Ollama CLI Cheatsheet: ls, serve, run, ps + comandi (aggiornamento 2026)

Questo riassunto dei comandi Ollama CLI si concentra sui comandi che utilizzi ogni giorno (ollama ls, ollama serve, ollama run, ollama ps, gestione dei modelli e flussi di lavoro comuni), con esempi che puoi copiare e incollare.

Include anche una breve sezione sui “controlli di prestazioni” per aiutarti a scoprire (e poi approfondire) OLLAMA_NUM_PARALLEL e le impostazioni correlate.

Questo riassunto di Ollama si concentra sui comandi CLI, sulla gestione dei modelli e sulla personalizzazione, ma include anche alcune chiamate curl.

Per una visione completa di dove si colloca Ollama tra le opzioni locali, self-hosted e cloud—including vLLM, Docker Model Runner, LocalAI e provider cloud—consulta LLM Hosting: Infrastruttura Locale, Self-Hosted e Cloud Confrontata. Se stai confrontando diverse soluzioni di hosting LLM locali, dai un’occhiata al nostro confronto completo tra Ollama, vLLM, LocalAI, Jan, LM Studio e altro. Per chi cerca alternative alle interfacce a riga di comando, Docker Model Runner offre un approccio diverso al deployment dei modelli LLM. Se il traffico concurrente o l’attesa in coda inizia a mettere sotto stress un’unica istanza Ollama, Da Ollama a vLLM: Quando Migrare il tuo Server LLM Locale illustra i segnali di migrazione e un piano di rollout graduale.

Installazione di Ollama (download e installazione CLI)

• Opzione 1: Download dal Sito Web
  • Visita ollama.com e scarica l’installer per il tuo sistema operativo (Mac, Linux o Windows).
• Opzione 2: Installazione tramite Riga di Comando
  • Per utenti Mac e Linux, usa il comando:

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

• Segui le istruzioni a schermo e inserisci la tua password se richiesto.

Requisiti di sistema Ollama (RAM, archiviazione, CPU)

• Sistema Operativo: Mac, Linux o Windows
• Memoria (RAM): 8GB minimo, 16GB o più consigliati
• Archiviazione: Almeno ~10GB di spazio libero (i file dei modelli possono essere davvero grandi, vedi qui Spostare i Modelli Ollama su un’Altra Unità )
• Processore: Una CPU relativamente moderna (degli ultimi 5 anni). Se sei curioso di sapere come Ollama utilizza diverse architetture CPU, consulta la nostra analisi su come Ollama utilizza le CPU Intel Core Performance ed Efficient.

Per carichi di lavoro AI seri, potresti voler confrontare le opzioni hardware. Abbiamo benchmarkato NVIDIA DGX Spark vs Mac Studio vs RTX-4080 con Ollama, e se stai considerando di investire in hardware di fascia alta, il nostro confronto su prezzi e capacità di DGX Spark fornisce un’analisi dettagliata dei costi.

Comandi Base Ollama CLI

Link rapidi: Comando Ollama serve · Comando Ollama launch · Comando Ollama run · Flag Ollama run · Comando Ollama ps · Comando Ollama show · Ollama signin · Base CLI Ollama · Controlli di prestazioni (OLLAMA_NUM_PARALLEL) · Analisi approfondita delle richieste parallele

Ollama CLI (cos’è)

Ollama CLI è l’interfaccia a riga di comando per gestire i modelli ed eseguirli/avviarli localmente. La maggior parte dei flussi di lavoro si riduce a:

• Avvia il server: ollama serve
• Esegui un modello: ollama run <model>
• Vedi cosa è caricato/in esecuzione: ollama ps
• Gestisci i modelli: ollama pull, ollama list, ollama rm

Gestione dei modelli Ollama: comandi pull e list

Elenco Modelli:

ollama list

equivale a:

ollama ls

Questo comando elenca tutti i modelli scaricati sul tuo sistema, con le loro dimensioni sui dischi hdd/ssd, come:

