Sunday, 22 November 2026 | Updating Daily AI insight, written for builders

Ollama-Modellliste (2026): Alle gängigen Modelle, Größen und RAM-Anforderungen

Aktualisiert · Ursprünglich veröffentlicht

Welche Modelle kannst du mit Ollama gerade ausführen? Ab November 2026 listet die offizielle Ollama-Bibliothek listet 270 Modellfamilien auf, die meisten in mehreren Größen. Die am häufigsten gezogenen Chat-Modelle sind Llama 3.1, DeepSeek-R1, Llama 3.2, Qwen 2.5, Qwen3 und Gemma 3; die aktuelle Generation zum Einstieg ist von Google Gemma 4, Alibabas Qwen 3.5, 3.6 und 3.8 und OpenAIs gpt-oss. Jedes ist nur ein Befehl entfernt, zum Beispiel ollama run gemma4:e4b oder ollama run qwen3.5:9b.

Diese praktische Ollama-Modellliste behandelt die Modelle, die die Leute tatsächlich ausführen, was jedes an Speicher braucht und wofür jedes gut ist, plus wie du die Modelle, die du bereits hast, auflistest und neue herunterlädst. Für die meisten Modelle lädt Ollama standardmäßig einen 4-Bit-quantisierten Build herunter, weshalb ein „70B“-Modell auf eine gute Workstation passt und ein „8B“ auf einem Laptop läuft. Die Größen unten sind die auf ollama.com aufgelisteten Standards und ändern sich mit jedem Release — überprüfe immer die Datenbank für KI-Modelle oder führen Sie ollama list aus, um den aktuellen Stand auf Ihrem Gerät zu ermitteln.

Schnellreferenz

  • Ausführung auf jedem Laptop (8 GB RAM): Qwen 3.5 2B/4B, Llama 3.2 3B, Gemma 3 4B, Bonsai 2 9B — klein, schnell, offline.
  • Bestes Allround-Modell (16 GB RAM): Qwen 3.5 9B, Gemma 4 E4B oder 12B, gpt-oss 20B, Llama 3.1 8B — der optimale Kompromiss für die meisten Nutzer.
  • Hohe Qualität (24–32 GB / GPU): Qwen 3.6 27B/35B, Qwen 3.8 27B, Gemma 4 26B/31B, Muse Glimmer 30B.
  • In der Nähe der Frontier (Workstation, 48 GB bis 96 GB+): Llama 3.3 70B, DeepSeek-R1 70B, gpt-oss 120B, Qwen 3.5 122B.
  • Schlussfolgern: gpt-oss, DeepSeek-R1. Programmierung: Qwen3-Coder, Qwen 3.6 Coding Tags, Flint, MiMo V2.6. Vision: Gemma 4, Qwen 3.5, Qwen3-VL. Embeddings: nomic-embed-text, EmbeddingGemma 2.
  • Die Regel: Wählen Sie anhand Ihres verfügbaren Arbeitsspeichers aus – prüfen Sie jedes Modell mit unserem kostenlosen VRAM-Rechner.

Kurze Antwort: Sie können jedes Modell aus der offiziellen Ollama-Bibliothek ausführen, das einen lokalen Download hat und in Ihren Speicher passt: bei 8 GB starten Sie mit qwen3.5:4b, bei 16 GB mit qwen3.5:9b oder gemma4:e4b, und auf einer 24 GB GPU mit qwen3.8:27b, jedes ollama pull entfernt. Einige neue Modelle, wie DeepSeek V4.1 Flash und Kimi K3.1 Pro, haben nur :cloud Tags, daher laufen sie auf Ollamas Servern, nicht auf Ihrem Computer. Unsere November 2026 Auswahl geben den Pull-Befehl und die Download-Größe für jeden lokalen Pick an, und die vollständige Tabelle unten zeigt den Speicher, den jede beliebte Familie benötigt.

