วิธีตั้งค่า Ollama ให้โหลดโมเดลค้างไว้ใน RAM ตลอดเวลา

ทำไม Ollama ถึงยกเลิกการโหลดโมเดลหลังจากผ่านไปไม่กี่นาที?

Ollama จะคงโมเดลไว้ในหน่วยความจำเป็นเวลา 5 นาทีหลังจากคำขอสุดท้าย จากนั้นจึงจะปล่อยหน่วยความจำนั้นทิ้งไป คำขอถัดไปจะต้องอ่านค่าน้ำหนัก (weights) จากดิสก์และแมปข้อมูลกลับเข้าไปใน RAM หรือ VRAM อีกครั้ง ทำให้เกิดการหน่วงเวลาก่อนที่ token แรกจะปรากฏขึ้น นี่คือสาเหตุที่ทำให้ UI แชทหรือ coding agent ดูเหมือนทำงานเร็ว แต่เมื่อทิ้งช่วงไปสักพัก การตอบกลับข้อความถัดไปจะรู้สึกช้าลง ไม่ได้มีส่วนใดเสียหาย เพียงแต่ตัวจับเวลาสถานะว่าง (idle timer) ได้หมดเวลาลงแล้ว

ตัวจับเวลานี้เรียกว่า keep_alive โดยจะนับแยกตามแต่ละโมเดลและจะเริ่มนับใหม่ทุกครั้งที่คำขอเสร็จสิ้น โมเดลที่กำลังตอบคำถามอยู่จะไม่ถูกยกเลิกการโหลด เพราะเซิร์ฟเวอร์จะยกเลิกเฉพาะโมเดลที่ไม่มีคำขอค้างอยู่เท่านั้น ณ เดือนสิงหาคม 2026 ค่าเริ่มต้นคือ 5 นาที และมีผลกับทุกโมเดลที่เซิร์ฟเวอร์นี้โหลดขึ้นมา

มีสองตำแหน่งที่สามารถตั้งค่า keep_alive ได้ คือตั้งค่าที่คำขอแต่ละรายการ หรือตั้งค่าเป็นค่าเริ่มต้นของเซิร์ฟเวอร์ การใช้ systemd drop-in คือวิธีที่ทำให้ค่าเริ่มต้นของเซิร์ฟเวอร์คงอยู่แม้จะมีการรีสตาร์ท คู่มือนี้สมมติว่า Ollama ทำงานเป็น service อยู่แล้ว หากยังไม่ได้ติดตั้ง ให้เริ่มจาก การติดตั้ง Ollama บน VPS แล้วจึงกลับมาดำเนินการต่อ

โมเดลใดที่กำลังทำงานอยู่ในขณะนี้ และจะหมดอายุเมื่อใด

ollama ps

NAME        ID              SIZE      PROCESSOR    CONTEXT    UNTIL
qwen3:8b    500a1f067a9f    6.6 GB    100% GPU     4096       4 minutes from now

หากผลลัพธ์ว่างเปล่า แสดงว่าไม่มีโมเดลใดถูกโหลดไว้ ดังนั้นคำขอถัดไปจะต้องเสียเวลาโหลดเต็มรูปแบบ PROCESSOR จะระบุตำแหน่งที่เก็บน้ำหนัก (weights) ของโมเดลไว้ 100% GPU และ 100% CPU เป็นกรณีที่ชัดเจน การแบ่งส่วนเช่น 25%/75% CPU/GPU หมายความว่าโมเดลไม่สามารถบรรจุลงใน VRAM ได้ทั้งหมด จึงต้องรันบางส่วนบนโปรเซสเซอร์ ซึ่งจะทำให้การสร้างผลลัพธ์ช้าลง

UNTIL คือการนับถอยหลัง โดยจะแสดงเวลาแบบสัมพัทธ์ เช่น 4 minutes from now ระบบจะแสดง Forever เมื่อโมเดลถูกโหลดด้วยค่า keep_alive ที่เป็นลบ และจะแสดง Stopping... ในช่วงเวลาสั้นๆ ขณะที่เซิร์ฟเวอร์กำลังยกเลิกการโหลดโมเดล