$ ollama ls
NAME                                                    ID              SIZE      MODIFIED     
deepseek-r1:8b                                          6995872bfe4c    5.2 GB    2 settimane fa     
gemma3:12b-it-qat                                       5d4fa005e7bb    8.9 GB    2 settimane fa     
LoTUs5494/mistral-small-3.1:24b-instruct-2503-iq4_NL    4e994e0f85a0    13 GB     3 settimane fa     
dengcao/Qwen3-Embedding-8B:Q4_K_M                       d3ca2355027f    4.7 GB    4 settimane fa     
dengcao/Qwen3-Embedding-4B:Q5_K_M                       7e8c9ad6885b    2.9 GB    4 settimane fa     
qwen3:8b                                                500a1f067a9f    5.2 GB    5 settimane fa     
qwen3:14b                                               bdbd181c33f2    9.3 GB    5 settimane fa     
qwen3:30b-a3b                                           0b28110b7a33    18 GB     5 settimane fa     
devstral:24b                                            c4b2fa0c33d7    14 GB     5 settimane fa  

Scarica un Modello: ollama pull

ollama pull mistral-nemo:12b-instruct-2407-q6_K

Questo comando scarica il modello specificato (es. Gemma 2B, o mistral-nemo:12b-instruct-2407-q6_K) sul tuo sistema. I file del modello possono essere piuttosto grandi, quindi tieni d’occhio lo spazio utilizzato dai modelli sull’hard disk o SSD. Potresti persino voler spostare tutti i modelli Ollama dalla tua home directory su un’altra unità più grande e migliore

Carica un Modello: ollama push

ollama push my-custom-model

Carica un modello locale nel registro Ollama in modo che altri possano scaricarlo. Devi essere prima effettuato l’accesso (ollama signin) e il nome del modello deve essere preceduto dal tuo nome utente Ollama, es. myuser/my-model. Usa --insecure se stai caricando su un registro privato tramite HTTP:

ollama push myuser/my-model --insecure

Copia un Modello: ollama cp

ollama cp llama3.2 my-llama3-variant

Crea una copia locale di un modello con un nuovo nome senza scaricare nulla di nuovo. Questo è utile prima di modificare un Modelfile: copia prima, personalizza la copia e mantieni l’originale intatto:

ollama cp qwen3:14b qwen3-14b-custom
ollama create qwen3-14b-custom -f ./Modelfile

Comando Ollama show

ollama show stampa informazioni su un modello scaricato.

ollama show qwen3:14b

Per impostazione predefinita, stampa la scheda del modello (architettura, lunghezza del contesto, lunghezza dell’embedding, quantizzazione, ecc.). Ci sono tre flag utili:

# Vedi esattamente con quale prompt di sistema e template è stato costruito un modello
ollama show deepseek-r1:8b --modelfile

# Controlla la dimensione della finestra di contesto e altri parametri di inferenza
ollama show qwen3:14b --parameters

# Dettaglio completo a livello di tensore (utile quando si debugga la quantizzazione)
ollama show llama3.2 --verbose

L’output --modelfile è particolarmente utile prima di personalizzare un modello: puoi copiare il Modelfile base e modificarlo da lì invece di scriverne uno da zero.

Comando Ollama serve

ollama serve avvia il server Ollama locale (porta HTTP predefinita 11434).

ollama serve

Comando “ollama serve” (esempio compatibile con systemd):

# imposta le variabili d'ambiente, poi avvia il server
# rendi ollama disponibile sull'indirizzo IP dell'host
export OLLAMA_HOST=0.0.0.0:11434
export OLLAMA_NUM_PARALLEL=2
ollama serve

Comando Ollama run

Esegui un Modello:

ollama run gpt-oss:20b

Questo comando avvia il modello specificato e apre un REPL interattivo per l’interazione. Vuoi capire come Ollama gestisce più richieste concorrenti? Scopri di più su come Ollama gestisce le richieste parallele nella nostra analisi dettagliata.

ollama run esegue un modello in una sessione interattiva, quindi nel caso di gpt-oss:120b vedresti qualcosa come:

$ ollama run gpt-oss:120b
>>> Invia un messaggio (/? per aiuto)

puoi digitare le tue domande o comandi e il modello risponderà.

