Ollama acelera la ejecución de modelos en NVIDIA hasta un 20 % y activa Vulkan para AMD e Intel
Ollama, el programa para ejecutar modelos de IA en tu propio ordenador, ha acelerado el trabajo con el formato GGUF. En NVIDIA, la mejora llega hasta el 20 %: la medición se hizo con Gemma 4 26B, una RTX 5090 y la cuantización de pesos Q4_K_M. Además, Vulkan, una interfaz gráfica universal, ya viene activado por defecto, y las tarjetas AMD e Intel funcionan sin bibliotecas del fabricante. Ejecutar modelos locales resulta ahora más sencillo con el hardware que ya tienes.
Procesado por IA desde Ollama Blog; editado por Hamidun News
Ollama es un programa que ejecuta modelos de IA directamente en tu ordenador, no en la nube de otros, y ha publicado una actualización con dos cambios destacados. En primer lugar, en las tarjetas gráficas NVIDIA los modelos ahora funcionan hasta un 20 % más rápido: así lo demostró una prueba con el modelo Gemma 4 26B, una RTX 5090 y la cuantización de pesos Q4_K_M (un método para reducir el modelo y que quepa en la memoria de vídeo). En segundo lugar, Vulkan viene activado por defecto; es una interfaz gráfica universal que entienden las tarjetas de distintos fabricantes.
Por eso, los usuarios de AMD e Intel obtienen aceleración en la GPU sin instalar bibliotecas propias del fabricante. Además, Ollama trabaja mejor con GGUF, el formato de archivo unificado en el que se publican los modelos locales en Hugging Face. Para el desarrollador, esto significa menos problemas con los controladores y más modelos que se ejecutan con un solo comando.
Ejecutar IA en hardware propio dejó hace tiempo de ser un pasatiempo para entusiastas: es una forma de no pagar por APIs, de no enviar código ni documentos fuera y de experimentar con tranquilidad con modelos abiertos. Pero el uso local siempre tuvo dos puntos débiles: no todas las tarjetas gráficas tenían un buen soporte, y había que adaptar los modelos de Hugging Face a la herramienta durante mucho tiempo. La última actualización de Ollama ataca ambos problemas.
Más rápido en NVIDIA y con más hardware compatible
El primer cambio es la velocidad. Según Ollama, el rendimiento en equipos NVIDIA ha subido hasta un 20 %. No es magia propia de los desarrolladores: en las optimizaciones participaron los equipos de NVIDIA y del proyecto llama.cpp, sobre el que se sostiene buena parte del ecosistema de modelos locales. La medición se hizo con Gemma 4 26B ejecutado en una RTX 5090 con cuantización Q4_K_M. La cuantización consiste en comprimir los pesos del modelo a una menor precisión para que quepan en la memoria de vídeo y funcionen más rápido; Q4_K_M es uno de los compromisos más populares entre tamaño y calidad.
El segundo cambio es que Vulkan ya está activado por defecto. Gracias a ello, los dispositivos AMD e Intel obtienen aceleración en la GPU sin instalar bibliotecas del fabricante. Antes, esta configuración solía convertirse en un pequeño calvario: encontrar la versión adecuada del controlador, instalar componentes adicionales y comprobar que el sistema reconocía la tarjeta. Según el diseño de los autores, ahora el modelo debería poder ejecutarse en la tarjeta sin más pasos.
Además, Ollama amplió la compatibilidad con el ecosistema GGUF. Se añadió soporte para Apple silicon y, ahora, para un abanico más amplio de hardware, de modo que más modelos funcionan sin configuración adicional.
Cómo ejecutar un modelo de Hugging Face
El proceso es sencillo. Primero descargas el archivo GGUF o la carpeta con esos archivos. Después creas un Modelfile, un archivo de texto breve que indica la ruta del modelo, por ejemplo: FROM ./my-model.Q4_K_M.gguf. A continuación ejecutas el comando ollama create -f Modelfile my-model y lanzas el modelo resultante con tu propio nombre.
Para el día a día, esto es importante: en Ollama es más fácil incorporar no solo las versiones «oficiales», sino también las versiones ajustadas que publican la comunidad y equipos externos. Si necesitas un modelo especializado en tu tarea, por ejemplo en código de un lenguaje concreto o en el trabajo con documentos, no tienes que esperar a que aparezca en el catálogo.