ชุดคอลัมน์มีการเปลี่ยนแปลงระหว่างเวอร์ชันที่ปล่อยออกมา ดังนั้นโปรดอ่านจากส่วนหัว (header) แทนการนับลำดับฟิลด์ในสคริปต์ สำหรับงานอัตโนมัติใดๆ ให้สอบถามผ่าน API:

curl -s http://localhost:11434/api/ps

แต่ละรายการจะมี expires_at ซึ่งเป็นเวลาแบบสัมบูรณ์ (absolute timestamp) เช่น 2026-08-09T14:38:31.83753Z และ size_vram ซึ่งระบุสัดส่วนของโมเดลนั้นที่อยู่ในหน่วยความจำ GPU หากค่า size_vram เป็น 0 หมายความว่าโมเดลกำลังรันอยู่บน CPU

ต้นทุนที่แท้จริงของการโหลดซ้ำ

อย่าคาดเดาด้วยตัวเอง Ollama จะรายงานเวลาที่ใช้ในการโหลดไว้ในทุกการตอบกลับในรูปแบบ load_duration โดยมีหน่วยเป็นนาโนวินาที

sudo apt install -y jq
ollama stop qwen3:8b
curl -s http://localhost:11434/api/generate -d '{"model": "qwen3:8b", "prompt": "hi", "stream": false}' | jq '{load_duration, total_duration}'
curl -s http://localhost:11434/api/generate -d '{"model": "qwen3:8b", "prompt": "hi", "stream": false}' | jq '{load_duration, total_duration}'

การเรียกใช้งานครั้งแรกจะเป็นการโหลดโมเดล ดังนั้นค่า load_duration จึงมีจำนวนมาก ให้หารด้วย 1000000000 เพื่ออ่านค่าเป็นวินาที การเรียกใช้งานครั้งที่สองจะเกิดขึ้นในขณะที่โมเดลยังคงอยู่ในหน่วยความจำ ซึ่งจะรายงานตัวเลขที่น้อยกว่ามาก ช่องว่างระหว่างตัวเลขทั้งสองค่านี้คือสิ่งที่ผู้ใช้ทุกคนต้องรอหลังจากตัวจับเวลาหมดลง และเป็นเหตุผลทั้งหมดที่ต้องเปลี่ยนค่า keep_alive สำหรับความเร็วในการสร้างข้อความทั้งก่อนและหลังช่วงหยุดพักนั้น สามารถดูได้ที่ วิธีวัดจำนวนโทเค็นต่อวินาทีบนเครื่องของคุณเอง

การคงโมเดล Ollama ไว้ในหน่วยความจำตามคำขอ

ส่ง keep_alive ไปพร้อมกับคำขอ โดยจะมีผลกับโมเดลนั้นทันทีหลังจากที่คำขอเสร็จสิ้น

curl -s http://localhost:11434/api/chat -d '{
  "model": "qwen3:8b",
  "messages": [{"role": "user", "content": "hello"}],
  "keep_alive": "30m"
}'

รองรับรูปแบบค่า 4 ประเภท:

• สตริงระบุระยะเวลา: "30m", "24h", "90s"
• ตัวเลขปกติ ซึ่งจะถูกอ่านเป็นวินาที: 3600
• ค่าติดลบ -1 หรือ "-1m" หมายถึงไม่มีการกำหนดเวลา idle timeout
• 0 หมายถึงให้ยกเลิกการโหลดทันทีที่คำขอนี้เสร็จสิ้น

ค่าที่ระบุในคำขอจะแทนที่ค่าเริ่มต้นของเซิร์ฟเวอร์ในทุกกรณี ซึ่งมีความสำคัญมากกว่าที่คิด เพราะหากไคลเอนต์ส่งค่า keep_alive ของตนเองมา ค่านี้จะมีความสำคัญเหนือกว่าค่าใดๆ ที่คุณตั้งค่าไว้บนเซิร์ฟเวอร์

คุณยังสามารถโหลดโมเดลโดยไม่ต้องสร้างเนื้อหาใดๆ ได้ โดยส่งเพียงชื่อโมเดลเท่านั้น เซิร์ฟเวอร์จะทำการโหลดโมเดลและส่งการตอบกลับที่ว่างเปล่าพร้อมกับ "done": true กลับมา

curl -s http://localhost:11434/api/generate -d '{"model": "qwen3:8b", "keep_alive": "30m"}'

