Guia de Comandos Ollama: Todos os Comandos Explicados (2026)

Quais são os comandos essenciais do Ollama?

• `ollama list` — Mostra os modelos baixados, uso de disco e data de modificação.
• `ollama pull <model>` — Baixa um modelo por nome (ex: `ollama pull mistral`).
• `ollama run <model>` — Inicia uma sessão de chat com um modelo.
• `ollama rm <model>` — Remove um modelo e libera espaço em disco.
• `ollama serve` — Inicia o servidor API REST (normalmente executa automaticamente).
• `ollama help` — Mostra todos os comandos disponíveis.

Como gerenciar modelos no Ollama?

# Listar todos os modelos baixados
ollama list

# Baixar um modelo da biblioteca Ollama
ollama pull llama3.2:3b       # Versão 7-bit (~2,5 GB)
ollama pull llama3.2:3b-fp16  # Precisão total (~6,5 GB)

# Baixar quantização específica
ollama pull qwen2.5:7b-q4   # Quantização 4-bit
ollama pull qwen2.5:7b-q8   # Quantização 8-bit

# Ver uso de disco
du -sh ~/.ollama/models

# Remover um modelo
ollama rm llama3.2:3b

# Baixar de registro personalizado (avançado)
ollama pull localhost:5000/custom-model

Como executar modelos e servir a API?

# Modo de chat interativo
ollama run llama3.2:3b

# Executar com parâmetros
ollama run llama3.2:3b --verbose

# Iniciar servidor API (já executa em segundo plano no Mac/Windows)
ollama serve

# Testar a API REST
curl http://localhost:11434/api/generate -d '{
  "model": "llama3.2:3b",
  "prompt": "Olá, como vai?",
  "stream": false
}'

# Listar modelos via API
curl http://localhost:11434/api/tags

Como criar Modelfiles personalizados?

# Criar um Modelfile
cat > Modelfile << 'EOF'
FROM llama3.2:3b

SYSTEM """
Você é um assistente técnico especializado em desenvolvimento de software.
Responda sempre em português do Brasil.
Seja conciso e direto.
"""

PARAMETER temperature 0.7
PARAMETER top_p 0.9
EOF

# Criar o modelo personalizado
ollama create meu-assistente -f Modelfile

# Executar o modelo personalizado
ollama run meu-assistente

Como escolher e usar quantizações?

• Q4 (4-bit): ~55% do tamanho do modelo, ~2–3% de perda de qualidade. Recomendado para hardware com VRAM/RAM limitada.
• Q8 (8-bit): ~90% do tamanho do modelo, ~0,5% de perda de qualidade. Recomendado quando há VRAM suficiente.
• FP16 (full precision): 100% do tamanho, sem perda. Apenas se você tiver VRAM/RAM abundante.

# Q4 (menor, mais rápido, menor qualidade)
ollama pull llama3.2:3b-q4

# Q8 (maior, mais lento, melhor qualidade)
ollama pull llama3.2:3b-q8

# Padrão (geralmente Q4_K_M — melhor equilíbrio)
ollama pull llama3.2:3b

# Ver qual quantização foi baixada
ollama show llama3.2:3b

Como usar modelos de embedding com Ollama?

# Baixar modelo de embedding
ollama pull nomic-embed-text

# Gerar embedding via API
curl http://localhost:11434/api/embeddings -d '{
  "model": "nomic-embed-text",
  "prompt": "Texto para converter em vetor"
}'

Variáveis de ambiente importantes

• `OLLAMA_HOST`: Define o endereço de escuta. Padrão: `localhost:11434`. Use `0.0.0.0` para acesso da rede local.
• `OLLAMA_MODELS`: Diretório de armazenamento dos modelos. Padrão: `~/.ollama/models`.
• `OLLAMA_KEEP_ALIVE`: Tempo para manter o modelo em memória após o último uso. Padrão: `5m`. Use `0` para descarregar imediatamente, `-1` para manter sempre.
• `OLLAMA_NUM_GPU`: Número de GPUs para usar. Padrão: detecta automaticamente.
• `OLLAMA_GPU_LAYERS`: Quantas camadas offloar para GPU. Padrão: automático.

# Exemplos de configuração
export OLLAMA_HOST=0.0.0.0       # Permitir acesso da rede local
export OLLAMA_KEEP_ALIVE=30m     # Manter modelo em memória por 30 min
export OLLAMA_MODELS=/data/models # Usar diretório alternativo de modelos

# Reiniciar Ollama após mudanças
killall ollama && ollama serve

Erros comuns com o Ollama

• Baixar o modelo errado. `ollama pull llama3` baixa uma versão antiga. Use `ollama pull llama3.2:3b` ou `llama3.2:8b` para os modelos mais recentes.
• Não verificar o uso de RAM antes de executar. `ollama run llama3.3:70b` em um sistema com 16 GB de RAM causará lentidão severa. Verifique: 3B requer ~3 GB, 8B requer ~8 GB, 70B requer ~40 GB.
• Esquecer de iniciar o servidor. No Linux, o Ollama não inicia automaticamente. Execute `ollama serve` em segundo plano ou configure como serviço systemd.
• Não usar `--stream false` nas chamadas de API. Por padrão, a API retorna um stream JSON. Se sua aplicação espera uma resposta JSON simples, adicione `"stream": false`.
• Armazenar modelos em disco lento. Modelos grandes em discos HDD carregam lentamente. Use SSD para o diretório `~/.ollama/models`.

Perguntas frequentes sobre comandos Ollama

Leituras relacionadas

• Como instalar o Ollama em qualquer SO — Guia de instalação para macOS, Windows e Linux
• Ollama vs LM Studio — Quando usar CLI vs GUI
• RAG Local 2026 — Usar Ollama como backend para pipeline RAG
• MLX vs Ollama vs llama.cpp no Mac — Comparação de frameworks no Apple Silicon

Fontes

• Documentação oficial do Ollama — Referência completa da CLI
• Biblioteca de modelos Ollama — Todos os modelos disponíveis
• Repositório Ollama no GitHub — Código-fonte e issues