Ollama tarda mucho en la primera respuesta: mantener el modelo cargado

Tras unos minutos sin uso, la siguiente pregunta tarda mucho (p. ej. el asistente de voz de Home Assistant).

Por Kike · revisada en octubre de 2026 · Nivel: Intermedio · Cómo verificamos

Por qué pasa (diagnóstico)

• Ollama descarga el modelo de memoria tras 5 minutos sin uso, por defecto.

Solución paso a paso

1. Para todo el servidor: OLLAMA_KEEP_ALIVE=-1 (siempre cargado) o una duración como 24h.
2. Por petición: parámetro keep_alive en /api/generate o /api/chat.
3. Precarga al arrancar: ollama run modelo "".
4. Ten en cuenta que la memoria queda ocupada.

Requisitos

• RAM/VRAM suficiente
• Ollama

Compatibilidad

• Linux
• macOS
• Windows

Verificación

Basado en la documentación oficial citada; aún no probado en este laboratorio.

Fuentes

• Ollama — FAQ (keep_alive) (en inglés)

Guías relacionadas

• Ollama no usa la GPU
• ¿Mi tarjeta gráfica sirve para Ollama?
• Usar Ollama (LLM local) como agente de conversación en Home Assistant
• Ollama no responde desde otro ordenador de la red
• Ollama «olvida» lo que le has dicho: ampliar el contexto
• Guardar los modelos de Ollama en otro disco

Más guías de IA local.