SSD Nodes Learn Hosting plans →
Guias Matt ConnorPor Matt Connor

Ollama pull vs run: onde os modelos ficam

Entenda quando usar ollama pull ou run, o erro "embedding models require input text" e como mover os arquivos que podem lotar o disco root de uma VPS.

ollama pull vs ollama run

ollama pull transfere um modelo e termina. Para um modelo de chat local, ollama run transfere o modelo apenas se este não existir, carrega-o para a memória e abre um chat interativo. A transferência é idêntica e os ficheiros ficam no mesmo local. Apenas run continua a execução depois disso. Os modelos de embeddings são a exceção à parte do chat: a documentação oficial mostra ollama run embeddinggemma "Hello world" a imprimir o embedding como um array JSON em vez de uma resposta. Sem texto de entrada, ollama run rejeita um modelo de embeddings com embedding models require input text.

Essa diferença determina qual comando deve ser usado num script e qual deve ser usado numa sessão interativa.

ollama pull gemma4
ollama run gemma4
ollama run gemma4 "Reply with one word: ready"

A primeira linha transfere o modelo e termina, por isso é segura no aprovisionamento e numa unidade systemd. A segunda abre uma sessão de chat; escreva /bye ou prima Ctrl+D para sair. A terceira envia um único prompt, imprime a resposta e termina. Este é o formato adequado para um script que precisa de uma resposta, e não de uma sessão. Mesmo neste terceiro formato, o comprimento da resposta fica totalmente a cargo do modelo. Assim, uma pergunta de uma linha pode devolver três parágrafos. Limitar a resposta com num_predict é o que mantém um run executado por um script dentro de um tamanho que o chamador consegue realmente utilizar. Os nomes dos modelos mudam rapidamente, por isso trate gemma4 neste exemplo como um marcador: é o exemplo usado pela documentação oficial do Ollama em outubro de 2026; substitua-o por outro modelo de chat local para seguir o mesmo processo. As tags terminadas em :cloud, como gemma4:cloud, são diferentes: o Ollama executa-as nos seus próprios servidores sem transferir os pesos do modelo, por isso o espaço em disco abaixo aplica-se aos modelos locais. Se preferir substituir o modelo por outro que alguém já tenha dimensionado com base num servidor real, executar o Nemotron 3.5 Lightning numa VPS fornece a tag exata a transferir e a memória que este espera encontrar.

Por que o primeiro ollama run parece ter bloqueado

A primeira run num VPS novo pode ficar vários minutos sem apresentar saída. Não há nenhuma falha. O prompt de chat só pode aparecer depois de o modelo estar no disco e carregado na memória. Por isso, o run está a fazer um download de vários gigabytes antes de ter algo para mostrar.

Há dois fatores que ocultam esse trabalho. O Ollama escreve a barra de progresso no erro padrão. Por isso, quando esse fluxo é descartado ou só é lido depois, como num script que termina em 2>/dev/null ou num cron job, nada indica que há um download em curso. Depois de os bytes serem gravados, o ficheiro ainda tem de ser lido do disco para a RAM antes de surgir o primeiro token. Num VPS pequeno, essa leitura é lenta. Se a máquina não tiver memória suficiente para o modelo, o kernel começa a usar swap e a espera aumenta bastante.

Observe o processo a partir de uma segunda sessão em vez de tentar adivinhar:

df -h /
watch -n5 df -h /

Numa máquina nova, a diminuição gradual do espaço livre indica que o download continua. Se o espaço livre parar de diminuir enquanto o comando ainda estiver ocupado, isso não prova que o carregamento começou. Depois do download, o Ollama executa uma fase separada de verifying sha256 digest, que lê os ficheiros antes de escrever o manifest e concluir o pull. Uma máquina que já tinha modelos pode dar uma indicação enganadora no Ollama 0.40.2. A primeira execução de um modelo descarregado com uma versão mais antiga escrevia uma cópia atualizada em segundo plano e mantinha o original como backup. Por isso, o espaço livre podia diminuir sem haver qualquer download. O Ollama 0.40.3, lançado em 11 October 2026, suspendeu essa atualização em segundo plano.