Wichtige Fakten

  • 270 Modellfamilien in der offiziellen Bibliothek (7. November 2026), die meisten in mehreren Größen
  • Jeder Laptop (8 GB RAM): Qwen 3.5 2B/4B, Llama 3.2 3B, Gemma 3 4B
  • Der 16-GB-Sweet-Spot: Qwen 3.5 9B, Gemma 4 E4B/12B, gpt-oss 20B, Llama 3.1 8B
  • 24–32 GB/GPU: Qwen 3.6 27B/35B, Qwen 3.8 27B, Gemma 4 26B/31B — Workstation: Llama 3.3 70B, gpt-oss 120B, Qwen 3.5 122B
  • Ollama lädt standardmäßig 4-Bit-quantisierte Modelle herunter für die meisten Modelle — deshalb passt ein „70B“ auf eine gute Workstation
  • Spezialisten: Qwen3-Coder & Flint (Code) · Gemma 4 / Qwen3-VL (Vision) · nomic-embed-text & EmbeddingGemma 2 (Embeddings) · gpt-oss & DeepSeek-R1 (Reasoning)

Beste Ollama-Modelle (November 2026)

Dies sind unsere Picks für jeden Speicherbudget diesen Monat. Jeder Befehl und jede Download-Größe unten wurde am 7. November 2026 auf der ollama.com-Tags-Seite des Modells überprüft. Die Picks folgen den Speicheranforderungen, den Fähigkeiten, die Ollama für jedes Modell auflistet (Bildeingabe, Tools, Reasoning) und wie kürzlich jede Familie aktualisiert wurde; sie sind redaktionelle Picks, keine Benchmark-Ergebnisse. „Download-Größe“ ist die Größe des Tags im Befehl, und ein Bereich bedeutet, dass dieser Tag mehreren Builds entspricht, z. B. ein 4-Bit GGUF und eine Apple-Silicon MLX-Version.

Modell Pull-Befehl Download-Größe Geeignet für
Qwen 3.5 4B ollama pull qwen3.5:4b 3,3–4,0 GB Jeder Laptop mit 8 GB RAM; liest Bilder; 256K-Kontext
Bonsai 2 9B (Prism ML) ollama pull bonsai-2:9b 3,2 GB Knapp bei Speicher: ternäre Gewichte, etwa die Hälfte der Größe eines Standard-4-Bit-Builds; liest Bilder
Qwen 3.5 9B ollama pull qwen3.5:9b 6,6–7,6 GB Allround für 16 GB; liest Bilder; 256K-Kontext
Gemma 4 E4B (Google) ollama pull gemma4:e4b 6,6–9,5 GB Allround für 16 GB; liest Bilder; 128K-Kontext
MiMo V2.6 9B (Xiaomi) ollama pull mimo-v2.6 6,6–8,7 GB Neu diesen Monat: Code und Agent-Workflows auf einem 16-GB-Computer; liest Bilder; unterstützt ab Ollama 0.40.15
gpt-oss 20B (OpenAI) ollama pull gpt-oss:20b 14 GB Reasoning mit geringem, mittlerem oder hohem Aufwand; die Modellkarte besagt, dass es mit nur 16 GB Speicher läuft
Qwen 3.8 27B ollama pull qwen3.8:27b 18 GB 24 GB GPU: Coding, Forschung und lange Agent-Aufgaben; liest Bilder
Gemma 4 31B (Google) ollama pull gemma4:31b 19–20 GB 24–32 GB: die größte Gemma 4-Größe; liest Bilder; 256K-Kontext
Qwen3-Coder 30B ollama pull qwen3-coder:30b 19 GB Coding-Assistent auf einer 24-GB-GPU; 256K-Kontext
Flint 40B (Recursive) ollama pull flint:40b 23 GB Lokale Coding-Agenten: ein 39,8B-Mixture-of-Experts-Modell mit etwa 2,5B aktiven Parametern pro Token
gpt-oss 120B (OpenAI) ollama pull gpt-oss:120b 65 GB Workstation-Reasoning; dimensioniert für eine einzelne 80 GB GPU
EmbeddingGemma 2 (Google) ollama pull embeddinggemma-2:740m 1,3 GB Embeddings für lokales RAG und Suche; Ollama listet Text- und Bildeingabe für diesen Tag auf (Googles Modellkarte behandelt auch Video und Audio)
LFM3 1.7B (Liquid AI) ollama pull lfm3 1,1–1,7 GB Kleinster Chat-Pick: lokale Agenten, Tool-Calling und strukturierte Ausgabe; 256K-Kontext

