thaivibecoding

แพลตฟอร์ม

Ollama

Ollama คือแพลตฟอร์มสำหรับรันโมเดล AI แบบเปิดบนเครื่องของคุณเอง ประกอบด้วยเซิร์ฟเวอร์ที่ทำงานเบื้องหลังพร้อม API (ช่องทางให้โปรแกรมอื่นเรียกใช้) ที่ http://localhost:11434 คำสั่ง ollama ใน terminal (หน้าจอพิมพ์คำสั่ง) และแอปเดสก์ท็อปบน macOS กับ Windows ใช้ได้บน Windows, macOS, Linux และ Docker ตัวโปรแกรมเป็น open source ภายใต้ MIT License และมี cloud models ที่รันบนคลาวด์ของ Ollama เป็นบริการเสริม

ไปที่เว็บ Ollama ollama.com

เหมาะกับใคร

  • เหมาะกับนักพัฒนาที่มีโปรแกรมเขียนไว้กับ OpenAI API อยู่แล้ว เพราะเปลี่ยน base URL เป็น http://localhost:11434/v1 ได้ และรองรับ /v1/chat/completions, /v1/completions, /v1/models, /v1/embeddings และ /v1/responses
  • เหมาะกับคนที่มีการ์ดจอหรือ Mac รุ่น Apple M series เพราะรองรับ NVIDIA ตั้งแต่ compute capability 5.0, AMD ผ่าน ROCm v7, Vulkan และรันบน MLX เป็นค่าเริ่มต้นบน Apple Silicon ตั้งแต่ v0.40.0
  • เหมาะกับงานที่ไม่อยากให้ข้อมูลออกนอกเครื่อง เพราะเมื่อรันในเครื่อง Ollama ไม่เก็บ ไม่ส่ง และไม่เข้าถึง prompt กับคำตอบ และปิดฟีเจอร์ cloud ทั้งหมดได้ด้วย OLLAMA_NO_CLOUD=1
  • เหมาะกับคนที่ใช้ Claude Code, Codex CLI หรือ OpenCode แล้วอยากเปลี่ยนไปใช้โมเดลเปิด เพราะ ollama launch claude, ollama launch codex และ ollama launch opencode ตั้งค่าและเปิดให้เลย
  • เหมาะกับการตั้งบนเซิร์ฟเวอร์ Linux หรือ Docker เพราะรันเป็น systemd service ได้ และมี image ollama/ollama ทั้งแบบ CPU only, NVIDIA และ AMD
  • เหมาะกับการใช้ในบริษัทโดยไม่มีค่าลิขสิทธิ์โปรแกรม เพราะ MIT License อนุญาตให้ใช้ คัดลอก แก้ไข แจกจ่าย และขายได้โดยไม่มีข้อจำกัด

ไม่เหมาะกับ

  • คนที่อยากลากไฟล์ของตัวเองเข้าไปแล้วถามตอบได้ทันที ควรดูตัวอื่น เพราะ Ollama ไม่มีฟีเจอร์แชตกับไฟล์หรือ knowledge base ในตัว มีแต่ embeddings และ API ให้ไปต่อกับโปรแกรมอื่น
  • คนใช้ Linux ที่อยากได้แอปมีหน้าต่าง ยังไม่เหมาะ เพราะแอปเดสก์ท็อปมีเฉพาะ macOS และ Windows บน Linux ใช้ผ่าน command line และ ollama serve
  • ทีมที่ต้องการบัญชีผู้ใช้และการคุมสิทธิ์บนเซิร์ฟเวอร์ในเครื่อง ยังไม่เหมาะ เพราะ API ในเครื่องไม่ต้องยืนยันตัวตนและไม่ตรวจ API key
  • คนที่ใช้ Mac รุ่น Intel หรือ macOS เก่ากว่า Sonoma (v14) ควรดูตัวอื่น เพราะต้องใช้ macOS Sonoma (v14) ขึ้นไป และ Mac แบบ x86 รันได้ด้วย CPU เท่านั้น
  • คนที่อยากได้เอเจนต์หรือ MCP client (โปรแกรมที่ต่อ AI กับบริการภายนอกตามมาตรฐาน MCP) ในตัว ควรดูตัวอื่น เพราะ Ollama เป็นผู้ให้บริการโมเดล เอเจนต์มาจากโปรแกรมอื่นที่เปิดผ่าน ollama launch

ทำได้แค่ไหน

  • ดาวน์โหลดโมเดลและเริ่มแชตในเครื่องได้ด้วยคำสั่งเดียว เช่น ollama run gemma4:e2b และออกจากแชตด้วย /bye
  • เปิด API ในเครื่องที่ http://localhost:11434 มีทั้ง API ของ Ollama เอง แบบเข้ากับ OpenAI API ที่ /v1 และแบบเข้ากับ Anthropic Messages API ที่ /v1/messages
  • ใช้การ์ดจอ NVIDIA, AMD ผ่าน ROCm, การ์ดจออื่นผ่าน Vulkan และ Apple Silicon ผ่าน Metal กับ MLX รันด้วย CPU อย่างเดียวก็ได้
  • คลังโมเดลมี 245 โมเดล เป็นโมเดลรันในเครื่อง 232 และ cloud 17 แยกตามความสามารถได้เป็น Tools 95, Thinking 45, Vision 43, Embedding 13 และ Decision 5
  • คำสั่ง ollama launch ตั้งค่าและเปิดเอเจนต์เขียนโค้ดให้ใช้โมเดลจาก Ollama เช่น Claude Code, Codex CLI, OpenCode, Copilot CLI, Droid, Cline CLI, OpenClaw และ Hermes Agent
  • นำเข้าโมเดลจากไฟล์ GGUF (รูปแบบไฟล์ของโมเดล) หรือ Safetensors แล้วปรับแต่งด้วย Modelfile ที่กำหนด system prompt และ parameter ได้
  • cloud models รันบนคลาวด์ของ Ollama จากแอปหรือ terminal โดยไม่ต้องดาวน์โหลดโมเดลลงเครื่อง

ใช้กับงานแบบไหนได้

มือใหม่ที่อยากได้แอปกดใช้ได้บางส่วน

มีแอปเดสก์ท็อปบน macOS และ Windows ที่มีขั้นตอนตั้งค่าตอนเปิดครั้งแรก และดาวน์โหลดโมเดลในแอปได้ แต่การใช้งานเกือบทั้งหมดอธิบายผ่านคำสั่งใน terminal ยังไม่มีข้อมูลฟีเจอร์แชตของแอป และไม่มีแอปเดสก์ท็อปบน Linux

