Ollama 模型管理：下载、切换、删除与版本控制完全指南

导语

说实话，刚开始用 Ollama 的时候，我完全没意识到一个问题：模型文件真的很大。

直到有一天，我的 SSD 空间报警了。打开 ~/.ollama 目录一看——四十多个 GB。我当时就想：这些模型我根本用不到啊，怎么删？怎么切换版本？怎么避免以后再踩这个坑？

这篇文章就是踩坑后的总结。我们聊聊 Ollama 模型管理的核心命令，从下载、切换到删除，再到版本控制的最佳实践。读完之后，你应该能很从容地管理本地 LLM 库，不会再被磁盘空间吓一跳。

---

核心命令速查表

先给你一张表，方便随时查阅。后面我们会逐个展开说。

命令	作用	示例
ollama pull	下载模型（指定版本）	ollama pull llama3.2:latest
ollama run	运行模型	ollama run llama3.2
ollama list	查看所有本地模型	ollama list
ollama ps	查看正在运行的模型	ollama ps
ollama stop	停止运行中的模型	ollama stop llama3.2
ollama rm	删除模型	ollama rm llama3.2
ollama show	查看模型详细信息	ollama show llama3.2
ollama create	创建自定义模型	ollama create mymodel -f Modelfile
ollama serve	启动 API 服务	ollama serve

这张表基本覆盖了日常管理的 90% 场景。记住这几个命令，剩下的就是组合使用。

---

模型下载：版本选择很重要

下载指定版本

用 ollama pull 下载模型，这个命令大家应该都知道。但有个细节容易忽略：版本标签。

# 下载最新版
ollama pull llama3.2:latest

# 下载特定参数规模
ollama pull llama3.1:70b

# 下载特定量化版本
ollama pull mistral:7b-q4_K_M

你可能想问：这些标签有什么区别？

其实很简单：

• latest：默认标签，最新稳定版
• 7b、70b：参数规模，数字越大模型越强，但也更吃资源
• q4_K_M、q3_K_L：量化等级，数字越小文件越小，精度会略降

一句话：看你的硬件选版本。

硬件要求对照表

别盲目下载。先看看这张表，对照你的配置：

模型规模	参数量	文件大小	最低 RAM	推荐 RAM	显存需求
小模型	1-3B	1-2GB	4GB	8GB	2-4GB
中模型	7-8B	4-5GB	8GB	16GB	6-8GB
大模型	13-14B	7-8GB	16GB	32GB	10-12GB
超大模型	70B	40GB+	32GB	64GB+	24GB+

我的经验：8GB RAM 的机器，跑 7B 模型勉强够用，但很慢。16GB 会舒服很多。至于 70B 模型——老实说，家用机器基本跑不动，除非你有双 RTX 4090。

批量下载脚本

如果你要下载多个模型，手动一条条敲太累。写个脚本吧：

#!/bin/bash
# download_models.sh

MODELS=(
  "llama3.2:latest"
  "mistral:7b"
  "qwen2:7b"
  "deepseek-r1:7b"
)

for model in "${MODELS[@]}"; do
  echo "正在下载: $model"
  ollama pull "$model"
  echo "---"
done

echo "所有模型下载完成！"

保存成 download_models.sh，然后执行：

chmod +x download_models.sh
./download_models.sh

这样就可以一次性把需要的模型全拉下来。

---

切换模型：别让 GPU 空转

查看本地模型列表

下载完模型，先看看你现在有哪些：

ollama list

输出大概是这样：

NAME                ID              SIZE    MODIFIED
llama3.2:latest     a80c4f17acd5    2.0GB   2 days ago
mistral:7b          f974a74358d6    4.1GB   5 days ago
qwen2:7b            d53d04290064    2.3GB   10 days ago

几个字段的意思：

• NAME：模型名称和标签
• ID：唯一标识（删模型时可能用到）
• SIZE：文件大小，一目了然谁占空间
• MODIFIED：最后修改时间，可以判断是不是老模型