Neuer als die Oktobertabelle weiter unten: von Liquid AI LFM3 Familie (lfm3, lfm3-vl, lfm3-audio und lfm3-omni) kam Ende Oktober an, und Ollama 0.40.13 erweiterte es von Apple Silicon auf Linux und Windows. vLLM Semantic Router d3 Decision Models (2B, 4B, 9B und 27B) kamen mit Ollama 0.40.11 an und schlossen sich der Decision-Kategorie an. Anfang November fügte Ollama 0.40.15 Unterstützung für Xiaomis lokal MiMo V2.6 9B (ollama run mimo-v2.6, fein abgestimmt aus Qwen 3.5 9B für Code und Agent-Workflows) und die AutoTrust Decision Models (autotrust-jev, unterstützt auf Apple Silicon in dieser Version). Perplexitys 4B pplx-decider-flash und Kimi K3.1 Pro traten der Bibliothek in der gleichen Woche bei; Kimi K3.1 Pro ist nur Cloud-basiert (kimi-k3.1-pro:cloud), wird daher auf Ollamas Servern ausgeführt, nicht auf deinem Computer. Die aktuelle Version ist Ollama 0.40.16 (9. November 2026, nach Angaben von GitHub-Releases-Seite), daher Ollama aktualisieren vor dem Abrufen der neuesten Familien.

Die beliebtesten Ollama-Modelle im Überblick

Jedes Modell unten ist verfügbar mit einem einfachen ollama pull <Name>. „Download“ ist die auf ollama.com aufgelistete Standardgröße (ein 4-Bit-Build für die meisten Modelle; neuere Familien zeigen einen Bereich, da der Standard-Tag auf mehrere Builds abbildet, wie ein 4-Bit GGUF und eine Apple-Silicon MLX-Version); „Min. Speicher“ ist ein praktisches Minimum von System-RAM (CPU) oder VRAM (GPU), um es komfortabel auszuführen. Größen ändern sich mit jedem Release.

Modell Parameter Herunterladen Mindestspeicher Ideal für
Llama 3.2 1B / 3B ~1,3 / 2 GB 4–8 GB Edge-Geräte, Smartphones, ultraleichte Chat-Anwendungen
Llama 3.1 8B ~4,9 GB 8–16 GB Meistgeladenes Modell in der Library; bewährter Allrounder
Llama 3.3 70B ~43 GB 48 GB+ Großes dichtes Open Model
Gemma 4 E2B / E4B / 12B / 26B / 31B ~4,6–20 GB 8–32 GB Aktuelle Google-Familie: Text + Bild, Thinking-Modi
Gemma 3 270M–27B ~0,3–17 GB 4 GB+ Effizient (Google); 4B und größer lesen Bilder
Gemma 2 9B / 27B ~5,4 / 16 GB 12–32 GB Ausgezeichnete Qualität pro Größe
Qwen 3.8 27B ~18 GB 24–32 GB Neuestes Qwen: Coding, Agenten, Bildeingabe
Qwen 3.6 27B / 35B (MoE) ~18–24 GB 24–32 GB Agentic Coding (-Coding Tags)
Qwen 3.5 0,8B–122B ~1,2–81 GB 4 GB+ Multimodal, 256K-Kontext, größtes Größenspektrum
Qwen3 0,6B–235B ~0,5–142 GB 4 GB+ Dense und MoE, Thinking-Varianten
Qwen 2.5 0,5B–72B ~0,4–47 GB 4 GB+ Mehrsprachig, breites Größenspektrum
Qwen 2.5 Coder 0,5B–32B ~0,4–20 GB 4 GB+ Lokaler Programmierassistent
gpt-oss (OpenAI) 20B / 120B ~14 / 65 GB 16 / 80 GB Open-Weight Reasoning, anpassbarer Aufwand
Mistral 7B ~4,4 GB 8 GB Schnell und zuverlässig – Klassiker
Mistral Nemo 12B ~7 GB 16 GB Langer Kontext mit 128k Token
Mixtral 8×7B ca. 26 GB 32 GB und mehr Qualität von Mixture-of-Experts-Modellen
Phi-4 14B ~9 GB 16 GB Schlussfolgern mit einem kleinen Modell
Phi-3 Mini 3,8 Mrd. ~2,2 GB 8 GB Klein, aber leistungsfähig
DeepSeek-R1 (Distill) 1,5 Mrd. bis 70 Mrd. ca. 1,1–43 GB 8 GB+ Schrittweises Schlussfolgern
LLaVA 7B–34B ca. 4,7–20 GB 8 GB+ Vision (älter; Gemma 4 und Qwen 3.5 können nun auch Bilder lesen)
nomic-embed-text — ca. 0,3 GB 2 GB Embeddings für RAG/Suche