คอมแรม 8GB หรือไม่มีการ์ดจอได้บางส่วน

รันด้วย CPU อย่างเดียวได้ และหน้าค้นหาโมเดลกรองขนาด Up to 8 GB ได้ แต่ไม่ได้บอก RAM ขั้นต่ำ ตัวเลขที่มีคือ Gemma 4 E2B แนะนำ VRAM ว่าง 8 GB ถ้า VRAM น้อยกว่านั้น Ollama ใช้ RAM ของเครื่องแทนได้ แต่ตอบช้าลง

ใช้การ์ดจอหรือ Apple Silicon ให้เต็มได้

รองรับ NVIDIA compute capability 5.0 ขึ้นไป, AMD ผ่าน ROCm v7, การ์ดจออื่นผ่าน Vulkan, Apple Metal และ MLX บน Apple Silicon ถ้าโมเดลไม่พอดีในการ์ดจอใบเดียวจะกระจายไปทุกใบ และ ollama ps แสดงสัดส่วน CPU/GPU ที่โมเดลใช้

เปิด API ให้โปรแกรมอื่นมาต่อได้

เซิร์ฟเวอร์ในเครื่องอยู่ที่ http://localhost:11434 มี /v1/chat/completions, /v1/completions, /v1/models, /v1/embeddings และ /v1/responses แบบเข้ากับ OpenAI API และ /v1/messages แบบเข้ากับ Anthropic API ทั้งสองแบบเป็นชุดย่อย เช่น ไม่รองรับ tool_choice และ logprobs

ถามตอบจากไฟล์ของตัวเองได้บางส่วน

ไม่มีฟีเจอร์แชตกับไฟล์หรือ knowledge base ในตัว Ollama ให้ embeddings ผ่าน /api/embed สำหรับทำ RAG (ค้นข้อมูลมาประกอบคำตอบ) เอง หรือใช้โปรแกรมอื่นมาต่อ เช่น Onyx

ทำเอเจนต์ที่ใช้ tools หรือ MCPได้บางส่วน

tool calling ใช้กับโมเดลในเครื่องได้ และ ollama launch เปิดเอเจนต์ภายนอกให้ใช้โมเดลในเครื่อง แต่ Ollama เองไม่ใช่เอเจนต์หรือ MCP client และ web search ต้อง sign in และใช้คลาวด์

ตั้งเซิร์ฟเวอร์ให้ทั้งทีมใช้ได้บางส่วน

เปิดให้เครื่องอื่นเข้าได้ด้วย OLLAMA_HOST ปรับ OLLAMA_NUM_PARALLEL (ค่าเริ่มต้น 1) และ OLLAMA_MAX_QUEUE (ค่าเริ่มต้น 512) ได้ รันเป็น systemd service หรือ Docker ได้ แต่ API ในเครื่องไม่มีการยืนยันตัวตนหรือการจัดการผู้ใช้ ต้องคุมสิทธิ์ด้วย proxy หรือโปรแกรมอื่น

ใช้งานเป็นภาษาไทยยังไม่ชัด

ยังไม่มีข้อมูลเรื่องภาษาไทย ทั้งภาษาของหน้าจอแอป คู่มือภาษาไทย และโมเดลในคลังที่บอกว่ารองรับภาษาไทย

วิธีเริ่มใช้

Windows

  1. เปิด PowerShell แล้วรัน irm https://ollama.com/install.ps1 | iex หรือดาวน์โหลด OllamaSetup.exe มาติดตั้งเอง
  2. การติดตั้งไม่ต้องใช้สิทธิ์ Administrator และลงในโฟลเดอร์ home ของคุณเป็นค่าเริ่มต้น
  3. ถ้าอยากลงที่อื่น รัน OllamaSetup.exe /DIR="d:\some\location"
  4. หลังติดตั้ง Ollama ทำงานเบื้องหลัง ใช้คำสั่ง ollama ใน cmd หรือ PowerShell ได้ และ API อยู่ที่ http://localhost:11434
  5. รัน ollama run gemma4:e2b เพื่อดาวน์โหลดโมเดลและเริ่มแชต

macOS

  1. ดาวน์โหลด Ollama.dmg แล้วเปิดไฟล์
  2. ลากแอป Ollama ไปไว้ในโฟลเดอร์ Applications ของระบบ
  3. เปิดแอป ถ้าคำสั่ง ollama ยังไม่อยู่ใน PATH แอปจะขออนุญาตสร้างลิงก์ใน /usr/local/bin
  4. หรือติดตั้งจาก terminal ด้วย curl -fsSL https://ollama.com/install.sh | sh
  5. รัน ollama run gemma4:e2b เพื่อดาวน์โหลดโมเดลและเริ่มแชต

Linux

  1. รัน curl -fsSL https://ollama.com/install.sh | sh
  2. ติดตั้งเองแบบ manual: curl -fsSL https://ollama.com/download/ollama-linux-amd64.tar.zst | sudo tar x -C /usr
  3. การ์ดจอ AMD ให้แตกไฟล์ ollama-linux-amd64-rocm.tar.zst เพิ่ม ส่วนเครื่อง ARM64 ใช้ ollama-linux-arm64.tar.zst
  4. รัน ollama serve แล้วเปิด terminal อีกหน้าต่าง รัน ollama -v เพื่อตรวจเวอร์ชัน
  5. แนะนำให้สร้าง systemd service ที่ /etc/systemd/system/ollama.service (ExecStart=/usr/bin/ollama serve, user ollama)
  6. รัน sudo systemctl enable ollama แล้ว sudo systemctl start ollama
  7. ติดตั้งเวอร์ชันที่ต้องการด้วย curl -fsSL https://ollama.com/install.sh | OLLAMA_VERSION=0.5.7 sh

Docker

  1. CPU only: docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
  2. NVIDIA: ติดตั้ง NVIDIA Container Toolkit แล้วรัน sudo nvidia-ctk runtime configure --runtime=docker
  3. จากนั้นรัน docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
  4. AMD: docker run -d --device /dev/kfd --device /dev/dri -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama:rocm
  5. รันโมเดลใน container ด้วย docker exec -it ollama ollama run llama3.2

