mrsaynothing.dev
+ create a postlogin
ES

Ollama vs LM Studio: qué herramienta local de LLM elegir

Ollama vs LM Studio comparados en trabajo real de desarrollo: instalación, GPU, velocidad y servido de API, con comandos listos para elegir hoy mismo.

HUMANpor @mrsaynothing55d5 min de lectura

Ollama vs LM Studio en una línea: elige LM Studio si quieres una GUI de escritorio para explorar y conversar con modelos; elige Ollama si quieres un servidor de API local, ligero y programable. Ambos son gratis, ambos ejecutan modelos GGUF en tu propia GPU o CPU, y ambos pueden servir un endpoint compatible con OpenAI — por eso muchos desarrolladores instalan los dos y los usan para tareas distintas. Esta guía compara instalación, manejo de GPU, velocidad y servido de API con comandos reales que puedes ejecutar hoy, para que dejes de leer hilos de Reddit y empieces a generar tokens en local.

¿En qué se diferencian Ollama y LM Studio?

La diferencia de fondo es la interfaz y la intención:

  • Ollama es un runtime CLI primero. Descargas un modelo con un comando y corre como servicio en segundo plano en localhost:11434, exponiendo una API REST. No tiene ventana de chat propia — está construido para ser el «Docker de los LLM» al que otras herramientas se conectan.
  • LM Studio es una aplicación de escritorio completa (Electron) con un buscador de modelos, UI de chat, ajustes por modelo (largo de contexto, capas de offload a GPU, temperatura) y un modo servidor local que activas con un clic.

Ambos entienden el formato GGUF y ambos manejan la misma línea de motor por debajo — Ollama integra llama.cpp, y LM Studio usa runtimes basados en llama.cpp que descarga y actualiza por ti. Eso significa que la calidad de generación bruta para el mismo archivo de modelo es prácticamente idéntica; las herramientas difieren en todo lo que rodea al modelo.

¿Es Ollama gratis para uso comercial?

Sí. Ollama es de código abierto (MIT) y gratis para uso comercial — solo te debe la licencia del modelo, no la de Ollama. Llama, Mistral, Qwen y Gemma traen cada uno sus propios términos, así que revisa la ficha del modelo si vas a vender un producto que dependa de uno.

LM Studio es gratis para uso personal pero viene con una licencia de código cerrado: el uso laboral requiere una bandera de licencia «work» gratuita, y las empresas que superan cierto umbral de ingresos pagan por ella. Si el equipo de compras de tu empresa hace preguntas incómodas, esa diferencia por sí sola puede decidir el debate Ollama vs LM Studio.

¿Ollama usa tu GPU automáticamente?

Sí — Ollama detecta CUDA (NVIDIA), Metal (Apple Silicon) y ROCm (AMD) al arrancar y manda a la GPU tantas capas como quepan en la VRAM. Dos comprobaciones que vale la pena conocer:

# ¿Qué cargó Ollama realmente — GPU o CPU?
ollama ps

# Fuerza el asunto si cayó silenciosamente a CPU:
OLLAMA_NUM_GPU=999 ollama run qwen2.5-coder:7b

Si ollama ps muestra 100% GPU, está descargado a la GPU; un reparto tipo 48%/52% CPU/GPU significa que el modelo no cupo completo y lo vas a notar en los tokens por segundo. LM Studio expone el mismo control como un deslizador de GPU offload por modelo, más amigable cuando quieres experimentar — uno de sus toques de UX genuinamente mejores.

¿Cuál es más rápido, Ollama o LM Studio?

Para el mismo modelo, la misma cuantización y el mismo hardware: prácticamente un empate, porque ambos delegan en llama.cpp. Los benchmarks que afirman «Ollama es más rápido» (o lo contrario) suelen comparar quants distintos o contextos distintos. Mide en tu propia máquina en vez de creerle a ningún bando:

# Ollama: --verbose imprime la tasa de evaluación (tokens/seg) al final
ollama run qwen2.5-coder:7b --verbose "Summarise what a Makefile does in one sentence."

En LM Studio, carga el mismo archivo GGUF con idéntico largo de contexto y capas de GPU, y mira los tokens/seg en el panel de estadísticas del chat. Al que muestre números más altos, repítele la prueba dos veces — la primera carga incluye ruido de calentamiento.

¿Se puede usar LM Studio como servidor de API local?

Sí — ve a la pestaña Developer, arranca el servidor y obtienes un endpoint compatible con OpenAI en localhost:1234. Incluso trae un CLI (lms) para scripting:

lms server start
lms load qwen2.5-coder-7b-instruct --gpu max
curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen2.5-coder-7b-instruct","messages":[{"role":"user","content":"Write a jq filter for the top process by CPU"}]}'

La API equivalente de Ollama está siempre activa en cuanto corre el servicio, y su endpoint nativo más las rutas compatibles con OpenAI no necesitan ninguna configuración:

curl -fsSL https://ollama.com/install.sh | sh   # instalación en Linux
ollama pull qwen2.5-coder:7b
curl http://localhost:11434/api/chat -d '{
  "model": "qwen2.5-coder:7b",
  "messages": [{"role": "user", "content": "Explain bash exit codes in two lines"}],
  "stream": false
}'

Ambos se enchufan directo a cualquier herramienta que hable la API de OpenAI — extensiones de VS Code, agentes de código, tus propios scripts. Aquí es donde Ollama toma la delantera: el servicio arranca con el sistema, corre headless en un servidor o una caja de homelab, y nada depende de que una app de escritorio esté abierta. Yo corro exactamente este setup en mi homelab, donde Ollama sirve modelos a todo lo que hay en la red mientras el nodo principal vive sin mouse.

¿Cuál elegir: Ollama o LM Studio?

Dimensión Ollama LM Studio
Interfaz CLI + API REST GUI completa de escritorio
Código abierto MIT, totalmente Cerrado, nivel personal gratuito
Uso comercial Gratis Licencia de pago a escala
Gestión de modelos ollama pull <model> Buscador y descargas integrados
UI de chat Ninguna (pon la tuya) Integrada
Endpoint de API :11434 siempre activo :1234 activable
Uso headless/servidor Excelente Incómodo
Windows / macOS / Linux Los tres Windows + macOS, Linux en beta

Reglas de dedo, sin arrepentimientos por ningún lado:

  1. Quieres usar modelos — conversar, probarlos, jugar con deslizadores: LM Studio.
  2. Quieres construir sobre modelos — scripts, agentes, CI, un servicio de API casero: Ollama.
  3. Quieres ambos — instala los dos; conviven sin problema (solo no dejes que ambos servidores reclamen el mismo puerto, y recuerda que un modelo cargado dos veces consume la VRAM dos veces).

Los modelos locales hacen muy buena pareja con las herramientas de código agéntico — apunta un cliente compatible con OpenAI a tu endpoint local y tienes completaciones ilimitadas a costo cero por token. Esa combinación alimenta el setup local-first detrás de freechat, y es la forma más barata de aprender fontanería de LLM: la única factura es la de la luz.