Ollama 是一款专为在本地计算机上高效运行大型语言模型（LLM）而设计的命令行工具。它允许用户轻松下载并在本地部署如 Llama 2、Code Llama 等主流模型，同时支持用户自定义创建专属模型。作为一个免费且开源的项目，Ollama 目前完美兼容 macOS 和 Linux 操作系统，并计划在未来全面支持 Windows 系统。
此外，Ollama 提供了官方认证的 Docker 镜像，极大地简化了通过 Docker 容器部署大型语言模型的流程。这一特性确保了所有与模型的交互均在本地环境中完成，无需将敏感或私有数据上传至第三方云服务，从而保障了数据安全。在性能方面，Ollama 在 macOS 和 Linux 平台上支持 GPU 硬件加速，并提供了简洁易用的命令行界面（CLI）以及用于应用程序集成的 REST API。
对于需要在本地环境中测试、实验或部署大语言模型的开发人员和研究人员而言，Ollama 是一个极具价值的工具，因为它摆脱了对外部云服务的依赖，实现了完全自主可控的运行环境。
最新版本的 Ollama 已正式推出适用于 macOS 和 Windows 的桌面客户端。新版本新增了文件处理能力及多模态交互功能，使得用户与本地大语言模型的互动变得更加直观、便捷和高效。
Ollama安装包获取
获取Ollama安装包，扫码关注回复：Ollama
Ollama支持的模型
Ollama 内置了丰富的模型库，用户可以根据需求自由选择并安装所需的模型。目前平台已支持超过40种模型，且数量仍在持续增长中。以下是部分可供下载的热门开源模型示例：
| 模型 | 参数大小 | 文件大小 | 下载运行命令 |
|---|---|---|---|
| DeepSeek-R1 | 1.5B、7B、14B、32B等 | 12-320GB | ollama run deepseek-r1 |
| Neural Chat | 7B | 4.1GB | ollama run neural-chat |
| Starling | 7B | 4.1GB | ollama run starling-lm |
| Mistral | 7B | 4.1GB | ollama run mistral |
| Llama 2 | 7B | 3.8GB | ollama run llama2 |
| Code Llama | 7B | 3.8GB | ollama run codellama |
| Llama 2 Uncensored | 7B | 3.8GB | ollama run llama2-uncensored |
| Llama 2 13B | 13B | 7.3GB | ollama run llama2:13b |
| Llama 2 70B | 70B | 39GB | ollama run llama2:70b |
| Orca Mini | 3B | 1.9GB | ollama run orca-mini |
| Vicuna | 7B | 3.8GB | ollama run vicuna |
Go encoding/json omitempty 区分 nil 切片和空切片输出的处理方法
解释 Go encoding/json 中 nil 切片、空切片与 omitempty 的 JSON 输
Go Time.ISOWeek 返回的年份为什么与 Year 不同
time.Time.Year 返回公历年，而 ISOWeek 返回 ISO 8601 的周所属年与周号。
Go encoding/json 时间字段为什么不能直接解析怎样构造最小复现
Go JSON 时间字段解析失败常源于输入表示与 time.Time 的 RFC3339 契约不符。本文
Go encoding/json 遇到 NaN 或 Inf 时的序列化失败处理方法
Go encoding/json 遇到 NaN、+Inf 或 -Inf 时会返回 Unsupported
Go encoding/json 数字解码为什么变成 float64怎样构造最小复现
Go encoding/json 解码到 map[string]any 时，JSON 数字默认映射为 f
Go multipart.Part.FormName 为什么读不到 attachment 的 name 参数
Go multipart.Part.FormName 只返回 form-data 分段的 name，at
