Los modelos de Ollama ahora se pueden usar directamente en ChatGPT Desktop, lo que te permite mantener tu flujo de trabajo actual mientras ejecutas modelos abiertos. La configuración está disponible desde la aplicación de Ollama en macOS, e incluye una captura de pantalla que muestra cómo acceder a esta integración. Esta versión también mejora el […]
Utiliza modelos de Ollama en ChatGPT Desktop Leer más »
Ahora puedes usar modelos de Ollama directamente en la aplicación de escritorio de ChatGPT, manteniendo tu flujo de trabajo habitual mientras ejecutas modelos abiertos. La configuración está disponible desde la app de Ollama en macOS. Esta versión también mejora el rendimiento de la salida estructurada en Apple Silicon, añade soporte para la búsqueda de herramientas
Usa modelos de Ollama en el escritorio de ChatGPT Leer más »
La aplicación de Ollama vuelve a respetar la apariencia del sistema, lo que restaura el soporte de modo oscuro. Esto significa que si tu sistema está en modo oscuro, la aplicación ahora se mostrará correctamente en ese esquema, mejorando la experiencia visual y la coherencia con el entorno. Se corrigió un problema en la aplicación
Ollama v0.33.2: correcciones de apariencia, macOS y proxy de Claude Desktop Leer más »
Integración con Claude Desktop Ollama ahora se integra con Claude. Puedes activar o desactivar modelos individuales de Ollama para usarlos en Claude directamente desde la barra de menús, y elegir entre los modelos de Ollama disponibles desde la propia interfaz de Claude; los modelos en la nube solo aparecen cuando has iniciado sesión. Además, una
Novedades de Ollama v0.33.0-rc2: integración con Claude Desktop y mejoras de caché Leer más »
La nueva versión candidata de Ollama, la v0.32.14-rc0, trae un par de ajustes pensados para ampliar la compatibilidad en distintos escenarios de uso. En primer lugar, el componente llama-server ahora es capaz de transcodificar imágenes en formato WebP. Esto significa que, si se trabaja con modelos que consumen imágenes, ya no es necesario convertirlas manualmente
Ollama v0.32.14-rc0: compatibilidad mejorada con WebP y mensajes de sistema para Qwen Leer más »
La nueva versión preliminar de Ollama trae importantes mejoras de rendimiento y compatibilidad. En sistemas Apple, el motor MLX ahora utiliza automáticamente la cabeza MTP del modelo Qwen3.5 para decodificación especulativa, acelerando notablemente la inferencia en GPUs de Apple. Además, se han actualizado los motores MLX y llama.cpp, lo que garantiza un funcionamiento más fluido
Ejecutar modelos de lenguaje de gran tamaño (LLMs) localmente se ha vuelto cada vez más popular para desarrollo, privacidad y pruebas sin conexión. Ollama simplifica este proceso al máximo, permitiendo ejecutar modelos como Llama 3 o Mistral directamente en tu máquina. Aprovechando Podman en Fedora Linux, puedes aislar Ollama dentro de un contenedor. Este enfoque
Cómo ejecutar Ollama con Podman en Fedora Linux Leer más »
La nueva versión de Ollama, v0.32.5, llega con una corrección importante para los usuarios de dispositivos Apple equipados con aceleración Metal. Se ha solucionado un fallo en MLX Metal que, hasta ahora, podía degradar la calidad de salida de modelos que utilizan el formato NVFP4, como el popular modelo Laguna. Esta actualización es especialmente relevante
Ollama v0.32.5 corrige error crítico de rendimiento en modelos NVFP4 con Metal de MLX Leer más »
La nueva versión candidata de Ollama, la 0.32.5-rc0, llega con una mejora enfocada en los usuarios de Mac: la actualización de la librería MLX. Este cambio optimiza la ejecución de modelos de inteligencia artificial en equipos con chips Apple Silicon, proporcionando una experiencia más fluida y eficiente. Si utilizas Ollama para ejecutar modelos localmente en
Ollama v0.32.5-rc0: actualización de MLX para un mejor rendimiento en Apple Silicon Leer más »
La nueva versión de Ollama, la 0.32.4, incorpora compatibilidad con el modelo Laguna en GPUs de Apple a través del motor MLX. Esto significa que los usuarios con hardware Apple Silicon ahora pueden ejecutar este modelo de forma nativa y eficiente, aprovechando al máximo las capacidades de sus dispositivos. En el apartado de optimizaciones, se