นี่คือคำสั่งที่ควรเรียกใช้หลังจากรีบูตเครื่อง หรือหลังจากดึงโมเดลใหม่ เพื่อให้คำขอแรกจากผู้ใช้งานจริงไม่ต้องรอเวลาในการโหลดโมเดล สำหรับ CLI สามารถทำหน้าที่เดียวกันได้โดยใช้แฟล็ก:

ollama run --keepalive 30m qwen3:8b "hello"

คงสถานะโมเดลไว้ในหน่วยความจำโดยใช้ OLLAMA_KEEP_ALIVE

เซิร์ฟเวอร์จะอ่านค่า OLLAMA_KEEP_ALIVE ในขณะเริ่มต้นระบบและนำไปใช้กับทุกโมเดลที่ไม่มีการกำหนดค่าเฉพาะของตนเอง ค่านี้รองรับรูปแบบเดียวกับฟิลด์ในคำขอ ดังนั้นคุณสามารถใช้ 30m, 3600 และ -1 ได้ทั้งหมด

ข้อควรระวังคือค่านี้ต้องอยู่ใน environment ที่ถูกต้อง การรัน export OLLAMA_KEEP_ALIVE=30m ใน SSH session ของคุณจะไม่มีผลใดๆ เนื่องจากแพ็กเกจที่ติดตั้งจะรันเซิร์ฟเวอร์ในฐานะ systemd service ภายใต้ผู้ใช้ของระบบเองซึ่งมี environment แยกต่างหาก shell ที่คุณล็อกอินเข้าใช้งานกับ service ดังกล่าวจึงไม่ได้ใช้ environment ร่วมกัน นี่เป็นสาเหตุที่พบบ่อยที่สุดที่ทำให้การตั้งค่านี้ดูเหมือนถูกเพิกเฉย

ทำให้บริการทำงานต่อได้หลังรีสตาร์ทด้วย systemd drop-in

sudo systemctl edit ollama.service

โปรแกรมแก้ไขข้อความจะเปิดขึ้นพร้อมเครื่องหมายคอมเมนต์สองบรรทัด ให้พิมพ์คำสั่งระหว่างเครื่องหมายทั้งสองนี้ เนื่องจาก systemd จะละทิ้งเนื้อหาใดๆ ที่คุณเขียนไว้ใต้เครื่องหมายบรรทัดที่สอง

[Service]
Environment="OLLAMA_KEEP_ALIVE=30m"

การบันทึกไฟล์จะเขียนข้อมูลลงใน /etc/systemd/system/ollama.service.d/override.conf วิธีนี้เป็นการใช้ drop-in แทนการแก้ไขไฟล์ unit หลักที่มากับแพ็กเกจ ดังนั้นหากมีการอัปเกรดแพ็กเกจ Ollama ซึ่งจะเข้ามาแทนที่ ollama.service การตั้งค่าของคุณจะยังคงอยู่ หากคุณยังไม่คุ้นเคยกับการใช้ drop-in และไฟล์ unit สามารถศึกษาหลักการทำงานได้ที่ คู่มือการใช้งาน systemd service และ timer

sudo systemctl daemon-reload
sudo systemctl restart ollama
systemctl show ollama --property=Environment

คำสั่งสุดท้ายจะแสดงสภาพแวดล้อม (environment) ที่บริการจะใช้งานจริง หากในบรรทัดดังกล่าวไม่มี OLLAMA_KEEP_ALIVE=30m แสดงว่าการตั้งค่า drop-in ไม่ทำงาน ซึ่งสาเหตุส่วนใหญ่มักเกิดจากการลืมใส่หัวข้อ [Service] หรือมีการพิมพ์ข้อความไว้นอกเหนือจากตำแหน่งที่กำหนด การรีสตาร์ทบริการจะทำให้โมเดลที่โหลดค้างไว้ในหน่วยความจำถูกล้างออกทั้งหมด ดังนั้นคำขอถัดไปจะเป็นการโหลดแบบ cold load คุณสามารถเตรียมความพร้อมของโมเดลได้ด้วยคำสั่ง preload ที่ระบุไว้ข้างต้น

