Back to Blog
BlogApril 22, 2026655

如何刪除 Ollama 模型:完整逐步指南

如何刪除 Ollama 模型:完整逐步指南

前置準備

在開始之前,請確保你已具備:

  • 已安裝並正在執行的 Ollama — 打開終端機並執行 ollama --version 以確認。
  • 終端機存取權限 — 使用 Terminal(macOS/Linux)或 PowerShell/命令提示字元(Windows)。在 Windows 上,如果看到權限錯誤,請以管理員身分執行。
  • 準備好模型名稱 — 你需要確切的名稱和標籤(例如:llama3:latest)。
  • 注意磁碟空間 — 模型可能佔用數 GB;刪除它們將在命令完成後立即釋出儲存空間。

Ollama 預設將模型儲存在:

  • macOS~/.ollama/models
  • Linux~/.ollama/models(或系統安裝時為 /usr/share/ollama/.ollama/models
  • WindowsC:\Users\你的使用者名稱\.ollama\models

步驟 1:列出所有已安裝模型

始終從這裡開始,以便準確知道你將刪除什麼。

在你的終端機中執行:

ollama list

預期輸出(範例):

NAME                ID              SIZE      MODIFIED
llama3:latest       8f6e2a123abc    4.7 GB    3 天前
gemma2:9b          2d9f3b456def    5.2 GB    1 週前

複製 NAME 欄中的確切名稱(包括冒號後的標籤)。

步驟 2:移除單一模型

使用 ollama rm 命令,後面跟上模型名稱。

ollama rm llama3:latest

預期輸出

deleted 'llama3:latest'

此命令會立即刪除清單檔案及所有關聯的 blob 檔案。不會顯示確認提示。

步驟 3:同時移除多個模型

在一行中移除多個模型:

ollama rm llama3:latest gemma2:9b mistral:latest

預期輸出

deleted 'llama3:latest'
deleted 'gemma2:9b'
deleted 'mistral:latest'

步驟 4:移除所有模型(批次刪除)

使用以下一行指令來刪除所有模型(macOS/Linux 版本):

ollama list | awk 'NR>1 {print $1}' | xargs -I {} ollama rm {}

Windows PowerShell 等效指令

ollama list | Select-Object -Skip 1 | ForEach-Object { $_.Trim() -split '\s+' | Select-Object -First 1 } | ForEach-Object { ollama rm $_ }

執行後,請用 ollama list 確認 — 它應該只返回標題列。

步驟 5:重新啟動 Ollama(建議)

重新啟動 Ollama 服務,以確保所有 blob 檔案已完全清除並釋出磁碟空間。

  • macOSollama serve(或關閉並重新打開 Ollama 應用程式)
  • Linuxsudo systemctl restart ollama
  • Windows:從工作管理員重新啟動 Ollama 程序,或直接關閉並重新打開應用程式。

再次執行 ollama list 以驗證模型已消失。

常見問題與疑難排解

  • 「找不到模型」錯誤:請仔細檢查 ollama list 中的確切名稱和標籤。
  • 權限被拒絕:在 Linux/macOS 上使用 sudo ollama rm ... 或在 Windows 上以管理員身分執行終端機。
  • 磁碟空間未釋放:重新啟動 Ollama(步驟 5)。如果仍然無效,請手動檢查 blob 資料夾,但 切勿在 Ollama 執行時刪除檔案
  • 移除後模型仍出現:先使用 ollama stop <model> 停止任何正在執行的實例,然後重試 ollama rm
  • 自訂儲存位置:如果您設定了 OLLAMA_MODELS 環境變數,模型會存放在其他位置——請檢查該路徑。
  • API 方法(進階):在腳本中使用 curl:
    curl -X DELETE http://localhost:11434/api/delete -d '{"model": "llama3:latest"}'
    

後續步驟

  • 下載新模型:執行 ollama pull llama3.1:8b 以取得最新版本。
  • 設定自訂儲存位置:在執行 Ollama 前匯出 OLLAMA_MODELS=/path/to/new/folder,將所有內容移至更大的磁碟。
  • 自動化清理:將批次刪除指令加入每週的 cron 任務或 PowerShell 腳本。
  • 監控使用情況:定期執行 ollama list,並結合使用 du -sh ~/.ollama/models(macOS/Linux)或 Windows 上的檔案總管來追蹤儲存空間。

您現在已完全掌控本地的 Ollama 模型。立即釋放空間,只保留您所需的內容。

Share this article

Referenced Tools

Browse entries that are adjacent to the topics covered in this article.

Explore directory
TinyFish logo

TinyFish

MCP Servers

TinyFish 為相容 MCP 的 AI 助手提供網頁自動化、網路搜尋、內容擷取以及遠端瀏覽器會話工具。代管的 MCP 伺服器使用 OAuth 2.1,而可選的本地 @tiny-fish/mcp 代理支援 API 金鑰驗證,適用於僅限本地、CI 及無頭設定。

TinyFish logo

TinyFish

MCP Servers

TinyFish 是一個專為 AI 代理打造的網頁基礎設施平台,整合了即時網頁搜尋、瀏覽器渲染內容擷取、目標導向的網頁自動化,以及受管雲端瀏覽器工作階段。開發者可透過 API、SDK、命令列工具 (CLI) 以及與代理框架和 AI 編碼工具的整合來存取此平台。

X MCP logo

X MCP

MCP Servers

X MCP 是 X 官方託管的 Model Context Protocol 伺服器,可讓相容 MCP 的 AI 工具呼叫 X API 端點。它透過 xurl 橋接 OAuth 使用者情境,支援貼文搜尋、使用者查詢、書籤、趨勢、新聞和 Articles 等工作流程。

viewmax mcp logo

viewmax mcp

MCP Servers

ViewMax MCP is a hosted Streamable HTTP MCP server for generating AI video, images, music, speech, and sound effects, with tools for model discovery, task polling, and credit checks. Official setup is documented for Claude Web/Desktop, Claude Code, Cursor, Codex, and SDK clients.

TinyFish logo

TinyFish

MCP Servers

TinyFish is a web infrastructure platform for AI agents that combines live web search, browser-rendered content extraction, goal-based web automation, and managed cloud browser sessions. Developers can access the platform through APIs, SDKs, a CLI, and integrations with agent frameworks and AI coding tools.

TinyFish logo

TinyFish

MCP Servers

TinyFish exposes web automation, web search, content extraction, and remote browser-session tools to MCP-compatible AI assistants. The hosted MCP server uses OAuth 2.1, while an optional local @tiny-fish/mcp proxy supports API-key authentication for local-only, CI, and headless setups.