Inicio›Guías›MLX vs Ollama en un Mac: qué modelos corre cada uno (27 revisados) y cuál usar

Elegir · Guía

MLX vs Ollama en un Mac: qué modelos corre cada uno (27 revisados) y cuál usar

En un Mac con Apple Silicon, Ollama ya usa MLX: cuando una etiqueta de su biblioteca trae versión MLX, baja esa y la ejecuta con su propio motor. Elige Ollama por su aplicación, biblioteca y API en el puerto 11434. Elige mlx-lm para correr en MLX modelos que el motor de Ollama no conoce, usar versiones de mlx-community y afinar.

Medido y escrito por Local AI ScopePublicado el Cifras medidas por Local AI Scope

En un Mac con Apple Silicon, Ollama ya usa MLX: cuando una etiqueta de su biblioteca trae versión MLX, baja esa y la ejecuta con su propio motor. Elige Ollama por su aplicación, biblioteca y API en el puerto 11434. Elige mlx-lm para correr en MLX modelos que el motor de Ollama no conoce, usar versiones de mlx-community y afinar.

Esa primera frase cambia la pregunta, y el resto de la página sale de ahí. El 30 de octubre de 2026 leímos el código de Ollama 0.40.13 y de mlx-lm 0.32.2, cruzamos con los dos los 27 modelos que tenía ese día nuestro buscador y preguntamos a la biblioteca de Ollama qué versión recibe un Mac en 9 de sus etiquetas. No los hemos puesto a correr con cronómetro, así que aquí no hay ganador en velocidad; más abajo te contamos cómo averiguarlo en tu propio Mac.

MLX (mlx-lm)MLX (mlx-lm)Ficha del programa OllamaOllamaFicha del programa
mlx-lm Ollama
Qué es El paquete de Python de Apple para ejecutar y afinar modelos de lenguaje con MLX Una aplicación y un servidor que bajan modelos de su biblioteca y los ejecutan con MLX o con llama.cpp
Versión el 30 de octubre de 2026 mlx-lm 0.32.2, que instala mlx 0.32.4 Ollama 0.40.13
El MLX que lleva dentro El paquete mlx de Apple, la estable 0.32.4 Un motor propio escrito en Go sobre la interfaz en C de MLX, compilado con un mlx del 25 de octubre de 2026, 31 cambios por delante de la 0.32.4
Modelos de nuestro catálogo que su código MLX conoce (27 el 30 de octubre de 2026) 22 17
De dónde salen los modelos Hugging Face: versiones de mlx-community o tu propia conversión Su biblioteca (ollama pull), o tu propia carpeta de safetensors o fichero GGUF importados con ollama create
GGUF No lo lee Sí, con llama.cpp, en las etiquetas sin versión MLX
Instalación pip install mlx-lm, solo terminal Aplicación de escritorio o un script de una línea
Servidor local mlx_lm.server en 127.0.0.1:8080, rutas al estilo de OpenAI 127.0.0.1:11434: su API propia más rutas al estilo de OpenAI y de Anthropic
Afinado LoRA con mlx_lm.lora No; y la 0.40.13 rechaza los adaptadores LoRA al crear un modelo
Qué manda por su cuenta Nada; la librería de Hugging Face con la que descarga comprueba si el modelo ha cambiado 2 tipos de llamada a ollama.com solo con el servidor, 4 con la aplicación de escritorio
Licencia MIT MIT
Velocidad No la hemos medido No la hemos medido

Ollama ya ejecuta MLX en tu Mac, pero no es mlx-lm

Desde Ollama 0.40.0, una etiqueta de su biblioteca puede traer 2 versiones: una en safetensors para MLX y otra en GGUF para llama.cpp. En un Mac con Apple Silicon el código pone MLX primero, así que cuando existen las dos tu Mac recibe la MLX. Lo que la ejecuta no es mlx-lm. Ollama tiene su propio motor MLX, escrito en Go, que habla con MLX a través de su interfaz en C: sin Python, sin el paquete mlx-lm y con su propio código para cada familia de modelos.

