Ollama — локальный runtime для LLM и API на localhost

✅ Подходит: если вам нужен локальный запуск LLM на своём компьютере, CLI для быстрых тестов и API на localhost для интеграции в скрипты и приложения. ❌ Не подходит: если вам нужна полностью подтверждённая корпоративная документация по приватности и обучению на данных именно в рамках предоставленного пакета источников, либо если вы не готовы разбираться с ограничениями железа и драйверов. 💡 Ключевое преимущество: Ollama совмещает локальный runtime и облачные модели в одной экосистеме, а облачные функции можно отключить.

Разработчик/проект: Ollama. Тип: desktop / CLI / API / cloud. Официальный URL: docs.ollama.com/quickstart. Дата проверки: 17.08.2026. Актуальный релиз по GitHub Releases на дату проверки: v0.32.14 от 15.08.2026.

Если формулировать коротко: Ollama — это практичный способ поднять локальную модель на macOS, Windows или Linux и обращаться к ней через CLI либо HTTP API по адресу http://localhost:11434/api. Для больших моделей без мощной локальной GPU есть cloud-варианты, но они требуют аккаунт и уже затрагивают вопросы маршрутизации данных и подписки.

Что умеет

• Запускает модели локально на macOS, Windows и Linux.
• Даёт CLI-сценарий из коробки: базовый запуск выглядит как ollama run gemma4.
• Поднимает локальный HTTP API с базовым адресом http://localhost:11434/api.
• Поддерживает cloud-модели, которые можно запускать без мощной локальной GPU после ollama signin.
• Позволяет проверить работающий сервер через endpoint GET /api/version.
• Имеет официальные клиентские библиотеки для Python и JavaScript/TypeScript.

Как использовать

Ниже — воспроизводимый базовый workflow для первого запуска. Он особенно прямолинеен на Linux, потому что в официальной документации там явно описаны и установка, и ручной старт сервера.

1. Установите Ollama. На Linux в документации рекомендуется curl -fsSL https://ollama.com/install.sh | sh. На macOS основной путь — через ollama.dmg. На Windows самый простой способ — OllamaSetup.exe.
2. Проверьте установку. Выполните ollama -v. На Linux затем запустите сервер командой ollama serve.
3. Стартуйте локальную модель. Для quickstart используется команда ollama run gemma4.
4. Проверьте API. Если сервер поднят, запрос на http://localhost:11434/api/version должен вернуть версию работающего сервера.
5. Если локальной GPU не хватает, переключитесь на облако. Выполните ollama signin и запускайте cloud-варианты вроде gemma4:cloud или примеры из документации семейства *-cloud. Это уже требует аккаунт.

ollama -v
ollama serve
ollama run gemma4
curl http://localhost:11434/api/version

Если вам нужен отдельный пошаговый разбор установки, у нас есть инструкция: как установить и запустить Ollama.

Тарифы и ограничения

В предоставленных источниках детально подтверждена только официальная pricing page. Поэтому ниже — честная таблица по доступным планам и тем ограничениям, которые прямо видны в источниках. Точные квоты по запросам, кредитам или токенам в исходном пакете не раскрыты, и это важное ограничение этой карточки.

Дата проверки цен: 17.08.2026.

Практически это значит следующее: для тестов и локального runtime вам не нужно начинать с платного плана, но как только вы переходите к cloud-моделям и командному использованию, нужно отдельно сверять pricing page перед закупкой. Также учитывайте, что планы и региональная маршрутизация облака могут меняться.

Работа с данными и приватность

• Что видит локальный runtime: при локальном использовании API слушает по умолчанию 127.0.0.1:11434, а базовый адрес API — http://localhost:11434/api. Это означает локальный маршрут запросов в типовом сценарии.
• Что меняется в облачном режиме: для cloud-моделей нужен аккаунт Ollama, а облачный API использует адрес https://ollama.com/api.
• Где может выполняться cloud compute: pricing page указывает, что hosted cloud compute в основном размещён в США и может маршрутизироваться также в Европу и Сингапур.
• Можно ли отключить облако: да, в FAQ описаны два способа — параметр {"disable_ollama_cloud": true} в ~/.ollama/server.json или переменная окружения OLLAMA_NO_CLOUD=1.
• Используются ли данные для обучения: в предоставленном пакете источников это не подтверждено и не опровергнуто. Без официальной Privacy Policy из исходного пакета честный ответ — не удалось проверить.
• Где и сколько хранятся данные: для локального сценария в retrieved sources нет отдельного описания политики хранения. Для облака есть только указание на регионы compute, но не полная политика retention.

Редакционное ограничение: в предоставленном source pack нет ссылки на Privacy Policy. Поэтому эта карточка надёжна для оценки установки, платформ, API и тарифной сетки, но не заменяет комплаенс-проверку для чувствительных данных.