Esta é a razão para fazer o pull antecipadamente. A pessoa que executar ollama run nunca deve ser a responsável por esperar pelo download.

Baixe o modelo antes de qualquer pedido

O mesmo se aplica a tudo o que não seja uma pessoa: um agente de programação apontado para o seu endpoint Ollama recebe um erro de modelo não encontrado se o modelo local solicitado ainda não tiver sido baixado; uma solicitação de inferência não o baixa. Num servidor novo, faça o download no mesmo script que instala o servidor:

curl -fsSL https://ollama.com/install.sh | sh
ollama pull gemma4

Se estiver a configurar o servidor pela primeira vez, a instalação completa do Ollama numa VPS explica o próprio serviço e quem pode aceder-lhe. Depois disso, vale a pena configurar um download que continue a executar depois de fechar o terminal, porque uma transferência interrompida a meio pode deixar o armazenamento de modelos incompleto.

Execute-o dentro de tmux ou entregue-o ao systemd como uma unidade one-shot executada no boot. Escreva /etc/systemd/system/ollama-pull.service:

[Unit]
Description=Pre-pull Ollama models
Wants=ollama.service network-online.target
After=ollama.service network-online.target

[Service]
Type=oneshot
RemainAfterExit=yes
ExecStart=/bin/sh -c 'until ollama list >/dev/null 2>&1; do sleep 2; done'
ExecStart=/bin/sh -c 'ollama pull gemma4'

[Install]
WantedBy=multi-user.target

Ambos os comandos passam por /bin/sh -c de propósito. Um ExecStart= simples aceita um caminho absoluto ou um nome de executável simples resolvido através do caminho de pesquisa fixo do systemd; command -v ollama mostra o caminho que a shell atual encontra. Passar pela shell usa o PATH do serviço, em vez de um caminho copiado de um guia. O primeiro ExecStart também é importante: After=ollama.service significa que a unidade do servidor foi iniciada, mas isso não é o mesmo que estar pronta. Por isso, o ciclo espera até ollama list responder antes de iniciar o download.

sudo systemctl daemon-reload
sudo systemctl enable --now ollama-pull.service
journalctl -u ollama-pull.service

O journal deve mostrar que o download terminou sem erros, e ollama list deve mostrar o modelo. Para manter atualizada uma tag que muda, adicione um temporizador do systemd ou uma entrada semanal do cron que execute o mesmo download. Fazer novamente o download de uma tag que mudou baixa as novas camadas e, na maioria dos modelos, elimina no fim desse mesmo download as camadas antigas que já não são utilizadas.

O que acontece quando um pull é interrompido

Cada camada de um modelo é armazenada com um hash do seu próprio conteúdo. Por isso, um pull interrompido não representa trabalho perdido: execute novamente o mesmo ollama pull, e as camadas que já terminaram são reconhecidas e ignoradas. O download continua a partir da camada que foi interrompida.

Uma ação pode destruir esse progresso. Quando o servidor Ollama inicia, remove downloads parciais e camadas armazenadas que não são referenciadas por nenhum manifesto de modelo. As partes deixadas por um pull interrompido correspondem exatamente a esses ficheiros. As releases atuais (0.40.11, verificadas em 26 October 2026) ignoram qualquer ficheiro escrito na última hora. Por isso, um restart pouco depois de o pull falhar não causa problemas. Um restart horas mais tarde, porém, elimina a parte que já foi descarregada. Tente novamente o pull primeiro e faça o restart mais tarde. Se um download parcial tiver mesmo de sobreviver a um restart, defina OLLAMA_NOPRUNE=1 no ambiente do serviço e remova-o depois. Essa variável também desativa a limpeza no fim de cada pull. Essas duas limpezas impedem a acumulação de camadas órfãs no disco.