Tampoco el MLX de debajo es exactamente el mismo. Ollama 0.40.13 se compila con una instantánea de desarrollo del mlx de Apple del 25 de octubre de 2026, 31 cambios por delante de la estable 0.32.4. mlx-lm 0.32.2 pide mlx 0.32.2 o posterior, así que hoy pip te instala la estable, la 0.32.4. Mismo armazón con 11 días de diferencia, y encima 2 juegos de código de modelos distintos.

MLX ejecutando un modelo de lenguaje en el terminal de un Mac (sesión de la WWDC25)
mlx_lm.chat en el terminal de un Mac, en la sesión de Apple sobre MLX de la WWDC25. mlx-lm es el paquete de Python de Apple; Ollama ejecuta MLX con su propio motor Fotograma del vídeo oficial · Apple

Así que «MLX vs Ollama» es en realidad el MLX de mlx-lm contra el MLX de Ollama. Eso tiene 2 consecuencias que vas a notar: un modelo que soporta uno no lo soporta por fuerza el otro, y una cifra de velocidad medida en uno dice poco del otro.

Qué modelos corre cada uno: los 27 que revisamos, cruzados con los dos

Tomamos los 27 modelos que tenía nuestro buscador el 30 de octubre de 2026, leímos la arquitectura que declara cada uno en su config.json de Hugging Face y la buscamos en el código de los dos: el motor MLX de Ollama elige su código de modelo por ese nombre, y mlx-lm necesita un fichero para ese tipo de modelo.

Quién lo conoce Modelos
Los dos (14) Qwen3 1.7B, Qwen3 4B 2507, Qwen3 8B, Qwen3.5 9B, Qwen3.6 27B, Qwen3.8 27B, Qwen3.6 35B A3B, Gemma 4 E2B, E4B, 12B, 26B A4B y 31B, Muse Glimmer 30B, Nemotron 3.5 Lightning 30B
Solo mlx-lm (8) Qwen3 Coder 30B, gpt-oss-20b, gpt-oss-120b, GLM-5.2, Mistral Small 24B, Llama 4 Scout, Granite 4.2 8B, Phi-4
Solo el motor MLX de Ollama (3) Flint, Qwen3.8 Flash Next, Nemotron 3.5 Super 120B
Ninguno (2) DeepSeek V4 Flash, GLM-5.3 Flash

Leído en el código de mlx-lm 0.32.2 y de Ollama 0.40.13 el 30 de octubre de 2026, frente al config.json de cada modelo en Hugging Face. Es soporte en el código, no una ejecución: no hemos cargado los 27 en un Mac.

«Solo mlx-lm» no quiere decir que Ollama no pueda ejecutar el modelo. El 30 de octubre de 2026, phi4:14b, gpt-oss:20b y qwen3-coder:30b estaban en la biblioteca de Ollama con una sola versión GGUF, así que en un Mac Ollama los ejecuta con llama.cpp, en el chip gráfico a través de Metal. Si quieres esos modelos en MLX, el camino es mlx-lm. Y al revés: si lo que buscas es Flint, Qwen3.8 Flash Next o Nemotron 3.5 Super en MLX, mlx-lm 0.32.2 todavía no tiene código para ellos y el motor de Ollama sí.

Logotipo de Ollama
Logotipo de Ollama. Su código es público (licencia MIT), y por eso pudimos leer qué familias de modelos conoce su motor MLX Logotipo: Ollama

El motor puede, la etiqueta decide

A Ollama no le basta con conocer una arquitectura: la etiqueta tiene que traer versión MLX. Qwen3 8B es el caso más claro. El motor MLX de Ollama tiene su código, pero el 30 de octubre de 2026 la etiqueta qwen3:8b solo tenía versión GGUF, así que un Mac la ejecuta con llama.cpp. Ese mismo día, qwen3.5:9b, qwen3.6:27b, gemma4:e4b, gemma4:12b y flint:latest traían las 2 versiones, y un Mac recibe la MLX.

Con mlx-lm no hay lista que valga: eliges el repositorio exacto de Hugging Face, por ejemplo una versión de 4 bits de mlx-community, o conviertes tú los pesos originales con mlx_lm.convert. Las versiones MLX de Ollama son compilaciones suyas y no siempre pesan lo mismo que las de mlx-community; nuestra comparativa MLX vs GGUF mide los tamaños etiqueta por etiqueta.

