Back to Blog
BlogApril 22, 2026753

Cómo Eliminar Modelos de Ollama: Guía Paso a Paso Completa

Cómo Eliminar Modelos de Ollama: Guía Paso a Paso Completa

Requisitos Previos

Antes de comenzar, asegúrate de tener:

  • Ollama instalado y en ejecución — Abre tu terminal y ejecuta ollama --version para confirmar.
  • Acceso a una terminal — Usa Terminal (macOS/Linux) o PowerShell/Símbolo del sistema (Windows). Ejecuta como Administrador en Windows si ves errores de permisos.
  • Nombres de modelos listos — Necesitarás el nombre exacto y la etiqueta (por ejemplo, llama3:latest).
  • Conciencia del espacio en disco — Los modelos pueden ocupar varios GB; eliminarlos libera almacenamiento inmediatamente después de que el comando termine.

Ollama almacena los modelos por defecto en:

  • macOS: ~/.ollama/models
  • Linux: ~/.ollama/models (o /usr/share/ollama/.ollama/models para instalaciones de sistema)
  • Windows: C:\Users\TuNombreDeUsuario\.ollama\models

Paso 1: Listar Todos los Modelos Instalados

Siempre empieza aquí para saber exactamente qué estás eliminando.

En tu terminal, ejecuta:

ollama list

Salida esperada (ejemplo):

NAME                ID              SIZE      MODIFIED
llama3:latest       8f6e2a123abc    4.7 GB    3 días atrás
gemma2:9b          2d9f3b456def    5.2 GB    1 semana atrás

Copia el nombre exacto de la columna NAME (incluyendo la etiqueta después de los dos puntos).

Paso852: Eliminar un Solo Modelo

Usa el comando ollama rm seguido del nombre del modelo.

ollama rm llama3:latest

Salida esperada:

deleted 'llama3:latest'

El comando elimina instantáneamente el manifiesto y todos los archivos blob asociados. No se muestra ninguna solicitud de confirmación.

Paso 3: Eliminar Múltiples Modelos a la Vez

Elimina varios modelos en una sola línea:

ollama rm llama3:latest gemma2:9b mistral:latest

Salida esperada:

deleted 'llama3:latest'
deleted 'gemma2:9b'
deleted 'mistral:latest'

Paso 4: Eliminar Todos los Modelos (Eliminación Masiva)

Usa esta línea de comando para eliminar cada modelo a la vez (macOS/Linux primero):

ollama list | awk 'NR>1 {print $1}' | xargs -I {} ollama rm {}

Equivalente en Windows PowerShell:

ollama list | Select-Object -Skip 1 | ForEach-Object { $_.Trim() -split '\s+' | Select-Object -First 1 } | ForEach-Object { ollama rm $_ }

Después de ejecutarlo, confirma con ollama list — debería devolver solo la fila de encabezados.

Paso 5: Reiniciar Ollama (Recomendado)

Reinicia el servicio Ollama para asegurarte de que todos los blobs se limpien completamente y se libere el espacio en disco.

  • macOS: ollama serve (o cierra y vuelve a abrir la aplicación Ollama)
  • Linux: sudo systemctl restart ollama
  • Windows: Reinicia el proceso Ollama desde el Administrador de tareas o simplemente cierra y vuelve a abrir la aplicación.

Ejecuta ollama list de nuevo para verificar que los modelos han desaparecido.

Problemas Comunes y Solución de Fallos

  • Error "Modelo no encontrado": Verifica nuevamente el nombre exacto y la etiqueta de ollama list.
  • Permiso denegado: En Linux/macOS usa sudo ollama rm ... o ejecuta el terminal como Administrador en Windows.
  • Espacio en disco no liberado: Reinicia Ollama (Paso 5). Si sigue atascado, revisa manualmente la carpeta blobs pero nunca borres archivos mientras Ollama está en ejecución.
  • El modelo sigue apareciendo después de rm: Detén cualquier instancia en ejecución con ollama stop <modelo> primero, luego vuelve a intentar ollama rm.
  • Ubicación de almacenamiento personalizada: Si configuraste la variable de entorno OLLAMA_MODELS, los modelos residen en otro lugar — revisa esa ruta en su lugar.
  • Método API (avanzado): Usa curl para scripts:
    curl -X DELETE http://localhost:11434/api/delete -d '{"model": "llama3:latest"}'
    

Siguientes Pasos

  • Descarga modelos nuevos: Ejecuta ollama pull llama3.1:8b para obtener la última versión.
  • Configura almacenamiento personalizado: Exporta OLLAMA_MODELS=/ruta/a/nueva/carpeta antes de ejecutar Ollama para mover todo a un disco más grande.
  • Automatiza la limpieza: Añade el comando de borrado masivo a una tarea cron semanal o un script de PowerShell.
  • Monitorea el uso: Ejecuta ollama list regularmente y combínalo con du -sh ~/.ollama/models (macOS/Linux) o el Explorador de archivos en Windows para rastrear el almacenamiento.

Ahora tienes control total sobre tus modelos locales de Ollama. Libera espacio instantáneamente y mantén solo lo que necesitas.

Share this article

Referenced Tools

Browse entries that are adjacent to the topics covered in this article.

Explore directory
TinyFish logo

TinyFish

MCP Servers

TinyFish es una plataforma de infraestructura web para agentes de IA que combina búsqueda web en vivo, extracción de contenido renderizado por navegador, automatización web basada en objetivos y sesiones de navegador en la nube gestionadas. Los desarrolladores pueden acceder a la plataforma a través de API, SDK, una CLI e integraciones con marcos de agentes y herramientas de codificación de IA.

X MCP logo

X MCP

MCP Servers

X MCP es el servidor Model Context Protocol oficial y alojado de X para llamar endpoints de la X API desde herramientas compatibles con MCP. Se conecta mediante el puente xurl para OAuth con contexto de usuario y permite flujos con búsqueda de posts, usuarios, marcadores, tendencias, noticias y Articles.

viewmax mcp logo

viewmax mcp

MCP Servers

ViewMax MCP is a hosted Streamable HTTP MCP server for generating AI video, images, music, speech, and sound effects, with tools for model discovery, task polling, and credit checks. Official setup is documented for Claude Web/Desktop, Claude Code, Cursor, Codex, and SDK clients.

TinyFish logo

TinyFish

MCP Servers

TinyFish is a web infrastructure platform for AI agents that combines live web search, browser-rendered content extraction, goal-based web automation, and managed cloud browser sessions. Developers can access the platform through APIs, SDKs, a CLI, and integrations with agent frameworks and AI coding tools.

TinyFish logo

TinyFish

MCP Servers

TinyFish exposes web automation, web search, content extraction, and remote browser-session tools to MCP-compatible AI assistants. The hosted MCP server uses OAuth 2.1, while an optional local @tiny-fish/mcp proxy supports API-key authentication for local-only, CI, and headless setups.

openaiDeveloperDocs logo

openaiDeveloperDocs

MCP Servers

OpenAI Developer Docs MCP is an OpenAI-hosted, read-only server that lets MCP clients search and fetch documentation from developers.openai.com, platform.openai.com, and learn.chatgpt.com. It uses a public streamable HTTP endpoint and does not call the OpenAI API on the user's behalf.