>>> chi sei?
Sto pensando...
L'utente chiede "chi sei?" Domanda semplice. Dovrei rispondere come ChatGPT, un modello di linguaggio AI, addestrato da OpenAI,
ecc. Fornire una breve introduzione. Probabilmente chiedere se hanno bisogno di aiuto.
...fine del pensiero.

Sono ChatGPT, un modello di linguaggio AI creato da OpenAI. Sono stato addestrato su una vasta gamma di testi per aiutarti a
rispondere a domande, fare brainstorming di idee, spiegare concetti, redigere scritti, risolvere problemi e molto altro. Pensami
come un assistente virtuale versatile—qui per fornire informazioni, supporto e conversazione quando ne hai bisogno. Come posso aiutarti oggi?

>>> Invia un messaggio (/? per aiuto)

Per uscire dalla sessione interattiva di ollama, premi Ctrl+D, o puoi digitare /bye, con lo stesso risultato:

>>> /bye
$ 

Esempi del comando Ollama run

Per eseguire un modello e fare una singola domanda in modalità non interattiva:

printf "Dammi 10 one-liner bash per l'analisi dei log.\n" | ollama run llama3.2

Se vuoi vedere una risposta LLM dettagliata e verbosa nella sessione ollama - esegui il modello con il parametro --verbose o -v:

$ ollama run gpt-oss:20b --verbose
>>> chi sei?
Sto pensando...
Dobbiamo rispondere a una domanda semplice: "chi sei?" L'utente sta chiedendo "chi sei?" Possiamo rispondere che siamo
ChatGPT, un grande modello di linguaggio addestrato da OpenAI. Possiamo anche menzionare le capacità. L'utente probabilmente si aspetta
una breve introduzione. La terremo amichevole.
...fine del pensiero.

Sono ChatGPT, un grande modello di linguaggio creato da OpenAI. Sono qui per aiutarti a rispondere a domande, offrire spiegazioni,
fare brainstorming di idee e chiacchierare su una vasta gamma di argomenti—dal scienza e storia alla scrittura creativa
e consigli quotidiani. Fammi solo sapere di cosa vorresti parlare!

durata totale:       1.118585707s
durata caricamento:        106.690543ms
conteggio valutazione prompt:    71 token(s)
durata valutazione prompt: 30.507392ms
tasso valutazione prompt:     2327.30 tokens/s
conteggio valutazione:           132 token(s)
durata valutazione:        945.801569ms
tasso valutazione:            139.56 tokens/s
>>> /bye
$ 

Sì, esatto, sono 139 token al secondo. Il gpt-oss:20b è molto veloce. Se, come me, hai una GPU con 16GB di VRAM - vedi i dettagli del confronto delle velocità degli LLM in Migliori LLM per Ollama su GPU 16GB VRAM.

Suggerimento: Se vuoi il modello disponibile via HTTP per più app, avvia il server con ollama serve e usa il client API invece di sessioni interattive lunghe.

Flag Ollama run (riferimento completo)

Sovrascrittura dei parametri del modello senza un Modelfile (-p / –parameters)

Il flag -p ti permette di cambiare i parametri di inferenza in runtime senza creare un Modelfile. Puoi impilare più flag -p:

# Aumenta la finestra di contesto e riduci la temperatura
ollama run qwen3:14b -p num_ctx=32768 -p temperature=0.5

# Esegui un task di codifica con output deterministico
ollama run devstral:24b -p temperature=0 -p num_ctx=65536

Parametri comuni che puoi impostare in questo modo:

Input multilinea nel REPL

Racchiudi il testo in triplici virgolette (""") per inserire un prompt multilinea senza inviarlo prematuramente:

>>> """Riassumi questo in una frase:
... La volpe marrone veloce salta sopra il cane pigro.
... È successo un martedì.
... """

Modelli multimodali (immagini)

Per modelli con capacità visive (es. gemma3, llava), passa un percorso immagine direttamente nel prompt:

ollama run gemma3 "C'è in questa immagine? /home/user/screenshot.png"

Generazione di embedding tramite CLI

I modelli di embedding outputano un array JSON invece di testo. Invia testo direttamente per embedding rapidi one-off:

echo "Hello world" | ollama run nomic-embed-text

Per carichi di lavoro di embedding in produzione usa l’endpoint REST /api/embeddings o il client Python.