Ollama tiene aquí 2 puertas propias, que leímos en el código de la 0.40.13 y no hemos probado. ollama create importa una carpeta de safetensors como versión MLX, y su opción --quantize la comprime por el camino a nvfp4, mxfp4, int4, mxfp8 o int8. Y pull y run aceptan una opción oculta, --runner, para pedir una de las 2 versiones de una etiqueta. Las opciones ocultas pueden cambiar sin aviso.

Mac mini sostenido en una mano
Un Mac mini con Apple Silicon en la mano: en un Mac así Ollama elige MLX cuando la etiqueta lo trae, y mlx-lm solo ejecuta MLX Foto: Apple

Servidores: puerto 11434 u 8080, y la sorpresa de los 512 tokens

Los 2 abren de serie un servidor solo en tu propio equipo y sin clave. Ollama escucha en 127.0.0.1:11434 y habla 3 dialectos: su API propia (/api/chat), el estilo de OpenAI (/v1/chat/completions y /v1/responses) y el de Anthropic (/v1/messages). Mantiene el modelo cargado 5 minutos después de la última petición (OLLAMA_KEEP_ALIVE lo cambia) y, de las páginas web, de serie solo acepta llamadas de las servidas desde localhost, 127.0.0.1 o 0.0.0.0 (más app://, tauri://, file:// y las de editores de código; OLLAMA_ORIGINS añade otras).

mlx_lm.server escucha en 127.0.0.1:8080, solo al estilo de OpenAI (/v1/chat/completions, /v1/completions y /v1/models), acepta llamadas de cualquier página web y avisa cada vez que arranca de que no está pensado para producción. Tiene 1 modelo en memoria y lo cambia cuando una petición pide otro por su nombre. Cuando el modelo lo permite, agrupa peticiones: de serie, hasta 32 respuestas y 8 prompts a la vez.

Memoria: los dos le hacen a macOS la misma pregunta

macOS le dice a cada programa cuánta memoria recomienda para el chip gráfico, y los 2 leen esa cifra. mlx-lm fija su límite de memoria retenida para el chip gráfico en todo lo recomendado. El motor MLX de Ollama fija ese límite en lo que ocupa el modelo cargado, con lo recomendado como tope, y deja un aviso en su registro cuando el modelo pasa de lo recomendado: a partir de ahí el rendimiento puede resentirse.

Ninguno de los 2 trucos hace más pequeño un modelo. Que quepa depende del fichero, del contexto que pidas y de la memoria que tengas, y nuestro buscador de modelos hace esa cuenta para tu Mac. Si chocas con el techo en un Mac de 16 GB con mlx-lm, nuestra guía de errores de MLX tiene las cifras reales y la forma de subirlo.

Chips M4, M4 Pro y M4 Max de Apple
M4, M4 Pro y M4 Max de Apple: el chip gráfico y el procesador comparten una sola memoria, y los 2 programas preguntan a macOS cuánta debe usar el chip gráfico Imagen: Apple

Si antes quieres ver Ollama en el Mac mini M4 más barato, el de 16 GB, esta prueba lo pone ahí y mira qué modelos mueve y cuándo empieza a tirar de swap. Sus cifras son de su máquina y de sus versiones, no de las de esta página.

Se abre en YouTube (sin cookies) solo si pulsas. Más vídeos en su ficha →

Lo que solo hace mlx-lm: afinado y versiones a tu medida

Aquí mlx-lm juega en otra liga. mlx_lm.lora afina un modelo con LoRA en tu Mac y mlx_lm.fuse funde el resultado con el modelo. mlx_lm.convert comprime los pesos originales, y mlx_lm.dwq, mlx_lm.awq y mlx_lm.gptq son otras formas de comprimir que intentan perder menos calidad. mlx_lm.evaluate, mlx_lm.perplexity y mlx_lm.benchmark miden lo que has hecho. Ollama no entrena nada, y la 0.40.13 ya tampoco acepta adaptadores LoRA nuevos: ollama create responde «LoRA adapters are no longer supported».

