Execute um modelo local do Ollama e verifique a API de conversa

Ollama pode executar um modelo descarregado no computador e disponibilizá-lo num endereço HTTP local. Este guia acompanha um modelo desde a instalação até à conversa no terminal e uma resposta API completa, usando o mesmo nome em cada etapa. É um procedimento baseado em documentação: a BIG CHANGE não instalou o software nem observou os resultados na sua máquina.

A grande mudança

• O que mudou: Ollama oferece um percurso direto de um modelo descarregado para conversa no terminal e uma API local. Um principiante pode verificar nome e resposta em cada interface, em vez de presumir que uma janela de conversa comprova onde a inferência foi executada.
• Porque importa: O servidor local e a API de nuvem do Ollama são destinos distintos. Numa tarefa profissional ou pessoal autorizada, pode manter este exercício no próprio computador escolhendo um modelo descarregado e acedendo a localhost, enquanto verifica separadamente a configuração do servidor.
• A que estar atento: Um URL local, só por si, não comprova que todas as funções ou aplicações ligadas permanecem locais. Ollama também usa modelos de nuvem pelo servidor local. As verificações decisivas são a etiqueta instalada, o destino do pedido, o endereço de escuta do servidor e, quando se exige funcionamento estritamente local, o registo de desativação da nuvem após reiniciar.

Antes de começar

Utilize um computador onde possa instalar software. Escolha uma pergunta factual inofensiva cuja resposta consiga verificar num documento original aberto. Cole-a quando os comandos pedirem uma pergunta de prática; não introduza material privado ou regulado apenas para testar. Mantenha o documento disponível para conferir a resposta: uma resposta fluente não comprova exatidão.

Precisa de armazenamento para Ollama e o modelo, memória suficiente para o carregar e internet para instalar e descarregar. O início rápido do Ollama usa gemma4:e2b como exemplo local e recomenda 8 GB de VRAM disponível, ou memória unificada num Mac. Ollama indica que pode recorrer à RAM do sistema com respostas mais lentas. Consulte a página atual do modelo para verificar etiqueta exata, tamanho da transferência e licença antes de continuar. O tamanho não comprova que o computador consegue executar o modelo. Se não servir para a máquina ou utilização permitida, escolha um modelo local que possa descarregar mais pequeno na biblioteca e substitua gemma4:e2b em todos os comandos abaixo pela respetiva etiqueta exata. Não escolha uma etiqueta :cloud para este exercício.

1. Instale Ollama e verifique o servidor local

Obtenha Ollama na página oficial de transferência e siga as instruções do sistema operativo: Windows, macOS ou Linux. Em Windows e macOS, abra a aplicação instalada. No Linux, siga o método escolhido e inicie o serviço; se nenhum estiver em execução, o início rápido indica executar ollama serve noutro terminal. Não inicie um segundo servidor se uma aplicação ou serviço já estiver à escuta.

Num terminal novo, verifique a versão instalada e se o servidor local responde:

ollama -v
ollama ls

Registe a versão real e o sistema operativo. A lista de modelos pode estar vazia antes da primeira transferência; um erro de comando ou ligação exige corrigir instalação ou arranque antes de continuar. A FAQ do Ollama indica que o endereço de escuta predefinido é 127.0.0.1:11434. Mantenha-o na interface de retorno local neste exercício; não configure escuta de rede, proxy ou túnel.

2. Descarregue um modelo local exato

Depois de consultar a página do modelo, execute:

ollama pull gemma4:e2b
ollama ls

A etiqueta exata deve aparecer em ollama ls após a transferência. Registe etiqueta, tamanho apresentado e licença da página. Se a transferência falhar ou faltar a etiqueta, verifique a grafia na biblioteca atual, espaço livre, rede e erros de proxy ou permissão antes de repetir. Uma transferência parcial não é uma configuração bem-sucedida.

