ollama

ollama/ollama
- MIT, Golang
- 封装 llama.cpp
参考
- ollama/ollama-js
  - MIT, TS
  - npm:ollama
  - 客户端
- sgomez/ollama-ai-provider
  - provider for vercel ai
https://ollama.ai/library
默认地址 http://localhost:11434
OLLAMA_HOST
~/.ollama
- models
  - blobs/
  - manifests/registry.ollama.ai/library/gemma/latest
参考
- 使用 CF r2 存储
  - dd20bb891979d25aebc8bec07b2b3bbc.r2.cloudflarestorage.com

caution

format=json 非常慢 https://github.com/ollama/ollama/issues/3851
~~Support tools in OpenAI-compatible API #4386~~
phi4-multimodel https://github.com/ollama/ollama/issues/9387
qwen3 rerank https://github.com/ollama/ollama/issues/10989

brew install ollama # macOS brew

# 启动服务端
# OLLAMA_KV_CACHE_TYPE 0.5+
# OLLAMA_CONTEXT_LENGTH 默认 4096 也可以 /set parameter num_ctx 4096 或者 num_ctx 参数
OLLAMA_CONTEXT_LENGTH=8192 OLLAMA_FLASH_ATTENTION=1 OLLAMA_KV_CACHE_TYPE=q4_0 ollama serve

ollama run mistral # 运行模型
ollama list

# https://hub.docker.com/r/ollama/ollama
docker run --rm -it \
  -v $PWD/data:/root/.ollama \
  -p 11434:11434 \
  ollama/ollama \
  --name ollama

ollama pull qwen2:7b # 中文相对好点

# vision
ollama pull llama3.2-vision:11b
#ollama pull llama3.2-vision:90b

env	default	desc
OLLAMA_DEBUG		显示额外的调试信息
OLLAMA_HOST	127.0.0.1:11434	Ollama 服务器的 IP 地址
OLLAMA_KEEP_ALIVE	"5m"	模型在内存中保持加载的持续时间
OLLAMA_MAX_LOADED_MODELS	1	最大加载模型数量
OLLAMA_MAX_QUEUE		最大排队请求数量
OLLAMA_MODELS		模型目录的路径
OLLAMA_NUM_PARALLEL	1	最大并行请求数量
OLLAMA_NOPRUNE		启动时不修剪模型 blobs
OLLAMA_ORIGINS		允许的来源列表，以逗号分隔
OLLAMA_TMPDIR		临时文件的位置
OLLAMA_FLASH_ATTENTION		启用 Flash Attention
OLLAMA_LLM_LIBRARY		设置 LLM 库以绕过自动检测
OLLAMA_MAX_VRAM		最大显存（VRAM）
OLLAMA_CONTEXT_LENGTH	4096	上下文长度

/set verbose

/show info
# 130k
/set parameter num_ctx 131072

# 输入多行
"""
"""

/no_think - 禁用思考
/think - 启用思考

FROM gemma3:4b-it-qat

PARAMETER temperature 1.0
PARAMETER top_k 64
PARAMETER top_p 0.95
PARAMETER min_p 0.0

ollama create gemma3-4b -f my.Modfile

API

# Modesl
curl http://localhost:11434/api/tags

curl -X POST http://localhost:11434/api/generate -d '{
  "model": "qwen3:0.6b",
  "prompt":"天空是什么颜色",
  "stream": false
}'

{
  // 生成响应 - 单位 nanoseconds
  "total_duration": 4017602595,
  // 加载模型
  "load_duration": 1254191081,
  // 输入 token
  "prompt_eval_count": 52,
  "prompt_eval_duration": 1685919742,
  // 输出 token
  "eval_count": 19,
  "eval_duration": 1005502138
}

https://github.com/ollama/ollama/blob/main/docs/api.md
OpenAI 兼容接口
- 不支持 reasoning_content #8529
- https://github.com/ollama/ollama/blob/main/docs/openai.md

Vision

ollama run gemma3:27b "describe this image: ./inputs/demo.jpg"
ollama run --verbose gemma3:27b "中文描述这个文件: ./inputs/demo.jpg ; 输出 JSON, 文本使用中文, 包含 tags, description, title, alt, objects:[{x,y,w,h,type,tags}]"

提取文件的逻辑 https://github.com/ollama/ollama/blob/b3af953a55f0bd054937374404506c4229fbda8c/cmd/interactive.go#L501-L509
- (?:[a-zA-Z]:)?(?:\./|/|\\)[\S\\ ]+?\.(?i:jpg|jpeg|png)\b

FAQ

CPU 使用不满
- 修改线程数量 /set parameter num_thread 20
- https://github.com/ollama/ollama/issues/2929
New Engine - https://github.com/ollama/ollama/issues/9959
- 替代 llama.cpp

限制 GPU

# 得到 GPU ID
nvidia-smi -L

rocminfo

CUDA_VISIBLE_DEVICES
- 逗号分割的 GPU ID 列表
- 支持 UUID 或数字 ID
- 设置为 -1 表示禁用 GPU 强制 CPU
ROCM_VISIBLE_DEVICES

API​

Vision​

FAQ

限制 GPU​

API

Vision

限制 GPU