GPT Image 2.5 is live — OpenAI's newest image model, targeted edits that leave the rest of the frame alone
Todas las guías

· reAPI Team

Ollama vs LM Studio: qué herramienta usar para ejecutar LLM locales en 2026

Comparativa de Ollama vs LM Studio según su documentación: licencia, compatibilidad de API, hardware, contexto predeterminado, agentes de programación y servicios.

Ollama vs LM Studio: qué herramienta usar para ejecutar LLM locales en 2026

Elegir entre Ollama y LM Studio depende de cómo quiera trabajar. Ollama es una herramienta para ejecutar modelos con licencia MIT, centrada en la línea de comandos y una API local en el puerto 11434, que también puede enviar solicitudes a modelos en la nube de Ollama.[1][2] LM Studio es una aplicación de escritorio con un explorador gráfico de modelos y chat, un servidor local en el puerto 1234 y compatibilidad con el formato MLX de Apple en Apple Silicon. Su aplicación es de código cerrado.[3][4] Ambas ofrecen ahora endpoints compatibles con OpenAI y Anthropic, por lo que cualquiera puede servir de backend para Claude Code, herramientas de tipo Codex o sus propios scripts.

Las diferencias que importan en la práctica son menores de lo que sugieren las interfaces: el tamaño de contexto predeterminado, el hardware compatible y la licencia. Esta comparativa utiliza la documentación de cada proyecto, consultada el 4 de noviembre de 2026.

Ollama vs LM Studio: comparación directa

OllamaLM Studio
Interfaz principalCLI y API local, además de aplicación de escritorioAplicación de escritorio con explorador de modelos; CLI lms
LicenciaMIT (código abierto)[5]Aplicación propietaria; la CLI lms es MIT[4][5]
Dirección local predeterminadalocalhost:11434localhost:1234
API compatible con OpenAISíSí, incluidas /v1/responses y /v1/chat/completions
API compatible con AnthropicSíSí, /v1/messages
Formatos de modelosImportación de GGUF y SafetensorsGGUF (llama.cpp) y MLX en Apple Silicon
Opción alojadaModelos en la nube de Ollama con una clave de APINo forma parte de la aplicación
Funciona sin interfaz gráficaSí, como servicio systemd en LinuxSí, mediante el demonio llmster

Fuentes: documentación de Ollama y LM Studio.[1][2][3][6]

La ventana de contexto predeterminada puede sorprender

Ollama elige una longitud de contexto según la memoria de la GPU si no establece una: 4k tokens con menos de 24 GiB de VRAM, 32k entre 24 y 48 GiB y 256k con 48 GiB o más. Su documentación indica que los agentes, la búsqueda web y las herramientas de programación necesitan al menos 64,000 tokens.[7] Por tanto, en una tarjeta de consumo habitual de 8 GB a 16 GB, un agente de programación conectado a Ollama empieza con una ventana de 4k si no la aumenta. La mayoría de las quejas de «el modelo local ha olvidado mi archivo» empiezan ahí.

Ampliar la ventana consume memoria. Ollama advierte de que un contexto mayor aumenta la memoria necesaria para ejecutar el modelo, por lo que debe comprobar que el modelo y su contexto siguen cabiendo en la VRAM.[7] LM Studio ofrece la longitud del contexto como ajuste al cargar un modelo.[3]

Ollama vs LM Studio para agentes de programación

Ambas herramientas pueden servir modelos a Claude Code de forma local, con distintas configuraciones:

  • Ollama: ejecute ollama launch claude. Ollama conecta Claude Code mediante su API compatible con Anthropic y recomienda un contexto de 64k o más para repositorios grandes. Para scripts y CI, ollama launch claude --model <model> --yes -- -p "..." omite los selectores.[8]
  • LM Studio: establezca ANTHROPIC_BASE_URL=http://localhost:1234 y ANTHROPIC_AUTH_TOKEN=lmstudio, y después inicie claude --model <model>. El ejemplo de la propia LM Studio utiliza openai/gpt-oss-20b.[6]

La llamada a herramientas depende tanto del modelo como del programa que lo ejecuta. Ollama solo indica llamadas a herramientas, razonamiento y visión para «modelos compatibles», así que elija un modelo que admita herramientas antes de culpar a la configuración.[8]

Hardware compatible con cada herramienta

La lista de compatibilidad de Ollama es la más amplia de las dos:[9]

  • NVIDIA: capacidad de cómputo 5.0 y posterior con controlador 550 o posterior. Su tabla incluye el chip GB10 de DGX Spark y las tarjetas RTX PRO Blackwell.
  • AMD: componentes Radeon, Radeon PRO, Ryzen AI e Instinct mediante ROCm v7 en Linux, con más GPU de AMD a través de Vulkan.
  • Apple: aceleración por GPU mediante Metal en los Mac de la serie M; los Mac Intel funcionan solo con la CPU.[13]

LM Studio indica requisitos más restrictivos:[10]

  • macOS: Apple Silicon (M1 a M4) con macOS 14 o posterior. Los Mac Intel no son compatibles.
  • Windows: x64 con AVX2 o ARM (Snapdragon X Elite). Se recomiendan al menos 16 GB de RAM y 4 GB de VRAM dedicada.
  • Linux: x64 o ARM64, distribuido como AppImage, Ubuntu 20.04 o posterior.