Forza output JSON (–format)

ollama run llama3.2 --format json "Lista 5 capitali come JSON"

Il modello è istruito a restituire JSON valido. Utile quando si invia l’output a jq o a uno script che si aspetta dati strutturati.

Comando Ollama stop

Questo comando ferma il modello specificato in esecuzione.

ollama stop llama3.1:8b-instruct-q8_0

Ollama espelle i modelli automaticamente dopo un certo tempo. Puoi specificare questo tempo, di default è 4 minuti. Se non vuoi aspettare il tempo rimanente, potresti voler usare questo comando ollama stop. Puoi anche espellere il modello dalla VRAM chiamando l’endpoint API /generate con il parametro keep_alive=0, vedi sotto per la descrizione e l’esempio.

Comando Ollama ps

ollama ps mostra i modelli e le sessioni attualmente in esecuzione (utile per debuggare “perché la mia VRAM è piena?”).

ollama ps

L’esempio dell’output di ollama ps è qui sotto:

NAME           ID              SIZE     PROCESSOR    CONTEXT    UNTIL
gpt-oss:20b    17052f91a42e    14 GB    100% GPU     4096       4 minuti da ora

Qui vedi sul mio PC che gpt-oss:20b si adatta bene ai 16GB di VRAM della mia GPU, occupando solo 14GB.

Se eseguo ollama run gpt-oss:120b e poi chiamo ollama ps, il risultato non sarà così luminoso: Il 78% degli strati è sulla CPU, e questo è solo con la finestra di contesto di 4096 token. Sarà peggio se dovrò aumentare il contesto.

NAME            ID              SIZE     PROCESSOR          CONTEXT    UNTIL
gpt-oss:120b    a951a23b46a1    66 GB    78%/22% CPU/GPU    4096       4 minuti da ora

Comando Ollama launch (integrazioni di codifica AI)

ollama launch è un comando introdotto in Ollama v0.15 (Gennaio 2026) che ti offre setup a configurazione zero e una riga per popolari assistenti di codifica AI in esecuzione contro il tuo server Ollama locale.

Perché usare ollama launch?

Prima di ollama launch, collegare un agente di codifica come Claude Code o Codex a un backend Ollama locale significava impostare manualmente variabili d’ambiente, puntare lo strumento all’endpoint API corretto e scegliere un modello compatibile. ollama launch gestisce tutto questo per te in modo interattivo.

Se già esegui Ollama localmente e vuoi un assistente di codifica agentic senza pagare per le chiamate API o inviare codice al cloud, ollama launch è la via più rapida.

Integrazioni supportate

Uso di base

# Selettore interattivo — scegli un'integrazione da un menu
ollama launch

# Avvia un'integrazione specifica direttamente
ollama launch claude

# Avvia con un modello specifico
ollama launch claude --model qwen3-coder

# Configura l'integrazione senza avviarla (utile per ispezionare le impostazioni)
ollama launch droid --config

Modelli consigliati

Gli agenti di codifica hanno bisogno di una finestra di contesto lunga per contenere il contesto di file interi e cronologie di conversazione multi-turno. Ollama consiglia modelli con almeno 64 000 token di contesto:

Se la tua GPU non può contenere il modello, Ollama offre anche varianti ospitate nel cloud (es. qwen3-coder:480b-cloud) che si integrano allo stesso modo ma instradano l’inferenza al livello cloud di Ollama — richiedendo ollama signin.

Esempio: esecuzione di Claude Code localmente con Ollama

# 1. Assicurati che il modello sia disponibile
ollama pull qwen3-coder

# 2. Avvia Claude Code contro di esso
ollama launch claude --model qwen3-coder

Ollama imposta le variabili d’ambiente necessarie e avvia Claude Code puntando a http://localhost:11434 automaticamente. Puoi poi usare Claude Code esattamente come faresti normalmente — l’unica differenza è che l’inferenza avviene sul tuo hardware.