เริ่มใช้ครั้งแรก

  1. เปิดแอป หรือพิมพ์ ollama ใน terminal
  2. ทำตามขั้นตอนตั้งค่าที่ขึ้นมา
  3. Sign in ถ้าจะใช้ cloud models หรือเลือกโมเดลในเครื่อง ซึ่งไม่ต้อง sign in
  4. รัน ollama run gemma4:e2b Ollama จะดาวน์โหลดโมเดลแล้วเริ่มแชตบนเครื่องของคุณ
  5. พิมพ์ /bye เพื่อออกจากแชต
  6. ถ้าอยากดาวน์โหลดอย่างเดียว ใช้ ollama pull gemma4

คำสั่งที่ใช้บ่อย

  1. ollama run gemma4 - รันโมเดลและเริ่มแชต
  2. ollama pull gemma4 - ดาวน์โหลดโมเดล
  3. ollama rm gemma4 - ลบโมเดล
  4. ollama ls - ดูรายชื่อโมเดลในเครื่อง (บางหน้าใช้ ollama list)
  5. ollama ps - ดูโมเดลที่กำลังรัน
  6. ollama stop gemma4 - หยุดโมเดลที่กำลังรัน
  7. ollama serve - เปิดเซิร์ฟเวอร์ (ollama serve --help แสดง environment variables)
  8. ollama create -f Modelfile - สร้างโมเดลที่ปรับแต่งเอง
  9. ollama launch claude - เปิด Claude Code ให้ใช้โมเดลจาก Ollama (ollama launch claude --model qwen3.5 เลือกโมเดล)
  10. ollama signin และ ollama signout - เข้าและออกจากบัญชี ollama.com
  11. ollama run embeddinggemma "Hello world" - สร้าง embeddings
  12. ครอบข้อความด้วย """ เพื่อพิมพ์หลายบรรทัด

เปิดให้เครื่องอื่นในเครือข่ายเรียกได้

  1. macOS: รัน launchctl setenv OLLAMA_HOST "0.0.0.0:11434" แล้วเปิด Ollama ใหม่
  2. Linux (systemd): รัน systemctl edit ollama.service แล้วเพิ่ม Environment="OLLAMA_HOST=0.0.0.0:11434" ใต้ [Service]
  3. จากนั้นรัน systemctl daemon-reload และ systemctl restart ollama
  4. Windows: ปิด Ollama แก้ environment variables ของบัญชีผู้ใช้ให้มี OLLAMA_HOST แล้วเปิด Ollama ใหม่
  5. ถ้าเรียกจากเว็บในโดเมนอื่น เพิ่ม origin ที่อนุญาตใน OLLAMA_ORIGINS

ย้ายที่เก็บโมเดล (Windows)

  1. เปิด Settings (Windows 11) หรือ Control Panel (Windows 10) แล้วค้นหา environment variables
  2. เลือก Edit environment variables for your account
  3. สร้างตัวแปร OLLAMA_MODELS ชี้ไปยังโฟลเดอร์ที่ต้องการ แล้วกด OK
  4. ปิดแอป Ollama จาก tray แล้วเปิดใหม่

ใช้กับ Claude Code

  1. วิธีสั้น: รัน ollama launch claude
  2. วิธีตั้งเอง: export ANTHROPIC_AUTH_TOKEN=ollama
  3. export ANTHROPIC_API_KEY=""
  4. export ANTHROPIC_BASE_URL=http://localhost:11434
  5. รัน claude --model qwen3.5
  6. repository ขนาดใหญ่ให้ตั้ง context length เป็น 64k ขึ้นไป

ใช้แบบ local only

  1. ตั้ง "disable_ollama_cloud": true ในไฟล์ ~/.ollama/server.json หรือตั้ง environment variable OLLAMA_NO_CLOUD=1
  2. เปิด Ollama ใหม่
  3. ตรวจใน log ว่ามีบรรทัด Ollama cloud disabled: true

ใช้กับเครื่องแบบไหนได้

WindowsWindows 10 22H2 ขึ้นไป ทั้ง Home และ Pro ถ้ามีการ์ดจอ NVIDIA ต้องใช้ driver 551.61 ขึ้นไป ส่วน AMD ใช้ driver ที่รองรับ ROCm v7 / HIP7 หรือ driver Radeon ที่รองรับ Vulkan
macOSmacOS Sonoma (v14) ขึ้นไป Apple M series ใช้ได้ทั้ง CPU และ GPU ส่วน Mac แบบ x86 ใช้ได้เฉพาะ CPU
Linux และ Dockerมีไฟล์ติดตั้งสำหรับ amd64 และ arm64 ไม่ได้บอก distribution หรือ kernel ขั้นต่ำ Docker ใช้การ์ดจอได้บน Linux และ Windows ที่มี WSL2 แต่ Docker Desktop บน macOS ใช้การ์ดจอไม่ได้
พื้นที่ดิสก์บน Windows ตัวโปรแกรมต้องการพื้นที่อย่างน้อย 4GB และต้องมีพื้นที่เพิ่มสำหรับโมเดล ซึ่งมีขนาดตั้งแต่หลักสิบถึงหลักร้อย GB
RAM และ VRAMไม่ได้บอก RAM ขั้นต่ำ และไม่มีตารางขนาดโมเดลเทียบกับ RAM ตัวเลขที่มีเป็นรายโมเดล เช่น Gemma 4 E2B ดาวน์โหลดประมาณ 7.2 GB แนะนำ VRAM (หน่วยความจำของการ์ดจอ) ว่าง 8 GB หรือ unified memory บน Mac ถ้า VRAM น้อยกว่านั้น Ollama ใช้ RAM ของเครื่องได้ แต่ตอบช้าลง
ไม่มีการ์ดจอรันด้วย CPU อย่างเดียวได้ ollama ps จะแสดง 100% CPU เมื่อโมเดลถูกโหลดลง RAM ทั้งหมด ไม่ได้บอก CPU ขั้นต่ำ ในชุด library ที่มากับโปรแกรม cpu_avx2 ทำงานได้ดีที่สุด รองลงมาคือ cpu_avx และ cpu ช้าที่สุดแต่เข้ากับเครื่องได้มากที่สุด
การ์ดจอ NVIDIAรองรับ compute capability 5.0 ขึ้นไป กับ driver 550 ขึ้นไป รุ่น 5.0 ถึง 6.2 ต้องใช้ driver 570 ขึ้นไป รายชื่อเริ่มจาก GTX 750 และ 750 Ti ผ่าน GTX 900 และ 1000 series, RTX 20xx, 30xx, 40xx, 50xx ไปถึง H100, H200 และ GB10 (DGX Spark)
การ์ดจอ AMDใช้ ROCm v7 บน Linux รองรับ Radeon RX ตั้งแต่ 6800 ถึง 9070 XT, Radeon PRO, Ryzen AI และ Instinct บน Windows ตาราง ROCm มีเฉพาะ RX 7000 series (7600 ถึง 7900 XTX) และ PRO W7500 ถึง W7900 ส่วน RX 6000 บางรุ่นใช้ Vulkan แทน
การ์ดจออื่นผ่าน VulkanVulkan เปิดเป็นค่าเริ่มต้นบน Windows และ Linux บน Windows driver ส่วนใหญ่มี Vulkan มาด้วย บน Linux ส่วนใหญ่ต้องติดตั้งส่วนประกอบเพิ่ม ปิดได้ด้วย OLLAMA_VULKAN=0 ยังไม่มีตารางรุ่นการ์ดจอ Intel
Apple Siliconเร่งด้วย GPU ผ่าน Metal API ตั้งแต่ v0.40.0 โมเดลที่ MLX runtime รองรับจะรันบน MLX เองเป็นค่าเริ่มต้น เช่น qwen3.8, gemma4, qwen3.6, qwen3.5 และ embeddinggemma-2