Плюсы и минусы

Плюсы

• Есть официальный локальный сценарий для macOS, Windows и Linux, без необходимости поднимать отдельный внешней API-сервис.
• API по умолчанию работает локально на 127.0.0.1:11434, что удобно для разработки и снижает лишнюю сетевую сложность.
• Если локального железа мало, можно использовать cloud-модели в той же экосистеме после входа в аккаунт.
• Облачные функции можно явно отключить через конфиг или переменную окружения.
• Есть официальные клиентские библиотеки для Python и JavaScript/TypeScript.

Минусы

• Совместимость с GPU зависит от конкретного железа, драйвера, дистрибутива и версии: для Nvidia нужны compute capability 5.0+ и драйвер 550+, а для части диапазона 5.0–6.2 нужен уже 570+.
• AMD GPU в официальной документации привязаны к Linux и ROCm v7, то есть кроссплатформенная история не одинаково простая.
• На macOS нужен Sonoma 14 или новее; старые версии системы в текущей документации не поддержаны.
• API не строго версионируется, хотя заявлена обратная совместимость. Для production-интеграций это стоит учитывать отдельно.
• По предоставленному пакету невозможно полноценно подтвердить политику обучения на данных и сроки хранения в облачном режиме.

Доступность и язык

• Платформы: macOS, Windows, Linux.
• macOS: требуется macOS Sonoma v14 или новее; поддерживаются Apple M-series с CPU/GPU и x86 для CPU-only сценария.
• Windows: самый простой путь — OllamaSetup.exe; в документации сказано, что установка может пройти без прав Administrator. Есть и standalone-архив ollama-windows-amd64.zip. Для binary install требуется минимум 4 ГБ ещё до хранения моделей.
• Linux: в документации рекомендован install script и ручной старт сервера через ollama serve.
• GPU: Nvidia поддерживается с compute capability 5.0+, драйвером 550+, а диапазону 5.0–6.2 нужен 570+; AMD на Linux использует ROCm v7.
• Русский язык: в предоставленных источниках нет подтверждения отдельного русского интерфейса.
• Доступность для РФ: в исходном пакете нет официального статуса по РФ, нет описания региональных ограничений оплаты и нет списка доступных способов оплаты. Для локальной установки это не даёт повода обещать проблемы или их отсутствие; для облака и подписки статус нужно проверять отдельно на стороне аккаунта и checkout.
• Способы оплаты: в предоставленных источниках не раскрыты.

Альтернативы

• GPT4All — если вы выбираете между двумя подходами к локальному LLM, начните с этого сравнения.
• LM Studio — полезно посмотреть, если вы решаете, нужен ли вам именно Ollama для локального запуска.
• llama.cpp — сравнение для тех, кто выбирает между двумя вариантами локального LLM.
• vLLM — сравнение, если вы смотрите на локальный запуск и сервинг LLM как инфраструктурную задачу.

Практический вердикт

Ollama стоит рассматривать как сильный базовый runtime, если вам нужен локальный inference с нормальной документацией по установке, понятным CLI и предсказуемым API на localhost. Для разработчика это один из самых прямых путей быстро поднять модель на рабочей машине и затем подключить её из Python или JavaScript.

Но есть и граница применимости. Если ваш сценарий упирается в комплаенс, формальную политику обработки данных, точный статус по РФ или закупку облака с понятными лимитами по тарифам, то предоставленного пакета источников недостаточно. В таком случае Ollama можно рекомендовать для пилота и локальной разработки, но не как окончательно проверенное решение для чувствительных данных без дополнительной проверки.

Источники

• Quickstart – Ollama
• Linux – Ollama
• macOS – Ollama
• Windows – Ollama
• GPU – Ollama
• Cloud – Ollama
• API Introduction – Ollama
• GET /api/version – Ollama
• FAQ – Ollama
• Pricing – Ollama
• Ollama Releases · GitHub
• GitHub – ollama/ollama-python
• GitHub – ollama/ollama-js

Вопросы и ответы

Можно ли использовать Ollama только локально, без облака?

Да. По FAQ облачные функции можно отключить через ~/.ollama/server.json с параметром {"disable_ollama_cloud": true} или через OLLAMA_NO_CLOUD=1. По умолчанию сервис привязывается к 127.0.0.1:11434.

Как проверить, что сервер Ollama действительно работает?

Официальная документация предлагает проверить endpoint GET /api/version по адресу http://localhost:11434/api/version. Это самый прямой технический тест после установки.

Нужна ли мощная GPU?

Для локального запуска всё зависит от вашей платформы и драйверов. Если мощной локальной GPU нет, в документации отдельно описаны cloud-модели, которые можно использовать после входа в аккаунт Ollama.

Сколько стоит Ollama?

На pricing page на 17.08.2026 указаны Free — $0, Pro — $20/месяц или $200/год, Max — $100/месяц, Team — $25 за место/месяц при минимуме 5 мест. Точные квоты в предоставленном пакете не раскрыты.

Работает ли Ollama на Windows?

Да. В официальной документации указан установщик OllamaSetup.exe, который может ставиться без прав Administrator. Также доступен standalone-архив для CLI и зависимостей Nvidia GPU.