3. Verifique a conversa interativa e pontual no terminal

Inicie uma conversa interativa:

ollama run gemma4:e2b

Cole a pergunta de prática aprovada na entrada de conversa. Compare a resposta com o documento usado para criar a pergunta e escreva /bye para sair. Guarde a pergunta e resposta reais para verificar; o artigo não fornece um resultado de exemplo.

Para uma execução pontual separada, use a mesma pergunta. Em PowerShell no Windows:

$practicePrompt = Read-Host 'Paste your approved practice question'
ollama run gemma4:e2b $practicePrompt

Num terminal Bash no macOS ou Linux:

read -r -p 'Paste your approved practice question: ' practice_prompt
ollama run gemma4:e2b "$practice_prompt"

Verifique a resposta pontual real na mesma fonte. As duas respostas não precisam de palavras idênticas; o importante é confirmar que os comandos executaram a etiqueta pretendida e que toda a afirmação factual resiste à comparação com a fonte.

4. Pergunte ao mesmo modelo através de localhost

A API de conversa recebe nome do modelo e mensagens em POST /api/chat. A transmissão é feita em partes por predefinição; stream: false pede uma única resposta JSON completa. A introdução à API distingue o URL base local, http://localhost:11434/api, do URL direto de nuvem, https://ollama.com/api. O pedido local não precisa de chave API.

No Windows, PowerShell pode construir o JSON com segurança a partir da pergunta colada:

$practicePrompt = Read-Host 'Paste the same approved practice question'
$body = @{ model = 'gemma4:e2b'; messages = @(@{ role = 'user'; content = $practicePrompt }); stream = $false } | ConvertTo-Json -Depth 5
$response = Invoke-RestMethod -Uri 'http://localhost:11434/api/chat' -Method Post -ContentType 'application/json; charset=utf-8' -Body $body
$response | Select-Object model, done
$response.message.content

No macOS ou Linux, este exemplo Bash usa Python 3 apenas para tratar corretamente os caracteres da pergunta em JSON. Verifique antes se python3 e curl estão instalados:

read -r -p 'Paste the same approved practice question: ' practice_prompt
export practice_prompt
python3 -c 'import json,os; print(json.dumps({"model":"gemma4:e2b","messages":[{"role":"user","content":os.environ["practice_prompt"]}],"stream":False}))' | curl -fsS 'http://localhost:11434/api/chat' -H 'Content-Type: application/json' --data-binary @-

O pedido deve devolver sucesso HTTP e um objeto JSON cujo model corresponda à etiqueta descarregada, done seja true, e message.content não esteja vazio. Leia a resposta real e verifique-a na fonte. O sucesso estabelece o destino local e o modelo escolhido deste pedido; guarde a sua própria saída em vez de confiar numa transcrição de exemplo.

5. Verifique o local de execução e a fronteira local

Enquanto o modelo estiver carregado, execute:

ollama ps

A coluna PROCESSOR indica se o modelo está carregado na CPU, GPU ou ambas, segundo a FAQ do Ollama. Registe o que a máquina realmente mostra. Se já tiver sido libertado da memória, envie outra pergunta e verifique de novo. Pode libertá-lo ao terminar com ollama stop gemma4:e2b; removê-lo através de ollama rm gemma4:e2b é uma limpeza opcional do disco depois de guardar as observações.

Para uma configuração Ollama estritamente local, siga as instruções oficiais de desativação da nuvem: coloque disable_ollama_cloud em ~/.ollama/server.json para a conta que executa o servidor Ollama (a pasta .ollama no perfil de utilizador dessa conta no Windows), mantendo as outras definições JSON existentes:

{
  "disable_ollama_cloud": true
}

No Linux, o serviço systemd documentado executa como User=ollama, cujo diretório pessoal é /usr/share/ollama; editar o ficheiro do seu próprio diretório não configuraria esse serviço. Numa instalação systemd também pode usar a alternativa documentada pelo Ollama OLLAMA_NO_CLOUD=1 numa configuração de sobreposição do serviço. Primeiro examine o serviço existente com systemctl cat ollama.service, depois abra uma sobreposição com sudo systemctl edit ollama.service. Acrescente o seguinte em [Service], mantendo as outras definições de sobreposição:

