a2a mcp
☰
Back to Blog
BlogApril 22, 20261,079

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)
  • Windows:C:\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。

  • macOS:ollama serve(或關閉並重新打開 Ollama 應用程式)
  • Linux:sudo 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
PaidSync.ai logo

PaidSync.ai

MCP Servers

PaidSync.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 logo

Hyper3D MCP

MCP Servers

Hyper3D 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.

Semrush MCP Server logo

Semrush MCP Server

MCP Servers

Semrush MCP connects AI assistants to Semrush APIs for keyword, backlink, website traffic and market research.

Browserbase MCP Server logo

Browserbase MCP Server

MCP Servers

Browserbase MCP gives AI agents browser automation tools powered by Stagehand and Browserbase browser sessions.

SerpApi MCP Server logo

SerpApi MCP Server

MCP Servers

SerpApi MCP exposes search engine results to AI assistants through SerpApi, supporting live research and structured search data retrieval.

Similarweb MCP Server logo

Similarweb MCP Server

MCP Servers

Similarweb MCP brings website traffic and digital market intelligence into AI assistants for competitive research.

a2a mcp

搜索全站

搜索条目、技能、文章和分类。使用方向键选择,回车打开。