreno de las integraciones: extensiones de editor, agentes, scripts de Python, contenedores. Si vas a construir algo encima, es el camino corto. Y si partes de cero, tienes la ruta completa en cómo instalar una IA en local con Ollama paso a paso.

Dónde molesta

• La configuración se toca a mano. El tamaño de contexto por defecto es conservador y hay que ampliarlo de forma explícita, algo que pilla a mucha gente cuando el modelo "se olvida" de lo que le dijo hace dos mensajes.
• Guarda los modelos en su propio formato interno, troceados por identificador. No es una carpeta de ficheros GGUF que puedas reaprovechar cómodamente en otro programa.
• Las etiquetas por defecto del catálogo suelen apuntar a una cuantización de cuatro bits. Si no lo miras, te llevas esa sin enterarte.
• Tiene aplicación de escritorio, pero es sencilla. No esperes el panel de control de LM Studio.

LM Studio: ver lo que está pasando

LM Studio es una aplicación de escritorio completa. Buscas modelos desde dentro, con un explorador conectado al catálogo público de Hugging Face, y la propia interfaz te avisa de si una variante concreta va a caber en tu equipo o si te vas a comer un trasiego constante con la RAM.

Lo interesante empieza al cargar el modelo. Tienes controles visibles para el número de capas que van a la GPU, el tamaño de contexto, la longitud de respuesta y el comportamiento de la caché. Cambias un valor, recargas y ves el efecto en tokens por segundo en la misma ventana. Para aprender qué hace cada ajuste, esa realimentación inmediata vale mucho más que leer documentación.

Además incluye chat con documentos adjuntos, historial organizado, ajustes guardados por modelo y un panel de servidor con registro de peticiones en vivo, que escucha por defecto en el puerto 1234. También trae una utilidad de línea de comandos (lms) para arrancar el servidor o listar lo que tienes descargado sin abrir la ventana. Si este es tu camino, la guía completa está en LM Studio para usar modelos de IA sin conexión.

Dónde molesta

• No es código abierto. La aplicación es cerrada, aunque publican por separado su utilidad de terminal y los kits de integración.
• No está pensada para un servidor sin pantalla ni para meterla en un contenedor. Puede quedarse corriendo, pero no es su terreno.
• En Windows y Linux con procesador x86 pide soporte de AVX2, así que un equipo muy antiguo se queda fuera directamente.
• Es una aplicación pesada. Si solo quieres una API local a la que apuntar un script, es mucho programa para tan poco.

Ollama vs LM Studio: las diferencias que importan

La fila de MLX merece una nota. En Mac con chip de Apple, LM Studio puede ejecutar modelos en el formato nativo de la plataforma además de GGUF, y en algunos modelos eso se nota. Si trabajas en Mac y te importa exprimir la máquina, es un argumento real a su favor.

Modelos, cuantización y espacio en disco

Aquí es donde la mayoría de la gente se pega el golpe, y no tiene nada que ver con la herramienta elegida. Un modelo de siete u ocho mil millones de parámetros a cuatro bits ocupa unos pocos gigas y cabe en casi cualquier gráfica dedicada moderna. Uno de treinta mil millones ya te pide una tarjeta grande o mucha paciencia. Las cifras por modelo y por nivel de cuantización las tienes en la tabla de VRAM que necesita cada modelo de IA.

La cuantización es la otra mitad de la ecuación. Q4, Q5 y Q8 no son categorías de calidad del programa, son recortes de precisión en los pesos del modelo, y cada escalón cambia tamaño, velocidad y fidelidad. Si no tienes claro qué estás descargando cuando eliges entre esas variantes, lee antes qué significan Q4, Q5 y Q8 en los modelos GGUF.

LM Studio te enseña esas variantes en el buscador y te deja elegir a mano. Ollama las esconde detrás de etiquetas cómodas, con la opción de pedir una concreta si sabes lo que quieres. Ninguna de las dos formas es mejor: una prioriza que aciertes rápido, la otra que decidas tú.

Y ojo al disco. Entre pruebas, variantes y modelos que descargas una vez y no vuelves a abrir, un mes de curiosidad se come decenas de gigas. Revisa la carpeta de modelos de vez en cuando y borra lo que no uses.