โมเดลที่ใช้ได้

คลังโมเดลโมเดลมาจากคลังของ Ollama เองที่ ollama.com/search มี 245 โมเดล เป็น Local 232 และ Cloud 17 มีโมเดลสำหรับ coding, vision, embeddings และ reasoning
ตัวอย่างโมเดลgemma4, qwen3.8, qwen3.6, gpt-oss, deepseek-v4.1-flash, glm-5.3, glm-5.3-flash, mistral-large-4, minimax-m3, nemotron3, embeddinggemma-2 และ decision models อย่าง tev1, nimble, clef
ขนาดไฟล์แต่ละ tag บอกขนาดดาวน์โหลด เช่น gemma4:e2b 4.6GB - 7.5GB, gemma4:e4b 6.6GB - 9.5GB, gemma4:12b 7.7GB - 8.0GB, gemma4:26b 16GB - 19GB และ gemma4:31b 19GB - 20GB หน้าค้นหากรอง Download size ได้ที่ Up to 8 GB, 16 GB, 32 GB และ 64 GB
นำเข้าโมเดลเองเขียน Modelfile ที่มี FROM ชี้ไปยังโฟลเดอร์ Safetensors หรือไฟล์ .gguf แล้วรัน ollama create my-model ในคลังมี tag แบบ MLX ด้วย เช่น gemma4:e2b-mlx
QuantizationOllama ไม่ทำ quantization (การบีบอัดโมเดลให้เล็กลง) ให้ไฟล์ GGUF ตอนนำเข้า ต้องทำมาก่อนด้วยโปรแกรมอย่าง llama-quantize ของ llama.cpp
ชนิดของโมเดลโมเดล vision รับรูปพร้อมข้อความ โมเดล thinking แยกส่วนเหตุผลออกจากคำตอบในช่อง thinking และตั้งระดับได้ เช่น low, medium, high โมเดล embedding ที่แนะนำคือ embeddinggemma, qwen3-embedding และ all-minilm
ปรับแต่งด้วย ModelfileModelfile มีคำสั่ง FROM, PARAMETER, TEMPLATE, SYSTEM, LICENSE, MESSAGE, REQUIRES และ CAPABILITY ตั้งค่าได้ เช่น num_ctx, temperature, seed, stop, num_predict, top_k และ top_p ดู Modelfile ของโมเดลด้วย ollama show --modelfile llama3.2
ที่เก็บโมเดลmacOS: ~/.ollama/models, Linux: /usr/share/ollama/.ollama/models, Windows: C:\Users\%username%\.ollama\models ย้ายได้ด้วยการตั้ง OLLAMA_MODELS บน Linux ผู้ใช้ ollama ต้องมีสิทธิ์อ่านเขียนโฟลเดอร์ใหม่ (sudo chown -R ollama:ollama <directory>)
แชร์โมเดลส่งโมเดลขึ้น ollama.com ใต้ชื่อผู้ใช้ของคุณได้ด้วย ollama cp mymodel myuser/mymodel แล้ว ollama push myuser/mymodel ต้องมีบัญชี ollama.com และ Ollama Public Key
Hugging Faceยังไม่มีข้อมูลเรื่องการดึงโมเดลจาก Hugging Face โดยตรง

หน้าตาและการใช้งาน

รูปแบบมีทั้งแอปเดสก์ท็อป (macOS และ Windows) และ command line บน Linux ใช้ผ่าน command line กับเซิร์ฟเวอร์ ollama serve ไม่มีแอปเดสก์ท็อป
แชตใน terminalollama run <model> เปิดแชตแบบโต้ตอบ /bye ออกจากแชต /set parameter num_ctx 4096 เปลี่ยนค่าในรอบนั้น พิมพ์หลายบรรทัดด้วย """ และใส่ path ของไฟล์รูปใน prompt ได้
แอปเดสก์ท็อปหน้า Settings ใช้ sign in และมีแถบเลื่อนตั้ง context length มีไอคอนใน tray หรือ menubar พร้อมปุ่ม Restart to update บน macOS มีส่วน Apps สำหรับเชื่อม Claude หรือ ChatGPT (Desktop) และเลือกโมเดลที่ Settings > Apps
ดาวน์โหลดโมเดลในแอปดาวน์โหลดโมเดลได้จากในแอปโดยตรง หรือผ่าน terminal
System prompt และ parameterตั้งผ่าน Modelfile ด้วย SYSTEM และ PARAMETER หรือส่งเป็น options ในแต่ละคำขอของ API
อัปเดตบน macOS และ Windows ดาวน์โหลดอัปเดตเอง แล้วกด Restart to update ที่ไอคอนบน taskbar หรือ menubar บน Linux รัน install script ซ้ำ
เปิดเองตอน loginบน Windows และ macOS Ollama ลงทะเบียนเป็น login item ตอนติดตั้ง ปิดได้ที่ Task Manager > Startup apps (Windows) หรือ Settings > Login Items (macOS)
ถอนการติดตั้งWindows ใช้ Add or remove programs macOS ลบ /Applications/Ollama.app, /usr/local/bin/ollama และ ~/.ollama Linux หยุดและปิด service ลบไฟล์โปรแกรม แล้วรัน sudo rm -r /usr/share/ollama
ประวัติแชต แนบไฟล์ และเสียงยังไม่มีข้อมูลว่าแอปเดสก์ท็อปเก็บประวัติแชต แนบไฟล์ ใช้เสียง หรือแก้ system prompt ในหน้าจอได้หรือไม่