ต้นทุนของการคงโมเดลไว้ในหน่วยความจำ

คอลัมน์ SIZE ใน ollama ps คือหน่วยความจำที่ถูกจองไว้ตลอดช่วงเวลา idle window ไม่ใช่แค่ระหว่างการประมวลผลคำขอ โมเดลขนาด 8B ที่ผ่านการทำ 4-bit quantisation จะใช้หน่วยความจำประมาณ 5 ถึง 6 GB ส่วนโมเดลขนาด 27B นั้นเป็นอีกเรื่องหนึ่ง และ การคำนวณหน่วยความจำสำหรับการรันโมเดลบน VPS ที่ใช้เฉพาะ CPU เป็นสิ่งที่ควรทำความเข้าใจก่อนตัดสินใจคงโมเดลไว้ในหน่วยความจำ หากคุณตั้งค่า keep_alive เป็น -1 เท่ากับว่าคุณตัดสินใจให้โมเดลมีความสำคัญเหนือทุกสิ่งบนเซิร์ฟเวอร์อย่างถาวร บน VPS ขนาดเล็ก นี่คือการแลกเปลี่ยนโดยตรงกับฐานข้อมูล เว็บแอปพลิเคชัน และงาน build ของคุณ

ให้ตรวจสอบตัวเลขจริงแทนการเชื่อค่าประมาณการ ให้รันคำสั่งนี้ขณะที่โมเดลถูกโหลดอยู่ และรันอีกครั้งหลังจาก ollama stop:

free -h

คอลัมน์ available คือหน่วยความจำที่ kernel ยังสามารถจัดสรรให้กับ process ใหม่ได้ สำหรับเซิร์ฟเวอร์ที่ใช้ NVIDIA GPU คำสั่ง nvidia-smi จะแสดงข้อมูลในลักษณะเดียวกันสำหรับ VRAM หากหน่วยความจำบนเซิร์ฟเวอร์หมด kernel จะสั่งยุติ process เพื่อกู้คืนหน่วยความจำ:

sudo dmesg -T | grep -i "out of memory"

หากพบข้อความที่ระบุชื่อ ollama แสดงว่า model server ตกเป็นเหยื่อ แต่หากพบชื่อฐานข้อมูลของคุณ แสดงว่าโมเดลเป็นฝ่ายชนะและบริการที่คุณให้ความสำคัญกลับต้องถูกปิดไป ทั้งสองกรณีเกิดจากการตัดสินใจเดียวกัน คือการตั้งค่า keep-alive window ที่ยาวนานเกินไปบนเซิร์ฟเวอร์ที่ไม่มีทรัพยากรเหลือเฟือ

มีต้นทุนสองประการที่มักถูกมองข้าม ประการแรก ความยาว context ที่มากขึ้นจะจอง KV cache (key value cache ซึ่งเป็นสถานะ attention ต่อ token ที่โมเดลเก็บไว้ขณะสร้างข้อความ) ขนาดใหญ่ขึ้น และ cache นี้ถือเป็นส่วนหนึ่งของขนาดหน่วยความจำที่ถูกใช้งานจริง การตั้งค่า OLLAMA_NUM_PARALLEL มากกว่า 1 จะเป็นการจอง cache ดังกล่าวหนึ่งชุดต่อหนึ่ง parallel slot หากคุณวางแผนที่จะ ให้บริการผู้ใช้หลายคนจากโมเดลเดียว ให้คำนวณขนาดหน่วยความจำสำหรับจำนวน slot ไม่ใช่แค่ขนาดของ weights เพียงอย่างเดียว

ค่าเริ่มต้นที่เหมาะสมคือ: โมเดลหนึ่งตัวบนเซิร์ฟเวอร์ที่มีทรัพยากรเหลือเฟือสามารถใช้ -1 ได้ แต่สำหรับเซิร์ฟเวอร์ที่ใช้งานร่วมกับบริการอื่น ควรใช้ window ที่ครอบคลุมเฉพาะช่วงว่างระหว่างคำขอของคุณ เช่น 30m เพื่อให้หน่วยความจำถูกคืนกลับมาเมื่อคุณหยุดใช้งาน

การยกเลิกการโหลดโมเดลทันที

ollama stop qwen3:8b

คำสั่งนี้จะทำงานโดยไม่มีการแสดงผลลัพธ์ และโมเดลจะหายไปจาก ollama ps หากระบุชื่อโมเดลที่ไม่ได้โหลดอยู่ ระบบจะแสดง couldn't find model "qwen3:8b" to stop รูปแบบการเรียกใช้ผ่าน API คือการส่งคำขอโดยไม่มี prompt และตั้งค่า keep_alive เป็น 0:

curl -s http://localhost:11434/api/chat -d '{"model": "qwen3:8b", "messages": [], "keep_alive": 0}'

การตอบกลับจะประกอบด้วย "done_reason": "unload" ให้ใช้วิธีนี้แทนการรีสตาร์ทเซอร์วิส การใช้ systemctl restart ollama จะเป็นการคืนหน่วยความจำเช่นกัน แต่จะทำให้โมเดลอื่นทั้งหมดที่โหลดอยู่ถูกยกเลิก และยุติคำขอใดๆ ที่กำลังประมวลผลอยู่ทันที

การรันโมเดลมากกว่าหนึ่งตัวบนเซิร์ฟเวอร์เดียว

OLLAMA_MAX_LOADED_MODELS จะจำกัดจำนวนโมเดลที่โหลดค้างไว้ในหน่วยความจำพร้อมกัน โดย ณ เดือนสิงหาคม 2026 ค่าเริ่มต้นคือ 3 ตัวต่อ GPU หรือ 3 ตัวสำหรับเครื่องที่ใช้ CPU เพียงอย่างเดียว ขีดจำกัดนี้จะนับจำนวนโมเดล แต่หน่วยความจำคือข้อจำกัดที่แท้จริง ดังนั้นโมเดลขนาดใหญ่ตัวที่สองอาจถูกปฏิเสธการโหลดก่อนที่คุณจะถึงขีดจำกัด 3 ตัว

เมื่อมีการเรียกใช้โมเดลใหม่และหน่วยความจำไม่เพียงพอ ตัวจัดตารางเวลา (scheduler) จะยกเลิกการโหลดโมเดลที่ค้างอยู่ในหน่วยความจำออกหนึ่งตัวเพื่อเพิ่มพื้นที่ โดยจะเลือกโมเดลที่ไม่มีคำขอใช้งานอยู่ และจะนำโมเดลที่ตัวจับเวลายังไม่หมดอายุออกด้วย รวมถึงโมเดลที่โหลดด้วย -1 ดังนั้นค่า keep_alive ที่เป็นลบจึงหมายถึงไม่มีการหมดเวลาสำหรับโมเดลที่ไม่ได้ใช้งาน (idle timeout) และไม่ได้เป็นการตรึงค่าน้ำหนัก (weights) ของโมเดลนั้นไว้เพื่อป้องกันการถูกแทนที่โดยคำขอของโมเดลอื่น

การตัดสินใจดังกล่าวจะถูกบันทึกไว้ในระดับ debug ให้เพิ่มบรรทัด Environment="OLLAMA_DEBUG=1" บรรทัดที่สองลงในไฟล์ drop-in เดียวกัน จากนั้น restart บริการและตรวจสอบดังนี้:

sudo journalctl -u ollama -f

ข้อความที่ระบุเกี่ยวกับการยกเลิกการโหลด runner เพื่อเพิ่มพื้นที่ ซึ่งปรากฏอยู่ถัดจากคำขอที่กระตุ้นให้เกิดเหตุการณ์นั้น จะบอกให้คุณทราบว่าโมเดลทั้งสองตัวนี้ไม่สามารถทำงานร่วมกันบนเครื่องนี้ได้ วิธีแก้ไขคือการลดจำนวนโมเดลบนเครื่องนี้ หรือกำหนดช่วงเวลาที่ยาวนานสำหรับโมเดลที่ต้องการการตอบสนองที่รวดเร็ว และใช้ 0 สำหรับโมเดลที่คุณเรียกใช้งานไม่บ่อยนัก

คำแนะนำที่ใช้งานได้ยาวนานกว่ารุ่นถัดไป

Ollama มีการออกรุ่นบ่อยครั้งและค่าเริ่มต้นมักมีการเปลี่ยนแปลง ดังนั้นให้ตรวจสอบรุ่นที่คุณใช้งานอยู่แทนการจดจำตัวเลขเวอร์ชัน:

ollama --version
ollama serve --help

ollama serve --help จะแสดงรายการ environment variables ที่รุ่นนั้นอ่านจริง ซึ่งรวมถึง OLLAMA_KEEP_ALIVE ด้วย มีกฎสองข้อที่ใช้ได้เสมอในทุกรุ่นและสามารถยึดถือได้ ข้อแรกคือ ค่าที่ระบุใน request จะมีความสำคัญเหนือกว่าค่าเริ่มต้นของเซิร์ฟเวอร์ ข้อสองคือ ollama ps คือข้อมูลที่ถูกต้องที่สุดว่ามีการโหลดค่าใดอยู่จริง ไม่ว่าไฟล์ config จะระบุไว้อย่างไรก็ตาม