看到这里，你应该能发现：哪些模型是常用的，哪些可以删了。

运行指定模型

切换模型很简单，直接 ollama run：

# 基础运行
ollama run llama3.2

# 带 GPU 加速
ollama run llama3.2 --gpu

# 详细模式（看加载耗时）
ollama run llama3.2 --verbose

有个细节：如果模型没下载，ollama run 会自动先 pull。所以你也可以直接 run，不用提前 pull。

但有个坑要注意：模型启动后会一直占用 GPU/CPU，除非你手动停掉。所以切换前，先停掉之前的模型。

停止运行中的模型

先看看哪些模型正在跑：

ollama ps

输出类似：

NAME        ID              SIZE    PROCESSOR   UNTIL
llama3.2    a80c4f17acd5    2.0GB   100% GPU    4 minutes from now

如果有模型在跑，停掉它：

ollama stop llama3.2

这样 GPU 空间就腾出来了，可以切换到下一个模型。

说实话，我以前经常忘了 stop，结果机器越来越慢。养成个习惯：切换前先 ps，再 stop。

---

删除模型：腾出磁盘空间的关键

删除单个模型

终于到关键环节了——删模型。

ollama rm llama3.2

输出：

deleted 'llama3.2'

就这么简单。但有个注意点：删之前确认模型名称，别删错了。建议先 ollama list 看一眼。

另外，删除后文件不会立即消失，有个清理过程。如果你发现空间没马上腾出来，等几分钟再检查。

批量删除脚本（保留白名单）

如果你的模型库很乱，想清理一下，但又不想删掉常用的几个——写个脚本：

#!/bin/bash
# cleanup_models.sh

# 白名单：这些模型不删
KEEP=(
  "llama3.2:latest"
  "mistral:7b"
)

# 获取所有模型
ALL_MODELS=$(ollama list | tail -n +2 | awk '{print $1}')

for model in $ALL_MODELS; do
  # 检查是否在白名单
  keep=false
  for keeper in "${KEEP[@]}"; do
    if [ "$model" == "$keeper" ]; then
      keep=true
      break
    fi
  done

  # 不在白名单就删掉
  if [ "$keep" = false ]; then
    echo "删除: $model"
    ollama rm "$model"
  else
    echo "保留: $model"
  fi
done

echo "清理完成！"

