2026-09-16 · Fuente：InfoWorld
Los modelos de pesos abiertos en laptops ahora puntúan 90% en un benchmark de código agéntico que dejó en cero a las herramientas locales hace meses, y Ollama se ha convertido en una forma popular de ejecutarlos.
Los desarrolladores que descartaron los grandes modelos de lenguaje alojados localmente tras las primeras decepciones quizá quieran mirar otra vez, según un análisis de InfoWorld sobre el runtime de Ollama. El viraje es contundente: Simon P. Couch, ingeniero de software senior en Posit, señaló en Bluesky esta primavera que unos meses antes, todo LLM que pudiera ejecutar en su MacBook puntuaba 0% en una evaluación de código agéntico que él mismo armó. Los lanzamientos de abril de Qwen 3.5 y Gemma 4, reportó, alcanzaron ambos 90% en la misma prueba.
El desarrollador de código abierto Simon Willison, que sigue de cerca la industria de la IA, tocó una nota similar en una charla relámpago en la PyCon US 2026 en mayo, observando que los modelos disponibles en laptops, aunque mucho más débiles que la frontera, han comenzado a superar por mucho las expectativas. La advertencia sigue en pie: un modelo corriendo en una laptop todavía no se acerca a lo que entregan en la nube los sistemas de vanguardia de Anthropic u OpenAI. Para trabajo bien definido —responder preguntas de código, escribir funciones o resumir documentos—, sin embargo, los modelos locales pueden ser sorprendentemente capaces.
Entre las muchas rutas para ejecutar modelos localmente, Ollama destaca por popularidad y facilidad de instalación, aunque no sea la opción más rápida. Su huella de integración es amplia: herramientas de programación convencionales como Visual Studio Code, JetBrains AI Assistant, Zed y Posit Assistant lo soportan de fábrica. Ollama también puede lanzar Claude Code o Codex con la opción de apuntar esos agentes de código a un LLM local.
Ollama no es la única elección. Alternativas para correr modelos locales en una PC o Mac incluyen LM Studio, Jan, Unsloth, la herramienta LLM creada por Simon Willison y llama.cpp. Para las organizaciones que evalúan si la inferencia en el dispositivo puede absorber cargas rutinarias de código y resumen, el consenso de los practicantes es que el hardware que ya está sobre el escritorio puede ahora superar una barra que hace apenas unos meses no podía.
Etiquetas: Ollama · Simon P. Couch · Simon Willison · Local LLMs · Qwen 3.5 · Gemma 4
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado