Contenido

Tutorial de variables de entorno de Ollama: configura OLLAMA_HOST, la ruta de modelos y el contexto

El comportamiento del servicio de Ollama se controla mediante variables de entorno. En esta sección encontrarás los ajustes más habituales y cómo configurarlos en cada sistema operativo.

Variables de entorno más usadas

Variable	Función	Valor predeterminado
`OLLAMA_HOST`	Dirección y puerto en los que escucha el servicio	`127.0.0.1:11434`
`OLLAMA_MODELS`	Carpeta donde se guardan los modelos	Consulta abajo
`OLLAMA_CONTEXT_LENGTH`	Longitud predeterminada del contexto (tokens)	`4096`
`OLLAMA_KEEP_ALIVE`	Tiempo que un modelo permanece inactivo antes de descargarse de la memoria	`5m`
`OLLAMA_NUM_PARALLEL`	Número de solicitudes que cada modelo procesa al mismo tiempo	`1`
`OLLAMA_MAX_LOADED_MODELS`	Límite de modelos cargados al mismo tiempo	3 por GPU
`OLLAMA_MAX_QUEUE`	Límite de solicitudes en cola; al superarlo, devuelve 503	`512`
`OLLAMA_ORIGINS`	Dominios permitidos para solicitudes de origen cruzado (CORS)	Local
`OLLAMA_FLASH_ATTENTION`	Fuerza la activación (1) o desactivación (0) de Flash Attention	Automático
`OLLAMA_KV_CACHE_TYPE`	Cuantización de la caché del contexto: `f16`, `q8_0`, `q4_0`	`f16`
`OLLAMA_NO_CLOUD`	Desactiva las funciones en la nube (modelos en la nube y búsqueda web)	Desactivado

Puedes consultar la lista completa con ollama serve --help. Los valores predeterminados pueden cambiar según la versión; usa los de la versión que tienes instalada.

Cómo configurarlas

Windows

Primero, cierra Ollama desde el icono de la bandeja del sistema.
Busca «Editar las variables de entorno de tu cuenta» en el menú Inicio.
Añade o modifica una variable; por ejemplo, el nombre OLLAMA_HOST y el valor 0.0.0.0:11434.
Pulsa Aceptar y reinicia Ollama desde el menú Inicio.

macOS (versión de la aplicación)

launchctl setenv OLLAMA_HOST "0.0.0.0:11434"
launchctl setenv OLLAMA_CONTEXT_LENGTH "8192"

Después de configurarlas, reinicia la aplicación Ollama. launchctl setenv deja de surtir efecto al reiniciar el equipo. Para que el ajuste sea permanente, puedes usar un script que se ejecute al iniciar sesión.

Linux (systemd)

sudo systemctl edit ollama.service

Añade lo siguiente en el editor que se abre:

[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_CONTEXT_LENGTH=8192"

Guarda los cambios y aplícalos:

sudo systemctl daemon-reload
sudo systemctl restart ollama

Al ejecutar manualmente

OLLAMA_HOST=0.0.0.0:11434 ollama serve

Permitir conexiones desde otros equipos de la red local

De forma predeterminada, Ollama solo escucha en 127.0.0.1, por lo que únicamente el equipo local puede conectarse. Para permitir que otros equipos de la misma red (o un teléfono o NAS) lo usen:

Configura OLLAMA_HOST como 0.0.0.0:11434 y reinicia Ollama.
Comprueba que el firewall permita el puerto 11434.
Haz una prueba desde otro equipo:
```
curl http://TU_IP_DEL_EQUIPO:11434
```

La API de Ollama no requiere usuario ni contraseña para autenticarse. No expongas el puerto 11434 directamente a Internet: cualquiera podría usar tu GPU e incluso borrar tus modelos. Si necesitas acceder desde fuera, usa una VPN (por ejemplo, Tailscale) o coloca delante un proxy inverso con autenticación.

Cambiar la ubicación de los modelos

Los modelos pueden ocupar desde varios GB hasta decenas de GB. La ubicación predeterminada es:

Sistema	Ubicación
Windows	`C:\Users\NOMBRE_DE_USUARIO\.ollama\models`
macOS	`~/.ollama/models`
Linux	`/usr/share/ollama/.ollama/models`

Para guardarlos en otro disco, configura OLLAMA_MODELS; por ejemplo, en Windows puedes usar D:\ollama\models. En Linux, asegúrate de que el usuario ollama tenga permisos de lectura y escritura en la nueva carpeta:

sudo mkdir -p /data/ollama/models
sudo chown -R ollama:ollama /data/ollama

Puedes mover directamente la carpeta models completa para conservar los modelos descargados; no hace falta descargarlos de nuevo.

Longitud del contexto

La longitud del contexto (context length) es la cantidad de tokens que un modelo puede procesar de una vez, incluidos tu entrada, el historial de la conversación y la respuesta del modelo. En chino, cada carácter equivale aproximadamente a entre 1 y 2 tokens.

Si le das al modelo un documento largo para resumir y ves que solo ha leído la segunda mitad, normalmente se debe a que el contexto es demasiado corto y se ha truncado el contenido anterior.

Elige una de estas formas de ajustarla:

Global: OLLAMA_CONTEXT_LENGTH=16384
Para un solo modelo: PARAMETER num_ctx 16384 en el Modelfile
Para una sola solicitud: "options": {"num_ctx": 16384} en la API

Cuanto más largo sea el contexto, más memoria ocupará. Puedes comprobar con ollama ps si el modelo todavía cabe por completo en la GPU.

Tiempo que permanece cargado un modelo

Cada vez que se carga un modelo, se necesita tiempo (los modelos grandes pueden tardar más de diez segundos).

OLLAMA_KEEP_ALIVE=30m     # Se descarga tras 30 minutos de inactividad
OLLAMA_KEEP_ALIVE=-1      # No se descarga nunca
OLLAMA_KEEP_ALIVE=0       # Se descarga justo después de usarlo

El parámetro keep_alive de las solicitudes a la API reemplaza este ajuste.

Atender a varios usuarios al mismo tiempo

Si usas Ollama como servicio compartido por un equipo:

OLLAMA_NUM_PARALLEL=4
OLLAMA_MAX_LOADED_MODELS=2

Ten en cuenta que las solicitudes paralelas multiplican el uso de memoria del contexto (aproximadamente NUM_PARALLEL × CONTEXT_LENGTH), así que necesitas suficiente memoria de GPU.

Permitir que una página web llame directamente a Ollama (CORS)

Si llamas a Ollama directamente desde una extensión del navegador o una página de otro dominio, debes permitir ese origen:

OLLAMA_ORIGINS="https://my-app.example.com,chrome-extension://*"

Actualizado 12 de octubre de 2026