这个脚本的逻辑：先列出所有模型，然后逐个检查。白名单里的保留，其他的删掉。

你可以根据需要修改 KEEP 数组，填上你常用的模型。

模型存储路径管理

删了模型，但空间还是不够？可能是路径配置有问题。

默认情况下，模型存放在：

• Windows: C:\Users\<用户名>\.ollama\models
• Linux/macOS: ~/.ollama/models

如果你的系统盘空间不够，可以迁移到其他盘。设置环境变量 OLLAMA_MODELS：

# Linux/macOS
export OLLAMA_MODELS=/path/to/your/models

# Windows（PowerShell）
$env:OLLAMA_MODELS="D:\ollama\models"

设置完之后，新下载的模型会存到新路径。旧模型还在原来的位置，需要手动移动。

我建议：一开始就设置好路径，别等到空间爆了再迁移。迁移很麻烦，容易出错。

---

版本控制：避免混乱的策略

版本混乱的典型场景

你可能遇到过这种情况：

llama3.1:latest
llama3.1:8b
llama3.2:latest
llama3.2:1b
llama3.2:3b

一堆版本堆在一起，你根本不知道哪个是常用的，哪个是测试的，哪个该删。

避免混乱的三条建议

1. 用标签区分用途

   • latest：日常使用的主版本
   • test、dev：测试用的版本
   • 别下载太多参数规模版本，选一个合适的就行

2. 定期清理

   • 每周运行一次 ollama list，看看有没有多余的
   • 用前面的清理脚本，保持模型库精简

3. 命名要有意义

   • 如果自定义模型，用清晰的命名
   • 比如 myproject-llama3.2，别叫 mymodel1、mymodel2

更新模型（增量下载）

模型更新了，你想拉新版本怎么办？

直接再 pull：

ollama pull llama3.2:latest

有个好消息：Ollama 只下载差异部分，不会重新拉整个文件。所以更新很快，不用担心带宽。

自定义模型变体

如果你想调整模型参数（比如改 temperature、加系统提示），可以用 Modelfile：

# 创建 Modelfile
FROM llama3.2
PARAMETER temperature 0.7
SYSTEM """你是一个专业的技术助手，用简洁的语言回答问题。"""

# 创建自定义模型
ollama create my-tech-assistant -f Modelfile

# 运行
ollama run my-tech-assistant

这样你就有了一个定制版本。如果以后不想用了，同样用 ollama rm 删掉。

---

常见问题与解决方案

下载卡在 99%

这个坑我也踩过。模型下载到最后 1%，突然不动了。

原因通常是网络中断。解决方法：

# Ctrl+C 取消下载
# 再重新 pull
ollama pull llama3.2

好消息：进度会保留，不用从头下载。通常第二次就能成功。

删除后空间没腾出来

删了模型，df -h 一看，空间还是满的。

可能原因：

1. 清理进程还没结束，等几分钟
2. 有残留文件，手动检查路径

手动检查：

# 查看模型目录大小
du -sh ~/.ollama/models

# 如果还很大，进去看看
ls -lh ~/.ollama/models/blobs/

找到残留文件，手动删掉。

模型切换失败

ollama run 报错，可能是：

1. 资源不足：RAM 或显存不够
2. 配置错误：Modelfile 有问题

解决方法：

• 先 ollama ps 确认没有其他模型占用资源
• 用 --verbose 看详细错误信息
• 如果是自定义模型，检查 Modelfile 的语法

---

最后聊两句

说了这么多，其实核心就三个动作：下载、切换、删除。掌握了这几个命令，加上一点规划（别乱下载版本），你的本地 LLM 库就能很清爽。

对了，如果你是 OpenClaw 用户，模型管理就更重要了——OpenClaw 依赖 Ollama，模型版本直接影响应用体验。建议定期检查模型库，删掉不用的，保持精简。

有问题随时查那张速查表，或者翻回对应的章节。希望这篇文章能帮你少踩几个坑。

---

常见问题

如何查看当前已下载的所有模型？

使用 ollama list 命令，会列出所有本地模型的名称、ID、大小和修改时间。如果想看某个模型的详细信息，用 ollama show 模型名。

删除模型后磁盘空间没有立即增加怎么办？

删除后有个清理过程，等几分钟再检查。如果空间还是没腾出来：

• 用 du -sh ~/.ollama/models 查看目录大小
• 进到 blobs 目录找残留文件
• 手动删掉残留的模型文件

如何避免下载太多版本导致混乱？

只用 latest 标签作为日常主版本，测试版本用 test 或 dev 标签区分。不要下载太多不同参数规模的版本，根据硬件选一个合适的就行。定期用 ollama list 检查，清理不用的旧版本。

模型下载卡在 99% 怎么解决？

通常是网络中断导致的。Ctrl+C 取消下载，然后重新运行 ollama pull 命令。进度会保留，不用从头下载，通常第二次就能成功。

70B 模型能在家用电脑上运行吗？

基本跑不动。70B 模型需要 32GB+ RAM 和至少 24GB 显存，普通家用电脑（包括单张 RTX 4090）都扛不住。建议用 7B 或 14B 模型，或者租用云服务器跑大模型。

如何批量更新所有本地模型？

写个简单脚本：

ollama list | tail -n +2 | awk '{print $1}' | while read model; do
ollama pull "$model"
done

Ollama 只下载差异部分，更新很快。定期运行这个脚本，保持模型库最新。

8 分钟阅读 · 发布于: 2026年4月2日 · 修改于: 2026年4月5日