Controlli di prestazioni (OLLAMA_NUM_PARALLEL)

Se vedi code o timeout sotto carico, il primo controllo da imparare è OLLAMA_NUM_PARALLEL.

• OLLAMA_NUM_PARALLEL = quanti request Ollama esegue in parallelo.
• Un valore più alto può aumentare il throughput, ma può aumentare la pressione sulla VRAM e i picchi di latenza.

Esempio rapido:

OLLAMA_NUM_PARALLEL=2 ollama serve

Per una spiegazione completa (inclusi strategie di tuning e modalità di fallimento), vedi:

• Come Ollama gestisce le richieste parallele

Rilascio del modello Ollama dalla VRAM (keep_alive)

Quando un modello è caricato nella VRAM (memoria GPU), rimane lì anche dopo aver finito di usarlo. Per rilasciare esplicitamente un modello dalla VRAM e liberare la memoria GPU, puoi inviare una richiesta all’API Ollama con keep_alive: 0.

• Rilascia il modello dalla VRAM usando curl:

curl http://localhost:11434/api/generate -d '{"model": "MODELNAME", "keep_alive": 0}'

Sostituisci MODELNAME con il nome effettivo del tuo modello, ad esempio:

curl http://localhost:11434/api/generate -d '{"model": "qwen3:14b", "keep_alive": 0}'

• Rilascia il modello dalla VRAM usando Python:

import requests

response = requests.post(
    'http://localhost:11434/api/generate',
    json={'model': 'qwen3:14b', 'keep_alive': 0}
)

Questo è particolarmente utile quando:

• Hai bisogno di liberare memoria GPU per altre applicazioni
• Stai eseguendo più modelli e vuoi gestire l’uso della VRAM
• Hai finito di usare un modello grande e vuoi rilasciare le risorse immediatamente

Nota: Il parametro keep_alive controlla per quanto tempo (in secondi) un modello rimane caricato in memoria dopo l’ultima richiesta. Impostarlo a 0 scarica immediatamente il modello dalla VRAM.

Se preferisci evitare completamente il livello di astrazione di Ollama e vuoi il controllo diretto su quale modello GGUF è residente in qualsiasi momento, modalità router di llama-server copre l’approccio nativo di llama.cpp allo switching dinamico dei modelli.

Personalizzazione dei modelli Ollama (prompt di sistema, Modelfile)

• Imposta Prompt di Sistema: All’interno del REPL Ollama, puoi impostare un prompt di sistema per personalizzare il comportamento del modello:

  >>> /set system Per tutte le domande poste rispondi in inglese semplice evitando il gergo tecnico il più possibile
  >>> /save ipe
  >>> /bye
  

  Poi, esegui il modello personalizzato:

  ollama run ipe
  

  Questo imposta un prompt di sistema e salva il modello per uso futuro.

• Crea File di Modello Personalizzato: Crea un file di testo (es., custom_model.txt) con la seguente struttura:

  FROM llama3.1
  SYSTEM [Le tue istruzioni personalizzate qui]
  

  Poi, esegui:

  ollama create mymodel -f custom_model.txt
  ollama run mymodel
  

  Questo crea un modello personalizzato basato sulle istruzioni nel file.

Ollama signin e signout (autenticazione registro)

ollama signin
ollama signout

ollama signin autentica la tua installazione locale Ollama con il registro Ollama su ollama.com. Una volta effettuato l’accesso, il client memorizza le credenziali localmente e le riutilizza automaticamente per i comandi successivi.

Cosa sblocca signin:

• Scaricare e caricare modelli privati dal tuo account o organizzazione.
• Usare modelli ospitati nel cloud (es. qwen3-coder:480b-cloud) che sono troppo grandi per essere eseguiti localmente.
• Pubblicare modelli nel registro con ollama push.

Alternativa: autenticazione tramite chiave API

Se stai eseguendo Ollama in una pipeline CI o su un server headless dove l’interattivo ollama signin non è pratico, crea una chiave API nelle impostazioni del tuo account Ollama e esponila come variabile d’ambiente:

export OLLAMA_API_KEY=ollama_...
ollama pull myorg/private-model

La variabile OLLAMA_API_KEY è raccolta automaticamente da ogni comando Ollama e richiesta API — non c’è bisogno di eseguire ollama signin su ogni macchina.

