La ensitización de Ollama: las primeras señales
Mi perspectiva sobre el estado actual del desarrollo de Ollama
Ollama se ha convertido rápidamente en una de las herramientas más populares para ejecutar LLMs localmente. Su simple CLI y la gestión de modelos simplificada lo han convertido en una opción predilecta para los desarrolladores que desean trabajar con modelos de IA fuera de la nube.
Si estás evaluando Ollama frente a otras opciones locales o en la nube, consulta Alojamiento de LLMs: Comparativa de infraestructura local, autoalojada y en la nube. Pero, como ocurre con muchas plataformas prometedoras, ya hay señales de Enshittificación:
- el proceso gradual mediante el cual el software o los servicios se degradan con el tiempo, ya que los intereses de los usuarios se subordinan lentamente a las prioridades empresariales, arquitectónicas u otras internas.
En este artículo, exploraré las tendencias recientes y las quejas de los usuarios sobre Ollama que insinúan este desvío, y por qué son importantes para su futuro.
Para los detalles de los comandos y parámetros más frecuentes de Ollama, por favor consulte la Hoja de referencia de Ollama.
Para interfaces de usuario útiles para Ollama, consulte - Interfazes de Chat de Código Abierto para LLMs en Instancias Locales de Ollama
Inicio automático y control en segundo plano
Uno de los puntos dolorosos más claros reportados por los usuarios es que Ollama se inicia automáticamente al arrancar el sistema, especialmente en Windows.
- No existe una configuración clara para desactivar este comportamiento.
- Incluso si se desactiva manualmente, las actualizaciones o las reinstalaciones pueden reactivar el inicio silenciosamente.
- En macOS, la aplicación de escritorio también se inicia al iniciar sesión por defecto, a menos que se instale específicamente la variante solo de CLI.
Este patrón — que el software se inserte en la rutina de arranque sin consentimiento explícito — es una señal de alerta clásica. Erosiona la confianza del usuario y crea fricción para quienes valoran el control sobre su sistema.
Preocupaciones sobre telemetría y recopilo de datos
Otro problema recurrente es el comportamiento de red de Ollama. Los usuarios han notado tráfico saliente incluso cuando todas las operaciones deberían ser locales. Los mantenedores han declarado que esto está vinculado a las comprobaciones de actualizaciones, y no a las entradas del usuario, pero no hay un interruptor simple para quienes desean una experiencia estrictamente sin conexión.
Para una plataforma que se comercializa como una herramienta local y de privacidad primero, esta falta de claridad crea dudas. La transparencia y las opciones de exclusión son esenciales si Ollama quiere mantener su credibilidad.
Regresiones de rendimiento con el nuevo motor
Las actualizaciones recientes introdujeron un nuevo motor de inferencia, pero en lugar de mejoras de rendimiento, algunos usuarios han reportado lo contrario:
- La generación de tokens es hasta 10 veces más lenta en ciertos escenarios.
- La utilización de la GPU es inconsistente en comparación con el motor anterior.
- Los modelos más grandes como Qwen3:30B ahora funcionan significativamente peor, con mayor latencia y menor tasa de transferencia.
Este cambio plantea preocupaciones sobre las prioridades. Si las actualizaciones hacen que los modelos sean menos utilizables en el hardware real, los desarrolladores pueden sentir presión para actualizar el hardware o aceptar un rendimiento degradado — otra forma sutil de despriorizar la experiencia del usuario.
Riesgos de seguridad de las instancias mal configuradas
Los investigadores de seguridad han encontrado servidores de Ollama expuestos que funcionan sin autenticación. Se han divulgado vulnerabilidades como la navegación por rutas (path traversal) y vectores de denegación de servicio, con algunas parchadas y otras disputadas.
Si bien gran parte de esto recae sobre usuarios que configuran mal los despliegues, la falta de valores predeterminados seguros aumenta el riesgo. La responsabilidad de una plataforma incluye hacer que la ruta segura sea la ruta fácil.
Turbo: Monetización y cambios en el modelo de negocio
El lanzamiento de Ollama Turbo — un servicio de aceleración en la nube — representó un momento crucial. La diferenciación original de Ollama era su enfoque en el control local, la privacidad y la distribución de código abierto. Sin embargo, Turbo introduce una dependencia de la propia infraestructura de Ollama.
- El uso de Turbo requiere un iniciar sesión, alejándose de la experiencia local primero sin fricción.
- Las funciones clave de la app para Mac ahora dependen de los servidores de Ollama, lo que levanta preocupaciones sobre cuánto de la funcionalidad podría seguir siendo utilizable sin conexión.
- Las discusiones en Hacker News enmarcaron esto como el principio de la enshittificación, advirtiendo que la comercialización podría eventualmente introducir muros de pago para capacidades que actualmente son gratuitas.
Esto no significa que Ollama haya abandonado sus principios — Turbo puede ser valioso para usuarios que quieren una inferencia más rápida sin comprar nuevo hardware. Pero la óptica importa: una vez que una herramienta local primero requiere servicios centralizados para “la mejor” experiencia, arriesga diluir las mismas cualidades que lo hicieron destacar de OpenAI o Anthropic en primer lugar.
Si el desvío hacia la nube primero de Turbo es el factor decisivo para ti, llama-server directo es la alternativa sin venta ascendente alojada que preocupar — consulta llama.cpp vs Ollama en 2026 para lo que ganas y pierdes al sacar el catálogo de modelos y el programador de las manos de Ollama por completo.
El patrón: Control del usuario frente a valores predeterminados del proveedor
Individualmente, estos problemas podrían parecer pequeños. Juntos, sugieren un patrón:
- El comportamiento de inicio predeterminado está activado, no desactivado.
- Las comprobaciones de actualización ocurren automáticamente, no por opción del usuario.
- Los cambios de rendimiento sirven a nuevos objetivos arquitectónicos, incluso si degradan la usabilidad actual.
- La monetización ahora introduce dependencia de servidores, no solo de binarios locales.
Así comienza la enshittificación — no con un solo movimiento hostil, sino con una serie de pequeños cambios que intercambian sutilmente el control del usuario por la conveniencia o los ingresos del proveedor.
Lo que aún no ha ocurrido (por ahora)
Para ser justos, Ollama aún no ha cruzado hacia el territorio más flagrante:
- No hay anuncios ni promociones dentro de la interfaz.
- No hay muros de pago agresivos que limiten la funcionalidad local principal.
- No hay bloqueo duro alrededor de formatos propietarios; los modelos de la comunidad siguen siendo accesibles.
Dicho esto, la vigilancia está justificada. El cambio de “una herramienta que respeta tu control” a “una herramienta que hace lo que el proveedor quiere por defecto” a menudo ocurre gradualmente.
Conclusión
Ollama sigue siendo una de las mejores formas de ejecutar modelos grandes localmente. Para ver cómo encaja Ollama entre otras opciones locales, autoalojadas y en la nube de LLMs, revisa nuestra Alojamiento de LLMs: Comparativa de infraestructura local, autoalojada y en la nube.
Pero las señales tempranas son claras: el comportamiento de inicio automático, la opacidad de la telemetría, las regresiones de rendimiento, los valores predeterminados inseguros y el desvío hacia la nube primero de Turbo insinúan un movimiento lento alejándose del ethos original de la herramienta.
Para que Ollama sea fiel a su promesa, los mantenedores deben priorizar la transparencia, el diseño por opción de participación y los principios local primero. De lo contrario, la plataforma arriesga socavar los mismos valores que lo hicieron atractivo en primer lugar. Pero no me aguanto la respiración.