Tenerlas las dos instaladas

Se puede, y mucha gente lo hace. Usan puertos distintos, así que no se pisan. El patrón habitual es este: LM Studio para explorar, comparar variantes y ajustar parámetros a ojo, y Ollama para el modelo que ya has elegido y que quieres tener siempre disponible detrás de un script o de una extensión del editor.

El coste de esa convivencia es el disco. Cada una gestiona su propia biblioteca y no comparten descargas de forma automática. En LM Studio puedes apuntar a una carpeta concreta de ficheros GGUF; Ollama guarda los suyos con su propio empaquetado, aunque admite importar un GGUF que ya tengas bajado. Es posible, pero no es transparente ni cómodo, y con poco SSD acabarás con dos copias del mismo modelo.

El otro coste es la memoria de la gráfica. Si dejas un modelo cargado en una y arrancas otro en la otra, se reparten la VRAM y las dos van peor. Descarga el modelo de la que no estés usando antes de lanzar la otra.

Un consejo práctico: no instales las dos el primer día. Empieza por una, entiende cómo se comporta tu equipo con un modelo mediano y solo entonces plantéate la segunda.

Cuándo la respuesta es "ninguna de las dos"

Ser honesto aquí ahorra fines de semana perdidos.

• Tienes un portátil de gama de entrada con gráfica integrada. Un modelo pequeño arrancará, irá despacio y la experiencia te va a decepcionar. No es culpa del programa.
• Necesitas la calidad de los modelos grandes de la nube. Para código complejo, contextos enormes o razonamiento largo, un modelo que cabe en una gráfica de sobremesa no compite. Lo local gana en privacidad, coste recurrente y disponibilidad sin conexión, no en el techo de calidad.
• Solo quieres transcribir audio o generar subtítulos. Eso es trabajo de un modelo de voz, no de un chat de texto. Ni Ollama ni LM Studio transcriben audio por sí solos.
• Vas a usarlo una vez al mes. Montar un laboratorio local para eso es tiempo tirado.

Un flujo que sí tiene sentido, y es el que veo más entre editores de vídeo: bajas el audio de una charla o un pódcast con Daun, lo pasas por una herramienta de transcripción y el texto resultante se lo das al modelo local para que te saque un resumen, los momentos clave o un guion. Ahí lo local sale ganando, porque procesas material tuyo, en tu máquina, sin subirlo a ningún sitio y sin límites de uso.

Tabla de decisión

Si después de esta tabla sigues dudando, la respuesta por defecto es sencilla: instala LM Studio, prueba dos o tres modelos hasta encontrar el que rinde bien en tu equipo y, cuando lo tengas claro, monta ese mismo modelo en Ollama para el uso diario. Exploras con ventana, produces con terminal.

Preguntas frecuentes

¿Cuál va más rápido, Ollama o LM Studio?

Con el mismo modelo, la misma cuantización y los mismos ajustes, la diferencia es pequeña y depende de la versión del motor que tenga cada una en ese momento. Las diferencias grandes que ve la gente casi siempre vienen de la configuración: capas que no se han descargado a la GPU, un contexto mucho mayor en una que en otra, o un modelo que no cabe en la tarjeta y acaba apoyándose en la RAM del sistema.

¿Puedo tener Ollama y LM Studio a la vez?

Sí. Escuchan en puertos distintos y no se estorban. Los costes reales son dos: el espacio en disco, porque cada una mantiene su propia biblioteca de modelos, y la VRAM, si te dejas un modelo cargado en una mientras trabajas en la otra.

¿Necesito una gráfica NVIDIA?

No es obligatorio, pero cambia mucho la experiencia. Con una RTX de 8 GB de VRAM te mueves con soltura entre modelos pequeños y medianos a cuatro bits; con 12 o 16 GB entras en modelos más grandes o en contextos más largos. En Mac con chip de Apple, la memoria unificada hace un papel parecido. Con gráfica integrada y poca RAM funciona, pero irá lento.

¿Sirven para transcribir el audio de un vídeo?

No por sí solas. Ollama y LM Studio ejecutan modelos de texto (y algunos que entienden imágenes), no modelos de transcripción de voz. El flujo normal es descargar el audio, transcribirlo con una herramienta específica de voz y pasarle después el texto al modelo local para resumirlo, ordenarlo o convertirlo en guion.