Möchten Sie die Cloud-Modelle, mit denen diese Modelle hinsichtlich Preis und Geschwindigkeit verglichen werden, kennenlernen? Die Datenbank für KI-Modelle listet offene und geschlossene Modelle nebeneinander auf, und die KI-API-Kostenrechner zeigt, wann das lokale Ausführen kostengünstiger ist als die Bezahlung pro Token.

Neu in der Ollama Library (Oktober 2026)

Diese Familien wurden zwischen Mitte September und Ende Oktober 2026 hinzugefügt oder aktualisiert. Die Befehle verwenden explizite Tags, da ein bloßer Name nicht immer die Größe abruft, die Sie erwarten – plain nemotron-3.5-boltbeispielsweise ruft den 25 GB großen 74B-Build ab, der noch nicht auf Apple Silicon läuft.

Modell Run-Befehl Parameter Herunterladen Ideal für
Nemotron 3.5 Lightning (NVIDIA) ollama run nemotron-3.5-lightning:30b 30B MoE (3B aktiv) ~19–25 GB Immer aktive Agents, bis zu 1M-Token-Kontext
Nemotron 3.5 Bolt (NVIDIA) ollama run nemotron-3.5-bolt:e4b E4B (8B, 4B effektiv) / 74B-A9B ~7,2–7,9 / 25 GB Kompaktes Vision-Modell für lokales Coding und Tool-Nutzung
Bonsai 2 (Prism ML) ollama run bonsai-2:9b 2B / 4B / 9B / 27B ~0,9 / 1,6 / 3,2 / 8,3 GB Ternäre Gewichte, etwa halb so groß wie 4-Bit-Builds; Vision, Tools, Thinking
Flint (Recursive) ollama run flint:40b 39,8B MoE (~2,5B aktiv) ~23 GB Lokale Coding-Agents, 262K-Token-Kontext
LFM2.5 (Liquid AI) ollama run lfm2.5:24b 8B / 24B ~5,2 / 15 GB Schnelles Tool-Calling auf Consumer-Hardware (24B ist die neue Größe)
Nemotron 3 Nano (NVIDIA) ollama run nemotron-3-nano:4b 4B / 30B ~2,8–2,9 / 18–24 GB Effizientes Agentic-Modell, jetzt auch mit einer 4B-Größe
EmbeddingGemma 2 (Google) ollama pull embeddinggemma-2:740m 270M–740M ~0,3–1,3 GB Multimodale Embeddings: Ollama listet Texteingabe für jede Größe und Bildeingabe für die Größen 440M und 740M auf; Googles Modellkarte behandelt auch Video und Audio
Phonon (Gradium) ollama run phonon "Hello there" 31M / 40M ~0,1–0,15 GB Lokale Text-to-Speech auf Englisch, Französisch, Deutsch, Spanisch und Portugiesisch (nur Apple Silicon)

Zwei weitere Oktober-Trends sind wichtig. Eine neue Entscheidungs- Kategorie kleiner Modelle — Cloudflare’s clef, Perplexity’s pplx-decider, Liquid AIs d1 und Together AIs tev1 — bewerten, leiten und klassifizieren Eingaben statt zu chatten. Und mehrere der größten Neuerungen sind nur in der Cloud: Mistral Large 4, DeepSeek V4.1 Flash, MiniMax M3.1 Flash, Muse Spark Open und Reflections Beam haben nur :cloud Tags (zum Beispiel ollama run mistral-large-4:cloud), daher laufen sie auf Ollamas Servern statt auf deinem Computer — siehe unseren Leitfaden zu Ollama Cloud-Modelle. Workstation-Besitzer erhielten auch NVIDIAs Nemotron 3.5 Super (nemotron-3.5-super:120b, ~80–90 GB). Neue Modelle erfordern oft eine aktuelle Ollama-Version (Clef beispielsweise erfordert 0.35.1 oder später), daher Ollama aktualisieren vor dem Abrufen.

