一起学习大语言模型-常用命令及模型介绍

如何下载模型

通过ollama pull命令来下载需要的模型， 如：

ollama pull qwen2.5
ollama pull deepseek-r1
ollama pull deepseek-r1:671b

常用模型介绍

模型名	大小	模型介绍	应用场景
codellama	7b-70b	代码生成与讨论模型，支持多语言代码任务	软件开发、代码解释、编程辅助
deepseek-coder	1.3b-33b	基于 2 万亿代码和自然语言训练的编码模型，性能接近 GPT4-Turbo	代码开发、算法实现、漏洞修复
gemma3	1b-27b	单 GPU 运行的高性能模型，支持视觉任务	图像识别、视觉问答、多模态交互
llama2	7b-70b	Meta 开源基础模型，支持多任务通用场景	对话系统、文本生成、知识问答
llama3	8b-70b	Meta 最新开源模型，性能接近 405B 版本	复杂推理、长文本处理、专业领域任务
llava	7b-34b	多模态模型（视觉 + 语言），支持图像理解与对话	视觉问答、图文生成、跨模态交互
mistral	7b	Mistral AI 发布的高效模型，更新至 0.3 版	代码生成、数学推理、多语言支持
phi4	14b	微软开源的 14B 参数模型，性能领先	复杂推理、长文本理解、多语言任务
qwen2.5	0.5b-72b	阿里巴巴训练的多语言模型，支持 128K 上下文窗口	多语言对话、长文本处理、跨领域任务
stable-code	3b	轻量级代码模型，性能媲美 7B 模型	代码补全、算法开发、低资源环境下的编码任务
vicuna	7b-33b	基于 Llama 的对话模型，支持 2K-16K 上下文窗口	日常对话、客服系统、简单问答
wizardlm	7b-8x22b	微软优化的多语言模型，擅长复杂对话和推理	专业领域问答、多语言支持、复杂逻辑处理

根据官方文档建议，运行模型需要的内存大小如下：

7b的模型需要至少8GB内存

13b的模型需要至少16GB内存

33b的模型需要至少32GB内存

一般我们本机学习开发的时候可以尝试使用这几种模型就基本够了， llama3.2:3b， qwen2.5:7b, llama3.2-vision:11b

查看已下载的本地模型

通过命令ollama list查看本地已下载的模型

查看当前正在运行的模型

通过命令ollama ps 查看当前正在运行的模型

更多的命令和环境变量查看

通过ollama -h查看支持的更多命令

通过ollama serve -h查看支持的环境变量配置