[Service]
Environment="OLLAMA_NO_CLOUD=1"

Guarde a sobreposição, volte a carregar a configuração e reinicie o serviço:

sudo systemctl daemon-reload
sudo systemctl restart ollama.service

Reinicie a aplicação Ollama em Windows ou macOS depois de alterar a configuração. Procure no registo do servidor a linha exata Ollama cloud disabled: true. No Windows, o registo documentado é %LOCALAPPDATA%\Ollama\server.log; no macOS é ~/.ollama/logs/server.log; numa instalação systemd de Linux, use journalctl -e -u ollama. Uma variável de ambiente definida num terminal sem relação não chega necessariamente a uma aplicação ou serviço já em execução. Desativar os recursos de nuvem remove os modelos de nuvem e a pesquisa web do Ollama. Se o registo não confirmar a definição, corrija a configuração e reinicie antes de descrever o sistema como exclusivamente local.

Confirme no registo ou na inspeção de portas do sistema que a escuta continua em 127.0.0.1:11434 e repita o pedido localhost com a etiqueta descarregada. OLLAMA_HOST pode mudar o endereço de escuta, por isso examine o servidor ativo em vez de presumir o valor predefinido. Uma biblioteca Python, interface de navegador, agente de programação ou outra aplicação ligada precisa das suas próprias verificações de destino e percurso dos dados; a resposta local do Ollama não comprova o comportamento de privacidade dessa aplicação.

No Windows, examine o endereço de escuta no PowerShell:

Get-NetTCPConnection -LocalPort 11434 -State Listen | Select-Object LocalAddress, LocalPort

No macOS, use lsof -nP -iTCP:11434 -sTCP:LISTEN; no Linux, use ss -ltn '( sport = :11434 )'. Se a ferramenta de plataforma não estiver disponível, consulte o registo do servidor. Uma escuta em endereço universal ou fora do retorno local exige investigação antes de considerar a API limitada a este computador.

Se uma verificação falhar

Se ollama -v ou ollama ls falhar, regresse à página de instalação e arranque do sistema correspondente. Uma ligação localhost recusada significa normalmente aplicação ou serviço parado ou à escuta noutro endereço; verifique registos e endereço em vez de expor a API na rede. Se a resposta chegar em várias linhas JSON, confirme que o pedido contém "stream": false. Se faltar memória ou o modelo for demasiado lento, verifique ollama ps e escolha uma etiqueta local realmente mais pequena na biblioteca; repita transferência, terminal e API com essa única etiqueta. Qualquer etapa não concluída continua por verificar.

Este exercício local precisa de hardware, eletricidade e armazenamento para transferências, mas não de chave API do Ollama nem de conta API paga. A licença pode limitar a utilização pretendida. Modelos de nuvem e clientes opcionais de terceiros têm condições e percursos de dados próprios. Para comparar melhor a compra de hardware, veja o nosso guia de modelos locais com 128 GB; para uma tarefa de programação distinta com Ollama e Claude Code, o nosso guia de alteração verificada.

Fontes e leituras adicionais

• Início rápido do Ollama explica instalação, exemplo local gemma4:e2b e recomendação de memória. O exemplo é documentação, não um teste do seu computador.
• Referência da linha de comandos lista os comandos atuais pull, run, ls, ps, stop, rm e serve usados aqui.
• Introdução à API e ponto de acesso de conversa separam os endereços local e de nuvem e definem pedido sem transmissão em partes e campos da resposta.
• FAQ documenta escuta de retorno local, utilização do processador, desativação da nuvem e verificação do registo.
• Página de Gemma 4 E2B fornece etiqueta exata atual, tamanho e materiais de licença para verificar antes de descarregar.