En un Mac Intel, Ollama es la única de las dos que se puede instalar, aunque se ejecuta en la CPU. En Apple Silicon, la compatibilidad con MLX de LM Studio es la razón por la que muchos usuarios de Mac la eligen.

Licencia y ejecución como servicio

El repositorio de Ollama tiene licencia MIT, por lo que puede leerlo, modificarlo y redistribuirlo.[5] Las condiciones de LM Studio conceden una licencia no exclusiva para usar la aplicación con fines personales o empresariales internos y consideran su código fuente un secreto comercial. Sus condiciones también prohíben modificar el software o crear obras derivadas.[4] Para un equipo que quiera integrar el programa en su propio producto, esa diferencia importa más que cualquier función.

Ambas funcionan sin pantalla. La guía de Ollama para Linux recomienda instalarlo como servicio de inicio de systemd.[13] LM Studio ofrece llmster, «el núcleo de la aplicación de escritorio LM Studio, empaquetado de forma nativa para servidores», para servidores Linux, equipos con GPU y máquinas en la nube, o la aplicación de escritorio en modo sin interfaz gráfica.[11]

LM Studio vs Ollama: cuál elegir

Nuestra recomendación, basada en las diferencias documentadas:

  • Elija Ollama para scripts, servidores, Docker, Mac Intel, GPU de AMD en Linux o cuando necesite una licencia de código abierto. Sus modelos en la nube también permiten probar un modelo demasiado grande para su GPU desde la misma API.
  • Elija LM Studio para explorar y comparar modelos en una interfaz gráfica, usar versiones MLX en Apple Silicon o tener una aplicación de chat de escritorio y un servidor local en una sola instalación.
  • Use ambas si quiere: escuchan en puertos distintos y las dos pueden importar el mismo archivo GGUF.

FAQ

¿Ollama y LM Studio pueden usar los mismos archivos de modelos?

En parte. Ambas cargan archivos GGUF: Ollama los importa mediante un Modelfile y LM Studio con lms import. Ollama no cuantiza GGUF al importarlo, así que cuantícelo antes si es necesario. Los modelos MLX solo se ejecutan en LM Studio.[12][3]

¿LM Studio funciona sin conexión?

Sí. LM Studio indica que puede funcionar completamente sin conexión una vez descargados los archivos de los modelos.[10]

¿Cuál es más rápida?

Ningún proyecto publica una prueba comparativa directa, y la velocidad depende del modelo, la cuantización, el tamaño de contexto y el hardware. Ejecute el mismo archivo de modelo con la misma longitud de contexto en su equipo antes de decidir.

Cuándo una herramienta local no es la opción adecuada

La elección entre Ollama y LM Studio solo importa si el modelo cabe en su equipo. Un modelo grande con un contexto de 64k o más necesita más memoria de la que tienen la mayoría de los portátiles, y una ventana de 4k no contiene un repositorio real. En ese caso, una API alojada es la vía práctica: la propia nube de Ollama es una opción, y reAPI ofrece DeepSeek V4, Kimi K3 y GLM-5.2 con una sola clave compatible con OpenAI.

Referencias

  1. Ollama. Ollama documentation and FAQ. Consultado el 4 de noviembre de 2026 en docs.ollama.com
  2. Ollama. Cloud. Consultado el 4 de noviembre de 2026 en docs.ollama.com/cloud
  3. LM Studio. LM Studio documentation: getting started, MLX and model import. Consultado el 4 de noviembre de 2026 en lmstudio.ai/docs/app
  4. LM Studio. Terms of use. Consultado el 4 de noviembre de 2026 en lmstudio.ai/app-terms
  5. GitHub. ollama/ollama and lmstudio-ai/lms repository licenses (MIT). Consultado el 4 de noviembre de 2026 en github.com/ollama/ollama y github.com/lmstudio-ai/lms
  6. LM Studio. OpenAI and Anthropic compatibility endpoints. Consultado el 4 de noviembre de 2026 en lmstudio.ai/docs/developer/openai-compat y lmstudio.ai/docs/developer/anthropic-compat
  7. Ollama. Context length. Consultado el 4 de noviembre de 2026 en docs.ollama.com/context-length
  8. Ollama. Claude Code integration. Consultado el 4 de noviembre de 2026 en docs.ollama.com/integrations/claude-code
  9. Ollama. Hardware support. Consultado el 4 de noviembre de 2026 en docs.ollama.com/gpu
  10. LM Studio. System requirements and offline operation. Consultado el 4 de noviembre de 2026 en lmstudio.ai/docs/app/system-requirements
  11. LM Studio. Run LM Studio as a service (headless). Consultado el 4 de noviembre de 2026 en lmstudio.ai/docs/developer/core/headless
  12. Ollama. Importing a model. Consultado el 4 de noviembre de 2026 en docs.ollama.com/import
  13. Ollama. macOS and Linux installation guides. Consultado el 4 de noviembre de 2026 en docs.ollama.com/macos y docs.ollama.com/linux
Todas las guías