O Ollama é uma ferramenta gratuita e open-source que roda modelos de inteligência artificial direto no seu computador, sem depender da nuvem. Com um único comando no terminal, você baixa e conversa com modelos como Llama, DeepSeek R1, Gemma e Mistral de forma 100% local, privada e offline. Neste guia prático você vai entender o que é o Ollama, como instalar no Windows, macOS ou Linux, rodar seu primeiro modelo, usar Docker e a API local. Além disso, mostramos quais modelos escolher e quando a IA local vale mais que o ChatGPT ou o Claude.

O que é o Ollama e para que serve?

O Ollama é um programa que empacota, baixa e executa modelos de linguagem (LLMs) na sua própria máquina. Em vez de enviar seus prompts para um servidor distante, ele carrega o modelo na memória do seu PC e processa tudo localmente. Dessa forma, você ganha privacidade total e custo zero por uso, já que não existe cobrança por token nem assinatura mensal.

Basicamente, essa ferramenta resolve a parte chata de rodar IA local. Antes dele, quem queria usar um modelo aberto precisava configurar dependências de Python, drivers de GPU e formatos de peso complexos. Agora, um comando resolve tudo. Por isso, a adoção explodiu: o projeto já passa de 176 mil estrelas no GitHub, o que o coloca entre as ferramentas de IA mais populares do mundo open-source.

Na prática, ele serve para três públicos. Primeiro, o curioso que quer testar IA sem pagar nada. Em seguida, o desenvolvedor que precisa de uma API local para prototipar sem estourar a fatura da OpenAI. Por fim, a empresa que não pode enviar dados sensíveis para fora. De fato, esse último caso é o grande diferencial, porque nenhum texto sai do seu equipamento.

Como o Ollama processa um prompt localmente

1. Seu prompt
Você digita no terminal, na API ou em um app de chat. Nada sai da máquina.
2. Modelo na memória
O Ollama carrega os pesos do modelo na RAM ou na GPU e faz a inferência ali mesmo.
3. Resposta local
O texto volta direto para você, offline, sem passar por servidores de terceiros.

Como instalar o Ollama e baixar seu primeiro modelo

A instalação leva poucos minutos e o processo é parecido nos três sistemas. Primeiro, acesse o site oficial ollama.com e baixe o instalador. No macOS e no Windows, você roda um aplicativo gráfico normal. Já no Linux, um único comando de terminal resolve a instalação completa.

Veja a seguir o comando de instalação para Linux, que também funciona no WSL do Windows:

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

Depois de instalado, ele já roda um servidor em segundo plano. Assim, você só precisa de um comando para baixar e conversar com um modelo. Por exemplo, execute a linha abaixo para rodar o Llama 3. Na primeira vez, ele baixa os pesos automaticamente e depois abre o chat no terminal:

Code
# Baixa (se necessário) e inicia o chat com o modelo
ollama run llama3

# Apenas baixa o modelo, sem abrir o chat
ollama pull deepseek-r1

# Lista os modelos já instalados na máquina
ollama list

# Remove um modelo para liberar espaço em disco
ollama rm llama3

Esses quatro comandos cobrem 90% do uso diário. Portanto, se você memorizar apenas o ollama run e o ollama pull, já consegue trabalhar. Inclusive, cada modelo pode ter variações de tamanho. Por exemplo, o comando ollama run llama3:8b força a versão de 8 bilhões de parâmetros, enquanto ollama run gemma2:2b puxa uma versão leve que roda até em notebooks modestos.

O Ollama é seguro e privado? Roda 100% local e offline

Sim, o Ollama é seguro e privado justamente porque tudo acontece no seu hardware. Nenhum prompt, arquivo ou resposta é enviado para a nuvem durante a inferência. Por isso, depois de baixar o modelo uma vez, você pode até desconectar da internet e continuar usando. Essa é a diferença central em relação ao ChatGPT, onde cada mensagem trafega por servidores externos.