Agentes y asistentes sobre un modelo local
Otro detalle es la herencia de capacidades. Si un modelo GGUF sabe invocar herramientas (tool calling), esa capacidad se mantiene en Ollama. Así, puede conectarse a agentes de programación y asistentes personales habituales con un solo comando: ollama launch claude --model my-model, y también variantes similares para hermes y openclaw. Para comprobar que un archivo concreto admite llamadas a herramientas, hay que buscar la indicación correspondiente en la descripción del modelo.
Esto resulta útil para quienes construyen cadenas de agentes y quieren probar escenarios localmente: la depuración no genera cargos por tokens y los datos permanecen en la máquina.
Qué conviene tener en cuenta
La cifra «hasta un 20 %» corresponde a una configuración concreta: Gemma 4 26B, RTX 5090 y Q4_K_M. Con otros modelos, tarjetas o cuantizaciones, la mejora puede ser distinta, así que lo más recomendable es comparar con tus propias tareas. El anuncio no incluye cifras de velocidad de Vulkan en tarjetas AMD e Intel: se habla de una ampliación de compatibilidad, no de récords. Por último, la calidad de las llamadas a herramientas depende del propio modelo: no todas las versiones ajustadas se desenvuelven con seguridad en escenarios de agentes, aunque formalmente tengan soporte.
Los autores agradecen especialmente a Georgi Gerganov y a los mantenedores de llama.cpp, así como a los socios de hardware —NVIDIA, AMD, Qualcomm e Intel— por su trabajo en la optimización dentro del ecosistema GGML. Es una buena señal: ejecutar modelos en local se está convirtiendo cada vez más en una tarea de ingeniería compartida por los fabricantes de chips, y no solo en un tema de nicho.
Conclusión práctica: si habías aplazado los experimentos con modelos locales por el hardware caprichoso o por el complicado ajuste de archivos, ahora es buen momento para probarlo. Actualiza Ollama, descarga un GGUF desde Hugging Face y compara la velocidad en tu tarjeta gráfica: llevará una tarde y te ayudará a decidir qué tareas pasar de las APIs en la nube a tu propia máquina.
- 21 nov 2026Hermes permite trasladar un agente local a la nube con una sola acción desde Desktop
- 21 nov 2026Apple rediseña la protección del Mac en macOS 27.3 por los agentes de IA con acceso total al disco
- 21 nov 2026La cuantización en OpenVINO redujo en un 75,4 % el tiempo de ejecución de CLIP para LanceDB en CPU
- 21 nov 2026LanceDB: el índice IVF_PQ comprime los vectores para RAG 64 veces y acelera la búsqueda
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Más rápido en NVIDIA y con más hardware compatible?
El primer cambio es la velocidad. Según Ollama, el rendimiento en equipos NVIDIA ha subido hasta un 20 %. No es magia propia de los desarrolladores: en las optimizaciones participaron los equipos de NVIDIA y del proyecto llama.cpp, sobre el que se sostiene buena parte del ecosistema de modelos locales. La medición se hizo con Gemma 4 26B ejecutado en una RTX 5090 con cuantización Q4_K_M.
Cómo ejecutar un modelo de Hugging Face?
El proceso es sencillo. Primero descargas el archivo GGUF o la carpeta con esos archivos. Después creas un Modelfile, un archivo de texto breve que indica la ruta del modelo, por ejemplo: FROM ./my-model.Q4_K_M.gguf. A continuación ejecutas el comando ollama create -f Modelfile my-model y lanzas el modelo resultante con tu propio nombre.
¿Qué se sabe sobre Agentes y asistentes sobre un modelo local?
Otro detalle es la herencia de capacidades. Si un modelo GGUF sabe invocar herramientas (tool calling), esa capacidad se mantiene en Ollama. Así, puede conectarse a agentes de programación y asistentes personales habituales con un solo comando: ollama launch claude --model my-model, y también variantes similares para hermes y openclaw. Para comprobar que un archivo concreto admite llamadas a herramientas, hay que buscar la indicación correspondiente en la descripción del modelo.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.