Se o pull tiver falhado com no space left on device, liberte espaço antes de tentar novamente. Se df indicar que o disco está cheio e du no diretório do modelo não explicar o consumo, o espaço foi ocupado noutro local. Nesse caso, vale a pena ler as razões pelas quais df e du apresentam valores diferentes antes de eliminar qualquer coisa.

Onde o Ollama armazena os modelos numa VPS?

Consulte o próprio servidor em vez de confiar num caminho de qualquer guia, incluindo este. A localização varia entre uma instalação por pacote e um contentor. Também muda se alguém tiver definido OLLAMA_MODELS.

systemctl cat ollama.service
getent passwd ollama
sudo find / -xdev -type d -name blobs 2>/dev/null

systemctl cat mostra o ficheiro da unidade juntamente com todos os drop-ins. Assim, uma linha OLLAMA_MODELS definida por si ou incluída na sua imagem aparece nessa saída. Sem essa linha, o armazenamento fica no diretório pessoal da conta com que o serviço é executado. getent passwd mostra esse diretório pessoal no sexto campo separado por dois-pontos. find pesquisa um sistema de ficheiros pelo diretório blobs. É nesse diretório que as camadas são efetivamente gravadas. Remova -xdev se os modelos já puderem estar numa montagem separada.

Agora meça e interprete os seus próprios valores:

ollama list
df -h /
sudo du -sh /the/directory/you/found
sudo du -h -d1 /the/directory/you/found

O armazenamento contém dois tipos de conteúdo. Os diretórios de manifestos (manifests, unidos por manifests-v2 nas versões atuais) contêm ficheiros pequenos que listam, para cada tag de modelo, as camadas a partir das quais esse modelo é criado. blobs contém as próprias camadas. Cada uma recebe o nome do hash do seu conteúdo, e quase todo o espaço ocupado está aí. Como as camadas são partilhadas entre tags, dois modelos criados a partir dos mesmos pesos indicam o seu próprio tamanho em ollama list, embora ocupem esse espaço apenas uma vez no disco. Por isso, os tamanhos listados podem somar mais do que o valor indicado por du para o diretório. A surpresa inversa ocorre no Ollama 0.40.2: os modelos atualizados em segundo plano mantêm a cópia original no disco como backup. ollama list não mostra essas cópias duas vezes, pelo que du pode indicar muito mais espaço do que a lista sugere. As notas de lançamento da versão 0.40.2 incluem um script que elimina apenas esses backups.

Os ficheiros dos modelos preenchem o sistema de ficheiros raiz de uma VPS pequena mais depressa do que quase tudo o que provavelmente irá instalar. O fator que mais influencia o tamanho é o formato dos pesos. Escolher entre q4, q8 e fp16 pode poupar vários gigabytes por modelo.

Mova os modelos para um volume de dados com OLLAMA_MODELS

Se o plano inclui um segundo disco ou um volume de dados maior, mova o armazenamento antes de o sistema de ficheiros raiz ficar cheio. Pare primeiro o servidor para não copiar um ficheiro que ainda está a ser escrito.

sudo systemctl stop ollama
sudo mkdir -p /mnt/data/ollama-models
sudo rsync -a /the/directory/you/found/ /mnt/data/ollama-models/
sudo chown -R ollama:ollama /mnt/data/ollama-models
sudo systemctl edit ollama.service

systemctl edit abre um editor num ficheiro drop-in. Assim, a unidade fornecida pelo pacote permanece intacta e uma atualização do pacote não pode substituir a sua alteração. Adicione estas duas linhas:

[Service]
Environment="OLLAMA_MODELS=/mnt/data/ollama-models"
sudo systemctl daemon-reload
sudo systemctl restart ollama
systemctl show ollama --property=Environment
ollama list

systemctl show deve apresentar o novo caminho, e ollama list deve mostrar os mesmos modelos que apresentava antes da transferência. Se a lista estiver vazia, confirme que o novo diretório contém o armazenamento copiado e que o servidor consegue lê-lo. O serviço é executado como o utilizador ollama, por isso esse utilizador precisa de acesso de leitura e escrita ao destino. É essa a função da linha chown acima. Consulte journalctl -e -u ollama à procura de erros de permissões que indiquem o novo caminho. Elimine a cópia antiga apenas depois de a lista estar correta. Se a transferência falhar e a origem já tiver sido eliminada, terá de descarregar tudo novamente.