Uso del comando Ollama run con file (riassunto, redirect)

• Riassumi Testo da un File:

  ollama run llama3.2 "Riassumi il contenuto di questo file in 50 parole." < input.txt
  

  Questo comando riassume il contenuto di input.txt usando il modello specificato.

• Registra le Risposte del Modello su un File:

  ollama run llama3.2 "Raccontami dell'energia rinnovabile." > output.txt
  

  Questo comando salva la risposta del modello su output.txt.

Casi d’uso Ollama CLI (generazione testo, analisi)

• Generazione di Testo:

  • Riassumere un grande file di testo:

    ollama run llama3.2 "Riassumi il seguente testo:" < long-document.txt
    

  • Generare contenuto:

    ollama run llama3.2 "Scrivi un breve articolo sui benefici dell'uso dell'AI nella sanità." > article.txt
    

  • Rispondere a domande specifiche:

    ollama run llama3.2 "Quali sono le ultime tendenze nell'AI e come influenzeranno la sanità?"
    

  .

• Elaborazione e Analisi dei Dati:

  • Classificare il testo in sentimento positivo, negativo o neutro:

    ollama run llama3.2 "Analizza il sentimento di questa recensione del cliente: 'Il prodotto è fantastico, ma la consegna è stata lenta.'"
    

  • Categorizzare il testo in categorie predefinite: Usa comandi simili per classificare o categorizzare il testo in base a criteri predefiniti.

Uso di Ollama con Python (client e API)

• Installa la Libreria Python Ollama:

  pip install ollama
  

• Genera Testo Usando Python:

  import ollama
  
  response = ollama.generate(model='gemma:2b', prompt='cos'è un qubit?')
  print(response['response'])
  

  Questo frammento di codice genera testo usando il modello e il prompt specificati.

Per integrazioni Python avanzate, esplora l’uso dell’API Web Search di Ollama in Python, che copre le capacità di ricerca web, tool calling e integrazione con server MCP. Se stai costruendo applicazioni alimentate da AI, il nostro confronto tra Assistenti di Codifica AI può aiutarti a scegliere gli strumenti giusti per lo sviluppo.

Cerchi un’interfaccia web? Open WebUI fornisce un’interfaccia self-hosted con capacità RAG e supporto multi-utente. Per deployment in produzione ad alte prestazioni, considera vLLM come alternativa. Per confrontare Ollama con altre scelte di infrastruttura LLM locali e cloud, vedi LLM Hosting: Infrastruttura Locale, Self-Hosted e Cloud Confrontata.

Link Utili

Configurazione e Gestione

• Sposta i Modelli Ollama su un’Altra Unità o Cartella

Alternative e Confronti

• Hosting LLM Locale: Guida Completa 2026 - Ollama, vLLM, LocalAI, Jan, LM Studio & Più
• vLLM Quickstart: Serving LLM ad Alte Prestazioni
• Docker Model Runner vs Ollama: Quale Scegliere?
• Primi Segni di Enshittification di Ollama
• Da Ollama a vLLM: Quando Migrare il tuo Server LLM Locale

Prestazioni e Hardware

• Come Ollama Gestisce le Richieste Parallele
• Come Ollama sta usando le CPU Intel Core Performance ed Efficient
• NVIDIA DGX Spark vs Mac Studio vs RTX-4080: Confronto Prestazioni Ollama
• DGX Spark vs. Mac Studio: Uno sguardo pratico e verificato sui prezzi del Supercomputer AI Personale di NVIDIA

Integrazione e Sviluppo

• Uso dell’API Web Search di Ollama in Python
• Confronto Assistenti di Codifica AI
• Open WebUI: Interfaccia LLM Self-Hosted
• Interfacce Chat Open-Source per LLM su Istanze Ollama Locali
• Vincolare LLM con Output Strutturato: Ollama, Qwen3 & Python o Go
• Integrazione di Ollama con Python: Esempi REST API e Client Python
• SDK Go per Ollama - confronto con esempi