API และการต่อกับโปรแกรมอื่น

Address และ portค่าเริ่มต้น Ollama รับการเชื่อมต่อที่ 127.0.0.1 port (หมายเลขช่องรับการเชื่อมต่อ) 11434 base URL คือ http://localhost:11434/api สำหรับ API ของ Ollama, http://localhost:11434/v1 สำหรับแบบ OpenAI และ http://localhost:11434 สำหรับ client ของ Anthropic
Endpoint ของ Ollama/api/generate, /api/chat, /api/embed, /api/tags (รายชื่อโมเดล), /api/ps (โมเดลที่กำลังรัน), /api/show, /api/create, /api/copy, /api/pull, /api/push, /api/delete, /api/version และ /v1/systemone
เข้ากับ OpenAI APIรองรับชุดย่อยของ OpenAI API ได้แก่ /v1/chat/completions (streaming, JSON mode, vision, tools), /v1/completions, /v1/models, /v1/embeddings และ /v1/responses แบบ non-stateful ไม่รองรับ tool_choice, logprobs, logit_bias, n และ image URLs client ต้องใส่ค่า API key แต่ Ollama ไม่ใช้ค่านั้น
เข้ากับ Anthropic APIรองรับชุดย่อยของ Anthropic Messages API ที่ /v1/messages ได้แก่ messages, streaming, system prompts, vision (base64), tools และ thinking ตั้ง ANTHROPIC_AUTH_TOKEN=ollama และ ANTHROPIC_BASE_URL=http://localhost:11434 ไม่รองรับ count_tokens, tool_choice, prompt caching, Batches API, citations และ PDF document blocks
การยืนยันตัวตนAPI ในเครื่องที่ http://localhost:11434 ไม่ต้องยืนยันตัวตน และเซิร์ฟเวอร์ในเครื่องไม่ตรวจ API key ส่วน cloud ที่ https://ollama.com/api และ /v1 ต้องส่ง API key ใน Authorization: Bearer และ API key ไม่หมดอายุ
เปิดออกเครือข่ายเปลี่ยน bind address ด้วย OLLAMA_HOST เช่น OLLAMA_HOST=0.0.0.0:11434 หรือวางหลัง Nginx, ngrok (ngrok http 11434 --host-header="localhost:11434") หรือ Cloudflare Tunnel ค่าเริ่มต้นรับ cross-origin จาก 127.0.0.1 และ 0.0.0.0 เพิ่ม origin อื่นได้ด้วย OLLAMA_ORIGINS
คำขอพร้อมกันOLLAMA_NUM_PARALLEL คือจำนวนคำขอที่แต่ละโมเดลประมวลผลพร้อมกัน ค่าเริ่มต้น 1 OLLAMA_MAX_LOADED_MODELS ค่าเริ่มต้น 3 เท่าของจำนวนการ์ดจอ หรือ 3 เมื่อใช้ CPU OLLAMA_MAX_QUEUE ค่าเริ่มต้น 512 ถ้าเกินเซิร์ฟเวอร์ตอบ 503
Context lengthตั้งได้ด้วย OLLAMA_CONTEXT_LENGTH=64000 ollama serve แถบเลื่อนในแอป /set parameter num_ctx หรือ num_ctx ใน options ของ API ส่วน OpenAI API ไม่มีวิธีตั้ง context ต้องสร้าง Modelfile ที่กำหนดค่าไว้แทน
Editor และโปรแกรมอื่นมีวิธีต่อกับ VS Code (ส่วนขยาย Ollama สำหรับ VS Code Chat ต้องใช้ VS Code 1.127+), Cline, Roo Code, JetBrains (ต้องมี JetBrains AI Subscription), Xcode, Zed, Goose, marimo, n8n และ Onyx บน macOS แอป Ollama เชื่อม Claude Desktop และ ChatGPT Desktop (Codex mode เท่านั้น) ได้
Libraryมี library ทางการ 2 ตัว คือ ollama-python (pip install ollama) และ ollama-js (npm i ollama) API ไม่ได้กำหนดเวอร์ชันเคร่งครัด แต่ตั้งใจให้คงที่และเข้ากับของเดิมได้

ถามตอบจากไฟล์ tools และ MCP

ถามตอบจากไฟล์ไม่มีฟีเจอร์แชตกับไฟล์หรือ knowledge base ในตัว
Embeddingsสร้าง text embeddings สำหรับ semantic search, retrieval และ RAG ผ่าน /api/embed เพื่อนำไปใช้ใน pipeline ที่คุณสร้างเอง
โปรแกรม RAG ที่ต่อได้Onyx ทำ RAG จากไฟล์ที่อัปโหลดและแอปที่เชื่อมไว้โดยใช้โมเดลจาก Ollama ในกลุ่ม Community Integrations มี RAGFlow, R2R, MaxKB, AnythingLLM และ Open WebUI ซึ่งเป็นโปรแกรมแยก
Tool callingรองรับ tool calling (function calling) ทั้งแบบครั้งเดียว หลาย tool พร้อมกัน และแบบ agent loop ใช้ได้ใน API ของ Ollama, แบบ OpenAI และแบบ Anthropic กับโมเดลที่ฝึกมาให้ใช้ tools ซึ่งในคลังมี 95 โมเดล
Structured outputsรองรับ JSON mode และการกำหนด JSON schema ในช่อง format เมื่อรันในเครื่อง ส่วน cloud ยังไม่รองรับ structured outputs
Web searchมี web search API (POST https://ollama.com/api/web_search, max_results ค่าเริ่มต้น 5 สูงสุด 10) และ web fetch ต้องมีบัญชี Ollama แบบฟรี เป็นบริการบนคลาวด์ จึงใช้ไม่ได้เมื่อปิดฟีเจอร์ cloud
MCPOllama เองไม่ได้เป็น MCP client สิ่งที่มีคือ Python MCP server ตัวอย่างใน ollama-python ที่เปิด web search ให้ MCP client ใดก็ได้ พร้อมวิธีตั้งกับ Cline, Codex และ Goose
เอเจนต์เอเจนต์มาจากโปรแกรมภายนอกที่เปิดด้วย ollama launch เช่น Claude Code, Codex, OpenCode, OpenClaw และ Hermes Agent โดยใช้ Ollama เป็นผู้ให้บริการโมเดล งานแบบนี้ควรตั้ง context อย่างน้อย 64000 tokens
Decision modelsโมเดลกลุ่ม System One (Nimble, Tev1, Clef, Clef Flash) จัดหมวดข้อความและให้คะแนนคำถามแบบ yes/no ผ่าน /v1/systemone ต้องใช้ Ollama v0.35.0 ขึ้นไปและเซิร์ฟเวอร์ในเครื่อง