Na prática, isso muda o jogo para quem lida com informação sensível. Um advogado pode analisar contratos, um médico pode resumir prontuários e uma empresa pode processar dados internos sem violar políticas de privacidade. De fato, como o processamento é local, não existe risco de o seu conteúdo virar dado de treino de terceiros. Contudo, vale lembrar que a segurança do modelo em si depende da fonte, então baixe apenas modelos do repositório oficial do Ollama.

Um ponto de atenção fica por conta da API local. Por padrão, o servidor do Ollama escuta em localhost, ou seja, só a sua máquina acessa. No entanto, se você expuser essa porta para a rede sem proteção, qualquer pessoa na mesma rede poderia usar o modelo. Portanto, recomendamos manter o acesso restrito ao localhost, a menos que você saiba exatamente o que está fazendo.

Ollama com Docker: rodando em container

Rodar o Ollama com Docker é a escolha ideal para quem quer isolar o ambiente ou colocar a IA local num servidor. A imagem oficial ollama/ollama está disponível no Docker Hub e sobe em um comando. Dessa forma, você não instala nada no sistema anfitrião além do próprio Docker.

Execute o comando abaixo para subir o container. Ele cria um volume persistente para os modelos e expõe a porta padrão 11434:

Code
# Sobe o Ollama em container com volume persistente
docker run -d -v ollama:/root/.ollama -p 11434:11434 \
  --name ollama ollama/ollama

# Roda um modelo dentro do container
docker exec -it ollama ollama run llama3

Se você tem uma GPU NVIDIA, basta adicionar a flag --gpus=all ao docker run para acelerar a inferência. Por outro lado, sem GPU, ele usa a CPU normalmente, apenas mais devagar. Inclusive, quem já conhece integrações via protocolo aberto como o MCP pode conectar esse container a outras ferramentas do fluxo de trabalho. Assim, o Docker vira uma base reutilizável para vários projetos.

Usando a API local do Ollama

Um dos recursos mais poderosos é a API REST exposta automaticamente. Com ela, você integra a IA local a qualquer aplicação, script ou sistema de RAG. Por exemplo, execute a chamada abaixo para gerar uma resposta via terminal, sem abrir o chat interativo:

Code
curl http://localhost:11434/api/generate -d '{
  "model": "llama3",
  "prompt": "Explique o que e IA local em uma frase",
  "stream": false
}'

Além disso, ele oferece um endpoint compatível com o formato da OpenAI. Por isso, muitas ferramentas que já falam com o ChatGPT funcionam trocando apenas a URL base para o seu localhost. Na prática, isso permite migrar um projeto da nuvem para a máquina local com pouquíssimo código.

Melhores modelos para usar no Ollama

A escolha do modelo depende de dois fatores: a memória do seu computador e a tarefa que você quer resolver. A maioria dos modelos abertos — como o Llama, da Meta, e o Mistral — está disponível em repositórios como o Hugging Face. Como regra geral, um modelo de 7 ou 8 bilhões de parâmetros pede pelo menos 8 GB de RAM, um de 13B pede 16 GB e um de 33B pede 32 GB. Por isso, comece pequeno e suba de tamanho conforme a máquina aguenta. A lista completa fica na biblioteca oficial de modelos.

Veja a seguir uma tabela com os modelos mais populares para rodar localmente, com o requisito aproximado de memória e o uso recomendado:

Modelo Comando RAM mínima Melhor uso
Llama 3 (8B) ollama run llama3 8 GB Uso geral e conversa equilibrada
DeepSeek R1 (7B) ollama run deepseek-r1 8 GB Raciocínio e resolução de problemas
Gemma 2 (2B) ollama run gemma2:2b 4 GB Máquinas modestas e respostas rápidas
Mistral (7B) ollama run mistral 8 GB Texto em geral e boa velocidade
DeepSeek R1 (32B) ollama run deepseek-r1:32b 32 GB Raciocínio pesado com hardware forte

Na nossa visão, o melhor ponto de partida é o Llama 3 de 8B, porque ele equilibra qualidade e velocidade na maioria dos PCs. Se a sua máquina é modesta, prefira o Gemma 2 de 2B, que roda leve. Por outro lado, quem tem 32 GB de RAM ou mais deveria testar o DeepSeek R1, já que ele brilha em tarefas de raciocínio passo a passo. Assim, você casa o modelo com o hardware disponível.

