Ollama官网免费下载（国内入口，所有版本汇总，附本地部署教程，2026实测）

Ollama安装包下载：Ollama安装包（源自官网，放心使用）

Ollama 是一款免费、开源的本地大模型运行工具，能在本机运行 Qwen、DeepSeek-R1、Llama、Gemma、Mistral、Phi、gpt-oss 这类开源模型，也能跑看图的多模态模型和生成向量用的嵌入模型。

同类的本地大模型工具里，常见的有 LM Studio、GPT4All 等。Ollama 的长处是命令行和接口做得规整，模型下载和管理一条命令搞定，方便接各种前端和编程工具，还完全免费开源。

Ollama 支持 Windows、macOS 和 Linux 平台。本文把 Ollama 的下载、安装、本地部署、常用命令这些内容讲清楚，图文步骤，全程实测，新手小白也能看得懂。

下载Ollama

发文时 Ollama 最新版为 0.40.2：Ollama安装包（源自 Github 官网，Windows+macOS）

平台	文件	大小	说明
Windows	OllamaSetup.exe	约 1.5 GB	Windows 安装版，推荐
Windows	ollama-windows-amd64.zip	约 1.4 GB	64 位免安装压缩包
Windows	ollama-windows-arm64.zip	约 200 MB	给 ARM 电脑用
macOS	Ollama.dmg	约 197 MB	通用安装包，Apple 芯片和 Intel 都能用

Linux 用户可以用官网提供的一键安装脚本：

curl -fsSL https://ollama.com/install.sh | sh

安装Ollama

1）Windows安装

双击 OllamaSetup.exe 后直接双击启动，点击 Install：


安装程序会自动安装到当前用户目录，不需要手动选择路径，也不需要额外配置，等待进度条走完即可：


安装完成后 Ollama 会自动启动，任务栏右下角会出现一个羊驼图标（Ollama 的 Logo），说明服务已经在后台运行了。


验证安装是否成功。按 Win + R 打开运行窗口，输入 cmd 回车打开命令提示符，输入 ollama --version 命令后回车：


看到版本号，就说明安装成功了。

2）macOS安装

macOS 用户下载 Ollama.dmg 后，双击打开把 Ollama 拖入应用程序文件夹即可。启动后菜单栏会出现羊驼图标，打开终端输入 ollama --version 验证安装。

3）Linux安装

Linux 推荐使用官方安装脚本，打开终端执行以下命令：

curl -fsSL https://ollama.com/install.sh | sh

脚本会自动下载安装包并配置好系统服务，安装完成后输入 ollama --version 验证。

Ollama配置（Windows）

Ollama 默认将模型存储到 C 盘（通常为C:\Users\Administrator\.ollama\models），这对 C 盘可用容量有限的小伙伴非常不友好，我们可以手动将其修改为其它非系统盘。

修改的方法很简单，进入“Settings”界面，参照下图完成修改：

Ollama本地部署

1）拉取并运行第一个模型

Ollama 自己不带模型，第一次用要先拉一个下来。模型库在 https://ollama.com/library，常见的有 qwen、deepseek-r1、llama、gemma、mistral、phi、gpt-oss 等。

访问 Ollama 官网模型库，找到你想使用的 AI 模型，比如 deepseek：
点击 deepseek-r1，进入下图的页面，就能看到拉取它的命令，是不是很简单：

这里以 qwen2.5 模型为例，在 CMD 窗口执行拉取它的命令：

ollama run qwen2.5

耐心等待模型下载完，下载过程可能需要一些时间，具体取决于模型大小和网络速度。7B 模型大约需要 4GB 存储空间，13B 模型需要 8GB，70B 模型则需要 40GB 以上：


一切准备就绪后，就可以和 AI 模型聊天了：


对于新手用户，建议先从较小的模型开始尝试，比如 llama2:7b 或 mistral:7b。熟悉基本操作后，再根据需求尝试更大的模型或专用模型。

装完之后，就可以在主界面选择拉取的模型，就可以畅快的对话了：

2）Ollama常用命令

Ollama 平时用得最多的就是命令行，常用命令整理成下表：

命令	作用	示例
ollama run	运行模型并进入对话	ollama run qwen3
ollama pull	下载模型	ollama pull deepseek-r1
ollama list	查看本地已有的模型	ollama list（简写 ollama ls）
ollama rm	删除模型，腾出硬盘空间	ollama rm gemma3
ollama ps	查看正在运行的模型	ollama ps
ollama stop	停止并卸载运行中的模型	ollama stop qwen3
ollama serve	启动本地服务（Linux 常用）	ollama serve
ollama create	用 Modelfile 创建定制模型	ollama create 名字 -f Modelfile
ollama -v 或者 ollama --version	查看版本号	ollama -v

再列举几个使用小技巧：

• 只想问一次，把问题跟在后面，如 ollama run qwen3 "用一句话解释什么是大模型"；
• 多行输入用三个引号 """ 把内容包起来；
• 看图的多模态模型把图片路径写进问题，如 ollama run llava "这张图里有什么 /home/图片.png"；
• 对话中退出输入 /bye，或按 Ctrl + D。

Ollama热门模型推荐

模型库里的模型非常多，新手容易挑花眼。这里按用途整理了几款热门且好用的开源模型：

模型	参数规模	特点	适合场景
Qwen2.5 / Qwen3（通义千问）	0.5B~72B	阿里开源，中文能力突出，速度快	中文对话、写作、代码，新手首选
DeepSeek-R1	1.5B~70B	推理能力强，擅长数学和逻辑	解题、编程、深度思考类任务
Llama 3.3（Meta）	8B~70B	通用均衡，开源生态最完善	通用助手、英文任务
Gemma 3（Google）	1B~27B	轻量高效，支持图像输入	低配置机器、多模态场景
Phi-4（微软）	14B	小参数强推理，省资源	配置一般又想体验强推理的用户

选择建议：电脑配置一般（16 GB 内存）先从 7B~8B 参数的中文模型（qwen2.5 或 deepseek-r1）入手；内存充足或有好显卡再尝试 14B、32B 的更大模型。参数越大智商越高，但需要的硬件也越高，不必盲目追求大模型。

Ollama新手常见事项

1）模型很占硬盘。模型文件从几 GB 到几十 GB，默认存放在 C 盘用户目录下的 .ollama 文件夹里。如果 C 盘空间紧张，一定要提前修改存储路径，避免 C 盘被塞满。

2）装完后提示“ollama 不是内部或外部命令”，大概率是安装后没重开终端，关掉重新开一个 cmd 或 PowerShell。

3）模型下载很慢或者中断。这是网络问题，重新执行一次 ollama pull，已经下好的部分会接着下，不会重头来；实在慢就换个时间段再试。

4）跑起来很卡、回答半天出一句，可能是模型太小，换小一点的模型。

5）提示显存或内存不够。换更小的模型，或选参数更少的版本（模型名后面带 :8b、:4b 这类）。

6）一定要联网吗。第一次拉取模型要从模型库下载，需要联网；模型下好之后，对话推理都在本机完成，不联网也能用。

7）装了多个模型怎么切换。界面里直接右下角切换即可，命令行里运行哪个就执行 ollama run 对应的模型名，想换别的直接换名字，不再用的用 ollama rm 模型名 删掉腾硬盘。

总结

Ollama 是一款免费、开源的本地大模型运行工具，能在一台普通电脑上本地跑 Qwen、DeepSeek-R1、Llama 等模型，支持 Windows、macOS、Linux 平台，适合想在本地跑大模型、又不想折腾环境，或者想让自己的程序接上本地模型的小伙伴。