¿Quieres una configuración local-first con respaldo en la nube sin gestionar las claves de cada proveedor? haimaker enruta el trabajo sencillo de los agentes de programación a tu modelo local y deriva las tareas difíciles a modelos en la nube a través de un único endpoint.
ENRUTA MODELOS LOCALES Y EN LA NUBE CON HAIMAKER
## Mejor en general: Qwen3 Coder
Qwen3 Coder es el primer modelo que probaría en cualquier configuración de agente de programación local.
Descárgalo:
```bash
ollama pull qwen3-coder:30b
```
Haz una comprobación rápida:
```bash
ollama run qwen3-coder:30b "Explain this repo structure and suggest where tests should live."
```
Por qué ocupa el primer puesto:
- Está explícitamente optimizado para flujos de trabajo de programación y de agentes.
- La página de Ollama incluye soporte para `ollama launch` en Claude Code, Codex, OpenCode y OpenClaw.
- La variante de 30B es mucho más realista en local que la variante de 480B.
- El soporte de contexto largo lo hace más adecuado para trabajar con repositorios que los modelos locales de código anteriores.
Úsalo para revisión de código, generación de tests, refactorizaciones de tamaño medio y sesiones de agente local-first cuando la privacidad importa.
## Mejor opción ligera: Gemma 4
Gemma 4 es la familia de modelos que conviene probar cuando Qwen3 Coder es demasiado pesado. Las variantes más pequeñas de Gemma 4 están diseñadas para uso local y en el dispositivo, mientras que la variante 26B MoE te da una opción más potente para estaciones de trabajo sin activar todos los parámetros en cada token.
Descarga la versión apta para portátil:
```bash
ollama pull gemma4:e4b
```
Descarga la versión más potente para estaciones de trabajo:
```bash
ollama pull gemma4:26b
```
Gemma 4 es una buena opción para agentes de programación cuando quieres ayuda local rápida con explicaciones, ediciones pequeñas y código privado. Resulta menos atractiva para sesiones autónomas largas en las que el agente necesita mantener coherente un plan de migración completo.
## Novedades recientes: Kimi K2.7 Code y Laguna XS 2.1
Dos modelos centrados en programación han llegado a la biblioteca de Ollama este verano y merece la pena seguirlos.
**Kimi K2.7 Code** es la versión optimizada para programación de Moonshot basada en la línea K2.6, la misma familia cuyo lanzamiento K3 lleva un tiempo superando a modelos cerrados de vanguardia en los leaderboards de Chatbot Arena. Necesita hardware potente (hablamos de 48 GB+ de VRAM o un Mac con mucha memoria), pero si lo tienes, es la línea de modelos de programación de código abierto más potente que puedes ejecutar hoy en local.
```bash
ollama pull kimi-k2.7-code
```
**Laguna XS 2.1** es el MoE para agentes de programación de Poolside: 33B parámetros totales con solo 3B activos por token, por lo que funciona mucho más ligero de lo que sugiere su tamaño. Está creado específicamente para el bucle de llamadas a herramientas en el que viven los agentes de programación.
Si estabas usando DeepSeek Coder V2 de una versión anterior de esta guía, retíralo: está dos generaciones por detrás de las opciones actuales y ha desaparecido por completo de las clasificaciones de la comunidad.
## Dónde usar estos modelos
- **[haimaker.ai](https://haimaker.ai)** - usa modelos locales de Ollama junto a modelos en la nube más potentes; enruta el trabajo sencillo de los agentes de programación a tu modelo local y deriva las tareas difíciles a modelos de pago.
- **OpenClaw** - usa Ollama como proveedor local para sesiones de agente de programación. Consulta la [guía de modelos locales de OpenClaw](/es-es/blog/mejores-modelos-locales-para-openclaw/).
- **OpenCode** - añade Ollama mediante el proveedor compatible con OpenAI. Consulta [Ollama con OpenCode](/es-es/blog/usar-ollama-con-opencode/).
- **Codex y Claude Code** - las páginas de modelos de Ollama incluyen ejemplos de `ollama launch` para entornos de ejecución de agentes, incluidos Codex y Claude Code.
## Configuración para agentes compatibles con OpenAI
La mayoría de agentes de programación pueden usar Ollama a través de su endpoint local compatible con OpenAI:
```text
http://localhost:11434/v1
```
Usa una clave API de marcador de posición si tu herramienta la exige. Ollama no la valida localmente.
```json
{
"baseURL": "http://localhost:11434/v1",
"apiKey": "ollama",
"model": "qwen3-coder:30b"
}
```
Para OpenCode, el bloque de proveedor tiene este aspecto:
```jsonc
{
"$schema": "https://opencode.ai/config.json",
"provider": {
"ollama": {
"npm": "@ai-sdk/openai-compatible",
"name": "Ollama (local)",
"options": {
"baseURL": "http://localhost:11434/v1"
},
"models": {
"qwen3-coder:30b": {
"name": "Qwen3 Coder 30B"
}
}
}
}
}
```
Si las llamadas a herramientas no son fiables, reduce primero el tamaño del modelo y luego aumenta el contexto solo hasta donde tu hardware pueda soportarlo. Una ventana de contexto gigante que obliga a usar swap es peor que una más pequeña que se mantiene ágil.
## Cuándo no usar Ollama
Los modelos locales son mejores cuando la privacidad, el coste o el trabajo sin conexión importan. No son automáticamente mejores para todas las tareas de programación.
Usa un modelo en la nube cuando:
- La tarea abarca muchos archivos
- El bug es sutil
- Necesitas llamadas a herramientas fiables
- El parche tocará sistemas de producción
- No tienes tiempo para revisar cada línea generada
La configuración práctica es local-first, no solo local. Usa Qwen3 Coder o Gemma 4 para trabajo privado y barato, y luego deriva a un modelo en la nube más potente cuando lo que se encarece es tu atención en lugar de los tokens.