Con modelos de varios GB, el disco se convierte en tu recurso más escaso. Este es el sistema que proponemos después de un susto de espacio en el laboratorio y que conviene adaptar a tu propia ruta de modelos.

Paso 1: Un solo hogar para todos los modelos

Por defecto, cada herramienta guarda donde le da la gana (Ollama en un sitio, HF en otro, llama.cpp donde le pases la ruta). Centraliza:

# En tu .bashrc
export HF_HOME=/srv/models/huggingface
export OLLAMA_MODELS=/srv/models/ollama
# (TRANSFORMERS_CACHE está obsoleta: con HF_HOME basta)

Todo en un sitio = un solo du -sh para saber dónde estás.

Paso 2: El script de limpieza (el que te salva)

#!/usr/bin/env bash
# clean-models.sh — informe de ocupación
echo "=== USO DE DISCO ==="
df -h / | tail -1
echo ""
echo "=== MODELOS POR TAMAÑO ==="
du -sh /srv/models/* 2>/dev/null | sort -rh | head -15
echo ""
echo "=== BASURA HF (blobs huérfanos) ==="
find $HF_HOME -name "*.incomplete" -o -name "*.lock" 2>/dev/null | head
echo ""
echo "=== DESCARGAS PARCIALES ==="
du -sh /tmp/*.part 2>/dev/null | sort -rh | head -5

Cron semanal que te lo manda por Telegram. Saber es la mitad de la cura.

Paso 3: La política del club

Nuestras reglas (adoptadas tras llorar modelos duplicados):

Antes de descargar: df -h. Deja espacio para el modelo, los temporales, la caché y el margen operativo; si no cabe con holgura, no empieces.
Un modelo entra, un modelo sale: si descargo uno nuevo de la misma categoría (chat/coder/embeddings), el anterior se va. Sin sentimientos.
Los “de producción” tienen alias: ollama cp modelo prod-chat. Los scripts apuntan al alias, no al tag. Actualizar sin romper nada.
Re-descargar puede ahorrar backups, pero consume ancho de banda y tiempo y algunos repositorios requieren acceso. Backupea tus LoRAs, datasets y configs; conserva también una lista de versiones y fuentes.

Paso 4: Descargar con cabeza

# hf CLI con reanudación para descargas grandes
pip install -U huggingface_hub
hf download org/modelo --local-dir /srv/models/gguf/

--local-dir para controlar destino exacto
El cliente puede reanudar descargas, pero revisa el espacio disponible y la versión de la herramienta. Evita un wget sin control para artefactos grandes.

Cómo queda la carpeta

/srv/models/
├── gguf/          # para llama.cpp (por orden de uso)
├── huggingface/   # cache HF (vLLM, transformers)
├── ollama/        # los modelos de Ollama
├── loras/         # NUESTROS LoRAs (backup sagrado)
└── datasets/      # datos de fine-tuning (backup sagrado)

El tamaño final depende de tus modelos y de las cuantizaciones que conserves: revisa df -h y du -sh antes de decidir qué borrar. 🧹