A outra opção mantém o caminho original e monta o volume de dados nesse caminho:

echo '/mnt/data/ollama-models /the/directory/you/found none bind 0 0' | sudo tee -a /etc/fstab
sudo mount -a
findmnt /the/directory/you/found
df -h /

A apresentação da montagem por findmnt confirma que o bind está ativo. Um bind mount é útil quando outro componente do servidor já espera a localização predefinida. Tem uma limitação: os ficheiros copiados continuam no ponto de montagem do disco raiz, ocultos pela montagem. O espaço só é libertado depois de desmontar e remover esses ficheiros. A variável de ambiente é a opção mais fácil de explicar à próxima pessoa que iniciar sessão.

Onde o container os mantém

A imagem oficial armazena os modelos no local que montar, não num diretório do host pertencente a um utilizador ollama. O comando de execução documentado é:

docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

ollama antes dos dois pontos é um volume Docker nomeado, e /root/.ollama é o local onde o servidor escreve dentro do container. Por isso, executar du nos caminhos da secção anterior não encontra nada. Os ficheiros não estão lá. Mostre o local e o tamanho reais:

docker volume inspect ollama
docker system df -v
docker exec -it ollama ollama list

Leia o campo Mountpoint de docker volume inspect e execute sudo du -sh nesse caminho. Para colocar os modelos num volume de dados, substitua o volume nomeado por um diretório do host (-v /mnt/data/ollama:/root/.ollama) e recrie o container. O container escreve como root, por isso esse diretório do host fica pertencente a root. No Podman rootless, o root do container é mapeado, por predefinição, para o UID e o GID do seu utilizador no host, enquanto os restantes IDs do container usam intervalos subordinados: executar Ollama com Podman rootless explica esse mapeamento.

Tenha atenção à limpeza. Um docker volume prune simples remove apenas volumes anónimos, por isso deixa o volume nomeado ollama intacto, mas docker volume prune --all remove todos os volumes que não sejam referenciados por nenhum container, incluindo os volumes nomeados. Remova ou recrie o container ollama sem o respetivo volume e um prune --all posterior elimina todos os modelos que transferiu. Não há forma de os recuperar sem os transferir novamente. Leia como libertar espaço em disco do Docker num VPS antes de executar prune num servidor que aloje modelos.

Remova um modelo com ollama rm, não com rm

ollama list
ollama rm gemma4
ollama list
df -h /

ollama rm elimina o manifesto dessa tag e, em seguida, elimina as camadas que já não são referenciadas por nenhum manifesto. O espaço fica disponível assim que esses ficheiros são desvinculados, por isso df avança imediatamente. Como as camadas são partilhadas, remover uma de duas tags muito relacionadas pode libertar bastante menos espaço do que o tamanho ollama list apresentado junto dela. Esse é o comportamento correto, não uma falha na remoção.

Eliminar ficheiros manualmente quebra a relação entre os dois elementos. Remova um blob com rm e o manifesto continuará a listá-lo, por isso ollama list continuará a mostrar o modelo e qualquer tentativa de o utilizar falhará quando a camada em falta for lida. Remova um manifesto manualmente e as respetivas camadas permanecerão no disco sem nada que as referencie, ocupando espaço que nenhum comando do Ollama lhe mostrará. Se já tiver eliminado um blob, ollama rm na tag elimina a entrada restante; se tiver eliminado o manifesto, já não existirá nenhuma entrada de tag para remover. Reiniciar o servidor elimina as camadas que já não são referenciadas quando têm mais de uma hora.

