Eliminar modelos de Ollama y LM Studio en Mac con seguridad

Para eliminar un modelo de LM Studio o vaciar el almacén de Ollama, empieza por el inventario de cada herramienta en vez de borrar blobs desde Finder. Las herramientas de IA locales pueden llenar el disco en poco tiempo porque los pesos del modelo son el producto, no un caché pequeño a su alrededor. Un modelo se puede volver a descargar, pero la descarga puede ser costosa, una revisión puede desaparecer o su licencia y acceso pueden cambiar. Inventaría los modelos con la herramienta que los administra y conserva por separado chats, fine-tunes, adaptadores, prompts y datos de proyecto.

Eliminar un modelo en LM Studio

1. Abre My Models en LM Studio y localiza el modelo por su nombre y tamaño.
2. Usa la acción de borrado de ese modelo. No elimines en Finder una carpeta con un nombre parecido.
3. Ejecuta lms ls después para confirmar que el modelo ya no aparece en el inventario de LM Studio.

LM Studio permite elegir el directorio de modelos, así que una ruta copiada de otro Mac puede ser incorrecta. Si cambiaste esa carpeta, comprueba la ubicación configurada antes de medir el espacio recuperado.

Eliminar un modelo de Ollama

Primero enumera los nombres instalados y luego pasa el nombre exacto a Ollama:

ollama ls
ollama rm MODEL_NAME

Vuelve a ejecutar ollama ls tras eliminarlo. Así Ollama actualiza los manifests y blobs compartidos sin dejar el almacén de modelos en un estado incierto.

Dónde guardan sus pesos las herramientas de IA locales

Los modelos casi siempre son la parte pesada, y cada uno se mide en gigabytes.

• Ollama guarda los modelos en ~/.ollama/models por defecto, o en el directorio definido por OLLAMA_MODELS. Su referencia de CLI actual usa ollama ls para inventariar modelos y ollama rm <model> para eliminar uno por nombre. Es más seguro que borrar archivos a mano porque la herramienta puede actualizar su propio almacén de modelos.
• LM Studio te deja elegir el directorio de modelos. Usa My Models en la app o lms ls para listar modelos locales y tamaños, y luego elimina un modelo desde LM Studio para que el catálogo de la app se mantenga coherente. No te fíes de una sola ruta oculta fija.
• Las bibliotecas de Hugging Face almacenan en caché las descargas en ~/.cache/huggingface/hub, que crece a medida que los scripts descargan modelos y datasets, salvo que HF_HOME u otro ajuste de caché cambie la raíz. hf cache ls inventaría repositorios y revisiones. Previsualiza una eliminación exacta con hf cache rm model/<repo> --dry-run, o previsualiza revisiones sueltas e incompletas con hf cache prune --dry-run. La guía de caché de Hugging Face documenta ambos comandos.

Revisa los totales directamente para saber con qué estás tratando:

du -sh ~/.ollama/models ~/.cache/huggingface 2>/dev/null

Caché y datos no son lo mismo

Esta distinción mantiene la limpieza segura. Un modelo publicado puede volver a descargarse, pero un fine-tune local, un adaptador, una cuantización convertida o un checkpoint privado quizá no. Las apps de escritorio de IA también pueden guardar el estado de conversaciones y adjuntos en Application Support, o sincronizar parte del historial con una cuenta. Revisa la exportación y la sincronización de la app en lugar de asumir que cada chat es local o que cada archivo local es prescindible. Los cachés de modelos son grandes, pero recrearlos no es gratis.

Eliminar una app de IA por completo

Si ya no usas una herramienta, el bundle de la app es la parte pequeña. Para recuperar el espacio real también tienes que quitar sus modelos y archivos de soporte, el mismo problema que al desinstalar cualquier app por completo. Con Ollama, elimina los modelos con nombre con ollama rm antes de desinstalar la app. Con LM Studio, quita los modelos de su directorio configurado desde la app. Con un cliente de chat de escritorio, exporta el historial que necesites y sigue la guía de desinstalación del fabricante antes de revisar los datos de soporte. No borres un contenedor completo de Application Support solo porque su nombre coincida con una app.

Bajo el capó: cómo guardan los modelos las herramientas y por qué el tamaño es inherente

Ollama guarda cada modelo como blobs con direccionamiento por contenido (archivos nombrados por su hash sha256) en ~/.ollama/models/blobs, con manifests pequeños que enlazan un nombre de modelo y una etiqueta a los blobs que necesita. Dos modelos construidos sobre la misma capa base comparten blobs, así que ollama rm elimina primero un manifest y solo libera un blob cuando nada más lo referencia. Por eso es arriesgado borrar archivos de blob a mano: puedes dejar huérfano un modelo que aún apunta a ellos. El tamaño no es sobrecarga, es el modelo: miles de millones de parámetros siguen necesitando gigabytes incluso tras la cuantización, y los modelos más grandes o de mayor precisión requieren mucho más espacio para sus pesos. La caché de Hugging Face usa también instantáneas inmutables indexados por revisión para que las descargas repetidas se dedupliquen. Por eso la regla es «elimina con el comando propio de la herramienta»: mantiene coherente el almacén con direccionamiento por contenido en lugar de dejar blobs colgando.

Dónde ayuda un mapa de disco

Un mapa de disco como la vista Analyze de Mole puede revelar un almacén de modelos inesperado, pero los nombres de modelo, los blobs compartidos y las referencias a revisiones pertenecen a Ollama, LM Studio o Hugging Face. Un limpiador general debería evitar los almacenes de modelos y las transcripciones de chat, salvo que el usuario identifique un objetivo exacto.

Un orden seguro de operaciones

Lista los modelos con la herramienta que los administra, distingue los pesos publicados de los artefactos privados o transformados localmente, exporta conversaciones y adaptadores únicos, y luego elimina un modelo con nombre a la vez. Vuelve a comprobar el uso del disco porque los blobs compartidos pueden limitar el espacio recuperado. Elimina directorios de soporte enteros solo como parte de una desinstalación verificada, sin datos que debas conservar.