Ollama vs nuvem (ChatGPT e Claude): quando vale a IA local

A comparação entre o Ollama e serviços de nuvem não tem um vencedor absoluto, porque cada abordagem resolve um problema diferente. A IA local ganha em privacidade, custo e disponibilidade offline. Já a nuvem ganha em potência bruta, já que modelos como o Claude e o GPT rodam em data centers com hardware que nenhum PC doméstico alcança.

Consideramos que o Ollama vale a pena quando a privacidade é inegociável ou quando o volume de uso deixaria a fatura da nuvem cara. Por exemplo, um script que processa milhares de textos sai muito mais barato rodando localmente. No entanto, existe um trade-off honesto: o modelo local que cabe no seu PC costuma ser menor e menos capaz que o topo de linha da nuvem. Portanto, para tarefas que exigem o máximo de raciocínio, a nuvem ainda leva vantagem.

Na prática, muita gente usa os dois em conjunto. O Ollama cuida do dia a dia, dos dados sensíveis e dos testes rápidos. Enquanto isso, a nuvem entra nas tarefas mais difíceis. Inclusive, se você busca alternativas de IA para programar no terminal, vale conhecer o OpenCode, que também conecta modelos locais e da nuvem no mesmo fluxo. Dessa forma, você escolhe a ferramenta certa para cada momento.

Conclusão

Portanto, o Ollama democratizou o acesso à IA local ao transformar um processo complexo em poucos comandos de terminal. Com ele, você roda modelos poderosos de graça, com privacidade total e sem depender de conexão. Além disso, a API local e o suporte a Docker abrem caminho para integrar essa inteligência em qualquer projeto.

Lembre-se do caminho prático que sugerimos. Primeiro, instale o Ollama e rode o ollama run llama3 para sentir a ferramenta. Em seguida, experimente modelos diferentes conforme a memória do seu PC. Por fim, avalie quando a IA local resolve e quando a nuvem ainda faz mais sentido. Assim, você aproveita o melhor dos dois mundos sem gastar mais do que precisa.

O que é o Ollama?
O Ollama é uma ferramenta gratuita e open-source que roda modelos de linguagem (LLMs) direto no seu computador. Ele baixa, empacota e executa modelos como Llama, DeepSeek R1 e Gemma localmente, sem depender da nuvem, garantindo privacidade e custo zero por uso.
O Ollama é gratuito?
Sim. O Ollama é totalmente gratuito e open-source, sem assinatura nem cobrança por token. O único custo é o hardware do seu próprio computador, já que os modelos rodam localmente usando a memória e o processador da máquina.
Quanto de RAM preciso para rodar o Ollama?
Depende do modelo. Modelos de 7 ou 8 bilhões de parâmetros pedem pelo menos 8 GB de RAM, os de 13B pedem 16 GB e os de 33B pedem cerca de 32 GB. Para máquinas modestas, o Gemma 2 de 2B roda bem com apenas 4 GB.
O Ollama funciona offline?
Sim. Depois de baixar o modelo uma vez, o Ollama funciona 100% offline. Como toda a inferência acontece no seu hardware, você pode desconectar da internet e continuar conversando com a IA normalmente.
Qual o melhor modelo para começar no Ollama?
O Llama 3 de 8B é o melhor ponto de partida para a maioria dos PCs, pois equilibra qualidade e velocidade. Para máquinas modestas, use o Gemma 2 de 2B. Já para raciocínio pesado com bom hardware, teste o DeepSeek R1.