Há uma última distinção, porque os dois conceitos são frequentemente confundidos. ollama rm diz respeito ao disco. ollama stop gemma4 descarrega um modelo da memória e não liberta espaço no disco. O tempo durante o qual um modelo permanece residente na RAM depois de o download terminar é uma definição separada. manter um modelo carregado em vez de o recarregar a cada pedido explica essa configuração.

FAQ

Qual é a diferença entre ollama pull e ollama run?

ollama pull transfere um modelo para o disco e termina. ollama run verifica se o modelo já está no disco, transfere-o se não estiver, carrega-o na memória e, para um modelo de chat, abre uma sessão de chat interativa. Ambos escrevem os mesmos ficheiros no mesmo diretório. Use pull no aprovisionamento e em scripts, e use run quando uma pessoa estiver ao teclado. ollama run <model> "your prompt" envia um prompt e termina, sendo a forma adequada para scripts de run.

Porque é que o meu primeiro ollama run parece ficar bloqueado?

Pode estar a transferir, a verificar a transferência ou a carregar o modelo. O prompt do chat só pode aparecer depois de o modelo estar no disco e carregado na memória, e um modelo ocupa vários gigabytes. O Ollama escreve a barra de progresso na saída de erro padrão, por isso um run dentro de um script que descarta esse fluxo, ou dentro de um cron job, não mostra nada enquanto o processo decorre. Abra uma segunda sessão e execute watch -n5 df -h /: num sistema acabado de instalar, a redução do espaço livre em etapas indica que a transferência está em curso. Transfira o modelo antecipadamente para eliminar a espera da transferência e da verificação; o carregamento continua a demorar algum tempo.

Onde é que o Ollama armazena os modelos?

A localização depende da instalação, por isso deve apresentá-la em vez de a assumir. Execute systemctl cat ollama.service para verificar se OLLAMA_MODELS está definida na unidade ou num drop-in. Se não estiver, o armazenamento encontra-se no diretório pessoal da conta com que o serviço é executado, que getent passwd ollama apresenta. sudo find / -xdev -type d -name blobs 2>/dev/null localiza diretamente o diretório das layers. Na imagem de contentor, o armazenamento fica dentro do volume montado, e docker volume inspect ollama apresenta o respetivo Mountpoint no anfitrião.

Como movo os modelos do Ollama para outro disco?

Pare o serviço, copie o armazenamento para a nova localização com rsync -a, atribua o diretório à conta do serviço com sudo chown -R ollama:ollama <directory>, execute sudo systemctl edit ollama.service e adicione Environment="OLLAMA_MODELS=<directory>" sob uma linha [Service]. Recarregue com sudo systemctl daemon-reload e reinicie. Confirme com systemctl show ollama --property=Environment e ollama list. Se a lista estiver vazia, confirme que o novo diretório contém o armazenamento copiado e que o utilizador ollama tem permissão de leitura; verifique journalctl -e -u ollama à procura de erros de permissões.

A eliminação dos ficheiros do modelo liberta espaço?

A eliminação manual dos ficheiros liberta os bytes, mas deixa o armazenamento inconsistente. Se remover um blob, o manifesto continua a listar esse modelo, que continua a aparecer em ollama list e falha quando é utilizado. Se remover um manifesto, as respetivas layers permanecem no disco sem nada que faça referência a elas. Use ollama rm <model>, que elimina o manifesto e depois as layers de que nenhum outro modelo precisa. Se um blob já tiver sido eliminado manualmente, execute ollama rm na tag para limpar a entrada. Se o manifesto tiver sido eliminado, já não existe uma entrada de tag para remover. Reinicie o servidor para remover as layers a que nenhum manifesto faz referência, depois de terem mais de uma hora.

Este artigo foi útil?