ข้อมูลและความเป็นส่วนตัว

เมื่อรันในเครื่องOllama ไม่เก็บ ไม่ส่ง และไม่เข้าถึง prompt คำตอบ หรือเนื้อหาที่ประมวลผลในเครื่อง ข้อมูลอยู่บนเครื่องของคุณ
ข้อมูลที่เก็บอาจเก็บ metadata ของอุปกรณ์และการใช้งานแบบจำกัด เช่น เวอร์ชันแอปและจำนวนคำขอ โดยไม่มีเนื้อหา prompt หรือคำตอบ รายการที่เก็บอัตโนมัติมี IP address ตำแหน่งโดยประมาณ ข้อมูลวินิจฉัย และ metadata การดาวน์โหลดโมเดล
ปิดการเก็บ metadataยังไม่มีข้อมูลวิธีปิดการเก็บ metadata ของอุปกรณ์และการใช้งาน สวิตช์ปิดที่มีคือของฟีเจอร์ cloud เท่านั้น
โหมด local onlyปิดฟีเจอร์ cloud (remote inference และ web search) ได้ด้วย "disable_ollama_cloud": true ใน ~/.ollama/server.json หรือ OLLAMA_NO_CLOUD=1 แล้วเปิดใหม่ การ pull โมเดลยังต้องใช้อินเทอร์เน็ต
เมื่อใช้ cloud modelsOllama ประมวลผล prompt และคำตอบเพื่อให้บริการ แต่ไม่เก็บ ไม่ log และไม่นำไปฝึกโมเดล เซิร์ฟเวอร์อยู่ในสหรัฐเป็นหลัก และอาจส่งไปยุโรปเมื่อต้องการกำลังเพิ่ม ผู้ให้บริการร่วมคือ NVIDIA Cloud Providers ที่มีนโยบาย zero data retention
บัญชีโมเดลในเครื่องไม่ต้อง sign in ต้องมีบัญชีเมื่อใช้ cloud models, web search, เผยแพร่โมเดล และดาวน์โหลดโมเดลส่วนตัว หนึ่งคนมีได้หนึ่งบัญชี
Log ในเครื่องmacOS: ~/.ollama/logs/server.log, Windows: %LOCALAPPDATA%\Ollama, Linux: journalctl -u ollama
Proxyใช้ HTTPS_PROXY เพื่อส่งคำขอขาออกผ่าน proxy และไม่ควรตั้ง HTTP_PROXY

ลิขสิทธิ์และการใช้ในบริษัท

ลิขสิทธิ์โปรแกรมMIT License อนุญาตให้ใช้ คัดลอก แก้ไข รวม เผยแพร่ แจกจ่าย ให้สิทธิ์ต่อ และขายได้โดยไม่มีข้อจำกัด ไม่มีการแยกการใช้ส่วนตัวกับการใช้เชิงพาณิชย์
ลิขสิทธิ์โมเดลแต่ละโมเดลมีลิขสิทธิ์ของตัวเอง แยกจากของ Ollama เช่น gpt-oss เป็น Apache 2.0 ต้องตรวจทีละโมเดลก่อนใช้ในงานบริษัท
Terms of Serviceผู้ใช้ต้องอายุอย่างน้อย 18 ปี ห้ามใช้บริการเพื่อพัฒนาสินค้าคู่แข่ง การชำระเงินผ่าน Stripe และ subscription ต่ออายุอัตโนมัติ ยังไม่ชัดว่า Terms นี้ใช้กับการรันในเครื่องล้วนอย่างไร
เซิร์ฟเวอร์ร่วมของทีมให้หลายเครื่องใช้ได้ด้วย OLLAMA_HOST=0.0.0.0:11434 หรือวางหลัง reverse proxy บน Linux รันเป็น systemd service บน Windows รัน ollama serve เป็น service ผ่าน NSSM ด้วยไฟล์ ollama-windows-amd64.zip
การคุมสิทธิ์เซิร์ฟเวอร์ในเครื่องไม่มีบัญชีผู้ใช้ API key หรือการคุมสิทธิ์ Onyx ที่ต่อกับ Ollama ได้มี User/Groups management, RBAC และ SSO
แผน Team และ Enterpriseครอบคลุมบริการ cloud เท่านั้น ได้แก่ usage credits ร่วมของทีม การเรียกเก็บเงินและการจัดการรวมศูนย์ การคุมสิทธิ์เข้าถึงโมเดล และงบประมาณต่อผู้ใช้ ไม่ได้ใช้จัดการเซิร์ฟเวอร์ในเครื่อง

ภาษาไทย

หน้าจอแอปภาษาไทยยังไม่มีข้อมูลว่าแอปเดสก์ท็อปมีภาษาใดบ้าง
คู่มือภาษาไทยไม่มี คู่มือเป็นภาษาอังกฤษ
โมเดลที่ใช้ภาษาไทยยังไม่มีข้อมูลว่าโมเดลใดในคลังรองรับภาษาไทย การถามตอบเป็นภาษาไทยขึ้นกับโมเดลที่เลือก ไม่ใช่ตัว Ollama

ราคาและแผน

แผนราคาได้อะไรบ้าง
โปรแกรม Ollama (รันในเครื่อง)ฟรีโปรแกรมเป็น open source ภายใต้ MIT License การรันโมเดลบนเครื่องของคุณเองไม่จำกัดปริมาณ และไม่ต้อง sign in
Free$0รันโมเดลในเครื่อง ได้ starter usage credits และเข้าถึง starter models บน cloud เติม credits เพื่อปลดล็อกทุกโมเดลได้ ไม่มี service fees ใช้ cloud พร้อมกันได้ 1 คำขอ ไม่ได้บอกจำนวน starter credits
Pro$20 / mo. หรือ $200/yr billed annuallyทุกอย่างใน Free และเพิ่ม usage credits $60 ต่อเดือน เข้าถึง pro models ที่ใหญ่ขึ้น รันหลายโมเดลพร้อมกันได้ ใช้ cloud พร้อมกันได้ 3 คำขอ และ Fast mode (coming soon)
Max$100 / mo.ทุกอย่างใน Pro และเพิ่ม usage credits $300 ต่อเดือน early access โมเดลใหม่ และ 10 concurrent requests สำหรับคนที่รันหลายเอเจนต์พร้อมกัน
Team (Early access)$500 / mo.ผู้ใช้ไม่จำกัดจำนวน usage credits $1,000 ต่อเดือนใช้ร่วมกันทั้งทีม การเรียกเก็บเงินและการจัดการรวมศูนย์ priority support และ shared projects, skills, instructions (coming soon)
EnterpriseCustomModel access controls จำกัดโมเดลที่ทีมใช้ได้ ตั้งงบประมาณต่อผู้ใช้และต่อ API key มี private Slack channel กับ dedicated support และ custom security questionnaires