Los 2 pueden acelerar una respuesta con un modelo borrador pequeño que se adelanta. mlx-lm acepta cualquier modelo compatible con --draft-model. Ollama 0.40.13 también puede usarlo en su motor MLX, si la etiqueta lo trae o lo añades con una línea DRAFT en ollama create; no hemos comprobado qué etiquetas de su biblioteca lo traen. Y Ollama se queda con la comodidad: aplicación de escritorio, una biblioteca donde 1 comando baja y arranca un modelo, y una API a la que pueden llamar las aplicaciones hechas para Ollama, OpenAI o Anthropic.

Si quieres la versión de Apple, su sesión de la WWDC26 «Run local agentic AI on the Mac using MLX» es la oficial (en inglés). Se grabó con sus propias versiones: donde ella y esta página difieran en una opción, esta página sigue a mlx-lm 0.32.2.

Se abre en YouTube (sin cookies) solo si pulsas. Más vídeos en su ficha →

Velocidad, y lo que manda cada uno

Nos encantaría darte una cifra, y no vamos a inventarla. Los 2 comparten el armazón de Apple pero no la versión ni el código de los modelos, así que la única prueba justa es la tuya: mismo modelo, misma compresión, mismo prompt. ollama run qwen3.6:27b --verbose imprime tras cada respuesta la velocidad de lectura del prompt y de escritura en tokens por segundo, y mlx_lm.generate lo hace por su cuenta. Elige una etiqueta que traiga versión MLX, o estarás cronometrando a llama.cpp: en el código de la 0.40.13, ollama show añade una línea runner cuando una etiqueta tiene 2 versiones.

Logotipo de llama.cpp
llama.cpp, el motor al que recurre Ollama en las etiquetas sin versión MLX, también en un Mac Logotipo: ggml-org / llama.cpp

En la red, mlx-lm no hace llamadas por su cuenta; la librería de Hugging Face con la que descarga pregunta a huggingface.co si el modelo ha cambiado cada vez que lo cargas por su nombre, hasta que pones HF_HUB_OFFLINE=1. Ollama, solo con ollama serve, hace 2 tipos de llamada a ollama.com, que OLLAMA_NO_CLOUD=1 apaga; con la aplicación de escritorio, 4, y la comprobación de actualizaciones no se puede apagar. Cada destino, con su fuente y su fecha, está en nuestras fichas de MLX y de Ollama. Los 2 son de código abierto con licencia MIT, así que cualquiera puede leer lo que leímos nosotros.

Cuál usaríamos, según tu caso

  • Primeros pasos en un Mac y quieres chatear hoy: Ollama. Te llevas MLX sin pedirlo siempre que la etiqueta lo traiga. Nuestra guía para instalar Ollama te lleva de la mano.
  • Una aplicación o un agente que habla la API de Ollama o la de Anthropic: Ollama, en el puerto 11434.
  • Phi-4, gpt-oss, Qwen3 Coder 30B, Mistral Small o Granite en MLX: mlx-lm. El motor MLX de Ollama no los conoce; en Ollama van con llama.cpp si su biblioteca los tiene (lo comprobamos en phi4:14b, gpt-oss:20b y qwen3-coder:30b).
  • Flint, Qwen3.8 Flash Next o Nemotron 3.5 Super en MLX: Ollama, cuyo motor tiene el código; mlx-lm 0.32.2 no.
  • Afinar, comprimir a tu manera o usar una versión concreta de mlx-community: mlx-lm; nuestra guía para instalar MLX te lleva de la instalación al servidor.
  • Los 2: se pueden tener los 2 instalados, cada uno en su puerto (8080 y 11434), pero cada uno guarda su propia copia de cada modelo, y 2 modelos cargados suman memoria.

Si algo falla por el camino, tenemos guías para cuando MLX no funciona y cuando Ollama no funciona. ¿Aún dudas con otros programas? Nuestras comparativas LM Studio vs Ollama y llama.cpp vs Ollama te lo ponen fácil. ¿Dudas entre mlx-lm y llama.cpp, sin aplicación por encima? Nuestra comparativa MLX vs llama.cpp mira cuáles de los modelos de nuestro catálogo conoce cada uno.