หากคุณใช้ editor หรือ agent ในการควบคุมเซิร์ฟเวอร์ ให้ตรวจสอบสิ่งที่ client เหล่านั้นส่งมาก่อนที่จะสรุปว่าเซิร์ฟเวอร์มีปัญหา การชี้ coding agent ไปยังเซิร์ฟเวอร์ Ollama ของคุณเอง ได้อธิบายถึงตำแหน่งที่เก็บการตั้งค่า request เหล่านั้นไว้

FAQ

ทำไม Ollama ถึงยกเลิกการโหลดโมเดลของฉันหลังจากผ่านไป 5 นาที?

5 นาทีคือค่าเริ่มต้นของ keep_alive ซึ่งเป็นตัวจับเวลาขณะว่างที่ Ollama จะเริ่มทำงานหลังจากคำขอเสร็จสิ้น เมื่อเวลาหมดลง เซิร์ฟเวอร์จะคืนหน่วยความจำที่ใช้เก็บค่าน้ำหนัก (weights) ของโมเดล ดังนั้นคำขอถัดไปจึงต้องโหลดโมเดลจากดิสก์ใหม่ ซึ่งการโหลดใหม่นี้คือสาเหตุของความหน่วงที่คุณรู้สึก คุณสามารถเพิ่มเวลาสำหรับคำขอเดียวได้โดยส่ง "keep_alive": "30m" ใน JSON body หรือตั้งค่าสำหรับทั้งเซิร์ฟเวอร์ด้วยตัวแปรสภาพแวดล้อม OLLAMA_KEEP_ALIVE

ฉันจะเก็บโมเดลของ Ollama ไว้ในหน่วยความจำอย่างถาวรได้อย่างไร?

ให้ใช้ค่าติดลบ: "keep_alive": -1 ในคำขอ หรือ OLLAMA_KEEP_ALIVE=-1 สำหรับเซิร์ฟเวอร์ จากนั้น ollama ps จะแสดงค่า Forever ในคอลัมน์ UNTIL วิธีนี้จะเป็นการยกเลิกตัวจับเวลาขณะว่างเท่านั้น หากมีการเรียกใช้โมเดลอื่นและหน่วยความจำไม่เพียงพอ ตัวจัดตารางเวลา (scheduler) ก็ยังคงยกเลิกการโหลดโมเดลนี้เพื่อเพิ่มพื้นที่ว่างอยู่ดี

ทำไม OLLAMA_KEEP_ALIVE ถึงถูกละเลย?

ให้ตรวจสอบว่าคุณตั้งค่าไว้ที่ใด ให้รันคำสั่ง systemctl show ollama --property=Environment หากตัวแปรดังกล่าวไม่ปรากฏในผลลัพธ์ แสดงว่าเซิร์ฟเวอร์ไม่ได้รับค่า เนื่องจากตัวแปรที่ export ใน shell ของคุณจะไม่ส่งผลไปยัง service ของ systemd ให้ตั้งค่าผ่าน sudo systemctl edit ollama.service จากนั้นรัน sudo systemctl daemon-reload และ sudo systemctl restart ollama อีกสาเหตุหนึ่งคือไคลเอนต์ส่งค่า keep_alive ของตนเองมาในคำขอ ซึ่งจะไปแทนที่ค่าเริ่มต้นของเซิร์ฟเวอร์

ฉันจะคืนหน่วยความจำโดยไม่ต้องรีสตาร์ท Ollama ได้อย่างไร?

ollama stop qwen3:8b จะยกเลิกการโหลดโมเดลนั้นทันทีโดยที่เซิร์ฟเวอร์และโมเดลอื่นที่โหลดอยู่ยังคงทำงานต่อไป สำหรับการใช้งานผ่าน API ให้ส่งคำขอโดยไม่มี prompt และระบุ "keep_alive": 0 จากนั้นระบบจะตอบกลับด้วย "done_reason": "unload" ให้ยืนยันผลด้วย ollama ps ซึ่งควรจะไม่แสดงรายการโมเดลนั้นอีกต่อไป