ข้อจำกัดและสิ่งที่ควรรู้ก่อนเริ่ม

  • context length เริ่มต้นขึ้นกับ VRAM: น้อยกว่า 24 GiB ได้ 4k, 24-48 GiB ได้ 32k และ 48 GiB ขึ้นไปได้ 256k การตั้ง context ให้ใหญ่ขึ้นใช้หน่วยความจำเพิ่ม
  • แต่ละโมเดลประมวลผลพร้อมกันได้ 1 คำขอเป็นค่าเริ่มต้น (OLLAMA_NUM_PARALLEL) คิวรับได้ 512 คำขอ ถ้าเกินเซิร์ฟเวอร์ตอบ 503
  • โมเดลอยู่ในหน่วยความจำ 5 นาทีหลังใช้ครั้งสุดท้าย แล้วถูกถอดออก เปลี่ยนได้ด้วย keep_alive ในคำขอ หรือ OLLAMA_KEEP_ALIVE
  • API แบบ OpenAI ไม่รองรับ tool_choice, logprobs, logit_bias, n และ image URLs ส่วน /v1/responses ใช้ได้แบบ non-stateful เท่านั้น
  • API แบบ Anthropic ไม่รองรับ /v1/messages/count_tokens, tool_choice, metadata, prompt caching, Batches API, citations และ PDF document blocks
  • cloud models ใช้พร้อมกันได้ 1 คำขอในแผน Free, 3 ในแผน Pro และ 10 ในแผน Max กับ Team usage ที่รวมในแผนรีเซ็ตทุกเดือนและไม่ทบไปเดือนถัดไป
  • cloud ของ Ollama ยังไม่รองรับ structured outputs
  • Docker Desktop บน macOS ใช้การ์ดจอเร่งไม่ได้ เพราะไม่มี GPU passthrough
  • โมเดลกินพื้นที่มาก ตั้งแต่หลักสิบถึงหลักร้อย GB โมเดลใน quickstart ตัวเดียวก็ประมาณ 7.2 GB และบน Windows ตัวโปรแกรมต้องการอีกอย่างน้อย 4GB
  • การ์ดจอที่มี VRAM น้อยกว่า 24 GiB ได้ context เริ่มต้น 4k ขณะที่ web search, เอเจนต์ และงานเขียนโค้ดควรตั้งอย่างน้อย 64000 tokens ซึ่งใช้หน่วยความจำเพิ่ม
  • ค่า context เริ่มต้นเขียนไว้ไม่ตรงกัน 3 ที่: หน้า FAQ บอก 4096 tokens หน้า context length บอก 4k/32k/256k ตาม VRAM และหน้า Modelfile บอก num_ctx Default: 2048
  • API ในเครื่องไม่มีการยืนยันตัวตน ถ้าตั้ง OLLAMA_HOST เป็น 0.0.0.0 ทุกคนที่เข้าถึงเครื่องนั้นผ่านเครือข่ายได้จะเรียกใช้ได้
  • โมเดลที่ชื่อลงท้ายด้วย :cloud, web search, การ push โมเดล และโมเดลส่วนตัว ต้องมีบัญชี ollama.com แผน Free มี gemma4:cloud ให้ใช้ ส่วน cloud models อื่นส่วนใหญ่ต้องใช้แผนเสียเงินหรือซื้อ credits
  • โมเดลถูกถอดออกจากหน่วยความจำหลังไม่ได้ใช้ 5 นาที คำตอบแรกหลังเว้นช่วงจึงต้องรอโหลดโมเดลใหม่ ปรับได้ด้วย OLLAMA_KEEP_ALIVE
  • การเพิ่ม OLLAMA_NUM_PARALLEL ทำให้ RAM ที่ต้องใช้เพิ่มเป็น OLLAMA_NUM_PARALLEL คูณ OLLAMA_CONTEXT_LENGTH
  • Ollama เปิดเองทุกครั้งที่ login บน Windows และ macOS ต้องปิดเองใน Startup apps หรือ Login Items ถ้าไม่ต้องการ
  • ต้องใช้ Windows 10 22H2 ขึ้นไป terminal ของ Windows 10 รุ่นเก่าอาจแสดงตัวอักษรแถบความคืบหน้าเพี้ยน
  • การ์ดจอ AMD บน Windows ที่อยู่ในตาราง ROCm มีเฉพาะ RX 7000 series และ PRO W7000 series ส่วน RX 6000 ต้องใช้ Vulkan
  • หลังอัปเกรดเป็น v0.40.2 โมเดลที่ดาวน์โหลดด้วยเวอร์ชันเก่าจะถูกแปลงเบื้องหลังตอนรันครั้งแรก และเก็บสำเนาเดิมไว้เป็น backup จึงใช้พื้นที่ดิสก์เพิ่มชั่วคราว ส่วน v0.40.3 หยุดการแปลงนี้ไว้ก่อน
  • การถอนการติดตั้งบน Windows ไม่ลบโมเดล ถ้าเคยย้ายที่เก็บด้วย OLLAMA_MODELS
  • ตัวเลขบางจุดไม่ตรงกัน: quickstart บอกว่า Gemma 4 E2B ดาวน์โหลดประมาณ 7.2 GB แต่หน้าโมเดลบอก gemma4:e2b 4.6GB - 7.5GB และหน้า Windows บอก driver NVIDIA 551.61 ขึ้นไป แต่หน้าการ์ดจอบอก 550 ขึ้นไป
  • credits ที่ซื้อเพิ่มหมดอายุ 1 ปีหลังเติมเข้าบัญชี และ cloud models ถูกปลดระวางได้ โดยโมเดลที่ดาวน์โหลดไว้ในเครื่องไม่ได้รับผล

