Como Remover Modelos Ollama: Guia Passo a Passo Completo

Pré-requisitos
Antes de começar, certifique-se de ter:
- Ollama instalado e em execução — Abra o terminal e execute
ollama --versionpara confirmar. - Acesso ao terminal — Use o Terminal (macOS/Linux) ou PowerShell/Prompt de Comando (Windows). Execute como Administrador no Windows se encontrar erros de permissão.
- Os nomes dos modelos prontos — Você precisará do nome exato e da tag (por exemplo,
llama3:latest). - Consciência do espaço em disco — Os modelos podem ter vários GB; removê-los libera armazenamento imediatamente após o comando ser concluído.
Ollama armazena os modelos por padrão em:
- macOS:
~/.ollama/models - Linux:
~/.ollama/models(ou/usr/share/ollama/.ollama/modelspara instalações no sistema) - Windows:
C:\Users\SeuNomeDeUsuário\.ollama\models
Passo 1: Listar Todos os Modelos Instalados
Sempre comece aqui para saber exatamente o que está removendo.
No seu terminal, execute:
ollama list
Saída esperada (exemplo):
NAME ID SIZE MODIFIED
llama3:latest 8f6e2a123abc 4.7 GB 3 dias atrás
gemma2:9b 2d9f3b456def 5.2 GB 1 semana atrás
Copie o nome exato da coluna NAME (incluindo a tag após os dois pontos).
Passo辖 2: Remover um Único Modelo
Use o comando ollama rm seguido do nome do modelo.
ollama rm llama3:latest
Saída esperada:
deleted 'llama3:latest'
O comando exclui instantaneamente o manifesto e todos os arquivos blob associados. Nenhum prompt de confirmação é exibido.
Passo 3: Remover Múltiplos Modelos de uma Vez
Remova vários modelos em uma linha:
ollama rm llama3:latest gemma2:9b mistral:latest
Saída esperada:
deleted 'llama3:latest'
deleted 'gemma2:9b'
deleted 'mistral:latest'
Passo 4: Remover Todos os Modelos (Exclusão em Massa)
Use esta linha única para excluir todos os modelos de uma vez (primeiro para macOS/Linux):
ollama list | awk 'NR>1 {print $1}' | xargs -I {} ollama rm {}
Equivalente no Windows PowerShell:
ollama list | Select-Object -Skip 1 | ForEach-Object { $_.Trim() -split '\s+' | Select-Object -First 1 } | ForEach-Object { ollama rm $_ }
Após executar, confirme com ollama list — deve retornar apenas a linha de cabeçalho.
Passo 5: Reiniciar Ollama (Recomendado)
Reinicie o serviço Ollama para garantir que todos os blobs sejam totalmente limpos e o espaço em disco seja liberado.
- macOS:
ollama serve(ou sair e reabrir o aplicativo Ollama) - Linux:
sudo systemctl restart ollama - Windows: Reinicie o processo Ollama pelo Gerenciador de Tarefas ou simplesmente feche e reabra o aplicativo.
Execute ollama list novamente para verificar se os modelos foram removidos.
Problemas Comuns e Solução de Problemas
- Erro de “Modelo não encontrado”: Verifique novamente o nome exato e a tag de
ollama list. - Permissão negada: No Linux/macOS use
sudo ollama rm ...ou execute o terminal como Administrador no Windows. - Espaço em disco não liberado: Reinicie o Ollama (Passo 5). Se ainda persistir, verifique a pasta blobs manualmente, mas nunca exclua arquivos enquanto o Ollama estiver em execução.
- Modelo ainda aparece após rm: Pare qualquer instância em execução com
ollama stop <model>primeiro, depois tente novamenteollama rm. - Local de armazenamento personalizado: Se você configurou a variável de ambiente
OLLAMA_MODELS, os modelos estão em outro lugar — verifique esse caminho. - Método de API (avançado): Use curl para scripts:
curl -X DELETE http://localhost:11434/api/delete -d '{"model": "llama3:latest"}'
Próximos Passos
- Faça download de modelos novos: Execute
ollama pull llama3.1:8bpara obter a versão mais recente. - Configure armazenamento personalizado: Exporte
OLLAMA_MODELS=/path/to/new/folderantes de executar o Ollama para mover tudo para um disco maior. - Automatize a limpeza: Adicione o comando de exclusão em massa a um trabalho cron semanal ou script PowerShell.
- Monitore o uso: Execute
ollama listregularmente e combine comdu -sh ~/.ollama/models(macOS/Linux) ou o Explorador de Arquivos no Windows para acompanhar o armazenamento.
Agora você tem controle total sobre seus modelos locais do Ollama. Libere espaço instantaneamente e mantenha apenas o que você precisa.
Continue Reading
More articles connected to the same themes, protocols, and tools.
Referenced Tools
Browse entries that are adjacent to the topics covered in this article.

PaidSync.ai
MCP ServersPaidSync.ai is a hosted MCP server for paid advertising that exposes 610+ tools across 14 advertising, analytics, tagging, and commerce platforms. It supports read/write workflows from AI clients including ChatGPT, Claude, Gemini, Cursor, Claude Code, and Codex, with a free plan.

Hyper3D MCP
MCP ServersHyper3D MCP is Hyper3D's hosted Rodin MCP server for creating 3D assets from natural-language instructions or supported references, checking asynchronous generation progress, and retrieving model download links inside AI coding clients. Official setup is documented for Codex, Claude Code, and Kimi Code CLI.