คำถามที่คนถามเกี่ยวกับ Ollama

Ollama คืออะไร ฟรีไหม

Ollama คือแพลตฟอร์มสำหรับรันโมเดล AI แบบเปิดบนเครื่องของคุณเอง มีเซิร์ฟเวอร์พร้อม API ที่ http://localhost:11434 คำสั่ง ollama และแอปเดสก์ท็อปบน macOS กับ Windows ตัวโปรแกรมฟรีภายใต้ MIT License ใช้ในบริษัทได้ และการรันโมเดลในเครื่องไม่จำกัดปริมาณ

Ollama ติดตั้งยังไง

Windows รัน irm https://ollama.com/install.ps1 | iex ใน PowerShell ส่วน macOS และ Linux รัน curl -fsSL https://ollama.com/install.sh | sh หรือดาวน์โหลด OllamaSetup.exe กับ Ollama.dmg มาติดตั้งเอง จากนั้นรัน ollama run gemma4:e2b เพื่อดาวน์โหลดโมเดลและเริ่มแชต

Ollama มีคำสั่งอะไรบ้าง

คำสั่งหลักคือ ollama run (รันและแชต), ollama pull (ดาวน์โหลด), ollama rm (ลบ), ollama ls (รายชื่อโมเดล), ollama ps (โมเดลที่กำลังรัน), ollama stop (หยุดโมเดล), ollama serve (เปิดเซิร์ฟเวอร์), ollama create -f Modelfile (สร้างโมเดลเอง) และ ollama launch (เปิดเอเจนต์ภายนอก)

Ollama ใช้ port อะไร

ค่าเริ่มต้นคือ port 11434 บน 127.0.0.1 เรียกได้ที่ http://localhost:11434 เปลี่ยน address หรือ port ได้ด้วย environment variable OLLAMA_HOST เช่น OLLAMA_HOST=0.0.0.0:11434 เพื่อให้เครื่องอื่นในเครือข่ายเรียกได้

URL ใดใช้ตรวจสอบว่า Ollama กำลังทำงาน

เซิร์ฟเวอร์ของ Ollama อยู่ที่ http://localhost:11434 เรียก http://localhost:11434/api/version เพื่อดูเวอร์ชันของเซิร์ฟเวอร์ http://localhost:11434/api/tags เพื่อดูรายชื่อโมเดล หรือ http://localhost:11434/api/ps เพื่อดูโมเดลที่กำลังรัน ใน terminal ใช้ ollama -v และ ollama ps ได้

Ollama remove model ลบโมเดลยังไง โมเดลเก็บไว้ที่ไหน

ลบด้วย ollama rm ตามด้วยชื่อโมเดล เช่น ollama rm gemma4 และดูรายชื่อโมเดลในเครื่องด้วย ollama ls โมเดลเก็บที่ ~/.ollama/models (macOS), /usr/share/ollama/.ollama/models (Linux) และ C:\Users\%username%\.ollama\models (Windows) ย้ายได้ด้วย OLLAMA_MODELS

Ollama รองรับภาษาไทยไหม

ยังไม่มีข้อมูลเรื่องภาษาไทย ทั้งภาษาของหน้าจอแอปและโมเดลในคลังที่บอกว่ารองรับภาษาไทย คู่มือเป็นภาษาอังกฤษ การถามตอบเป็นภาษาไทยขึ้นกับโมเดลที่เลือกมารัน

Ollama cloud คืออะไร ต้องจ่ายเงินไหม

cloud models คือโมเดลที่รันบนคลาวด์ของ Ollama โดยไม่ต้องดาวน์โหลดลงเครื่อง ต้อง sign in แผน Free ($0) มี starter credits และใช้ gemma4:cloud ได้ โมเดลอื่นส่วนใหญ่ต้องใช้แผน Pro $20 / mo., Max $100 / mo. หรือซื้อ credits ถ้าไม่ต้องการ cloud เลย ตั้ง OLLAMA_NO_CLOUD=1

Ollama agent ใช้งานยังไง

Ollama ไม่ได้เป็นเอเจนต์เอง แต่เป็นผู้ให้บริการโมเดลแก่เอเจนต์ภายนอก รัน ollama launch แล้วเลือกโปรแกรม หรือระบุตรง ๆ เช่น ollama launch claude, ollama launch codex, ollama launch opencode ใส่ --model เพื่อเลือกโมเดล และควรตั้ง context อย่างน้อย 64000 tokens

ไปที่เว็บ Ollama ollama.com
ลิงก์อ้างอิง 40 หน้า
  1. docs.ollama.com/quickstart
  2. docs.ollama.com/api/introduction
  3. docs.ollama.com/gpu
  4. ollama.com/search
  5. docs.ollama.com/integrations
  6. docs.ollama.com/import
  7. docs.ollama.com/cloud
  8. docs.ollama.com/api/openai-compatibility
  9. ollama.com/privacy
  10. docs.ollama.com/linux
  11. github.com/ollama/ollama/blob/main/LICENSE
  12. docs.ollama.com/capabilities/embeddings
  13. github.com/ollama/ollama/blob/main/app/README.md
  14. docs.ollama.com/api/authentication
  15. docs.ollama.com/macos
  16. docs.ollama.com/capabilities/tool-calling
  17. docs.ollama.com/faq
  18. docs.ollama.com/windows
  19. docs.ollama.com/docker
  20. docs.ollama.com/cli
  21. docs.ollama.com/integrations/claude-code
  22. docs.ollama.com/troubleshooting
  23. github.com/ollama/ollama/releases/tag/v0.40.0
  24. ollama.com/library/gemma4
  25. docs.ollama.com/capabilities/thinking
  26. docs.ollama.com/modelfile
  27. github.com/ollama/ollama/blob/main/README.md
  28. docs.ollama.com/context-length
  29. ollama.com/library/gpt-oss
  30. docs.ollama.com/llms.txt
  31. docs.ollama.com/api/anthropic-compatibility
  32. docs.ollama.com/integrations/vscode
  33. docs.ollama.com/capabilities/structured-outputs
  34. docs.ollama.com/capabilities/web-search
  35. docs.ollama.com/capabilities/decision
  36. ollama.com/pricing
  37. ollama.com/terms
  38. docs.ollama.com/integrations/onyx
  39. ollama.com/download
  40. github.com/ollama/ollama/releases/tag/v0.40.2