So listen Sie die installierten Ollama-Modelle auf

Um jedes Modell auf deinem Computer anzuzeigen, mit seiner Größe und wann es zuletzt geändert wurde, führe aus:

ollama list

Das gibt vier Spalten aus: NAME (mit dem Tag), ID, SIZE und MODIFIED. Die aktuelle CLI-Referenz schreibt diesen Befehl als ollama ls; beide Schreibweisen funktionieren. Um anzuzeigen, was gerade im Arbeitsspeicher geladen ist, verwenden Sie ollama ps; um ein Modell zu entladen, verwenden Sie ollama stop <Name>; und um ein Modell zu löschen und den belegten Speicherplatz auf der Festplatte freizugeben, verwenden Sie ollama rm <Name> (Schritt für Schritt in wie man ein Ollama-Modell entfernt). Diese vier Befehle reichen aus, um eine lokale Sammlung zu verwalten, und der komplette Satz ist in unserer Ollama-Leitfaden.

So suchen und laden Sie neue Modelle aus der Bibliothek herunter

Der vollständige Katalog von Ollama befindet sich in seiner Online-Bibliothek; das Herunterladen eines beliebigen Modells erfolgt mit einem einzigen Befehl:

ollama pull llama3.1  oder führen Sie es direkt mit  ollama run llama3.1

aus. Modellnamen verwenden Tags zur Kennzeichnung von Größe und Variante – z. B. llama3.1:8b, gemma4:26b, qwen3.5:27b. Wenn Sie das Tag weglassen, ruft Ollama das Standard- latest Tag des Modells ab, und diese Größe unterscheidet sich je nach Familie: einfach gpt-oss ist das 14 GB 20B, einfach qwen3.6 ist der 23 GB große 35B und normaler nemotron-3.5-bolt ist der 25 GB große 74B Build, also überprüfe zuerst die Tags-Seite des Modells. Tags mit Namen cloud oder endend auf -cloud (wie kimi-k3.1-pro:cloud oder deepseek-v4.1-flash:1017-cloud) werden auf Ollamas Servern ausgeführt, nicht auf deinem Computer, und -mlx Tags sind Builds für Apple Silicon. Für eine erste Installation empfehlen wir schrittweisen Installationsleitfaden für Ollama Anleitungen für Mac, Windows und Linux.

Kleine Modelle – laufen auf nahezu jedem Laptop

Modelle von unter 1B bis etwa 4B Parametern laufen problemlos auf einem modernen Laptop mit 8 GB RAM, keine GPU erforderlich. Qwen 3.5 2B und 4B (die auch Bilder lesen), Llama 3.2 3B, Gemma 3 4B und Phi-3 Mini sind die Favoriten, und Prism ML's neues Bonsai 2 passt ein 9B-Modell in einen 3,2 GB-Download, indem es ternäre Gewichte verwendet. Sie sind schnell, genuinely useful für Zusammenfassungen, Entwürfe und einfache Fragen, und klein genug, um geladen zu bleiben. Sie werden nicht mit einem Frontier-Cloud-Modell mithalten können, aber für private, Offline-Alltags aufgaben sind sie ausgezeichnet – und sie sind der richtige Ausgangspunkt, wenn Sie neu bei Local AI sind.

Mittlere Modelle – der 16-GB-Sweet-Spot

Die Klasse der 7B–14B-Modelle ist der Bereich, in dem die meisten Nutzer ihre Heimat finden sollten. Qwen 3.5 9B, Gemma 4 E4B and 12B und Llama 3.1 8B passen komfortabel in 16 GB RAM oder eine Standard-GPU, und die beiden neueren Familien bieten Bildeingabe und integrierte Thinking- (Reasoning-)Modi. OpenAI's gpt-oss 20B (ein 14 GB großer Download) ist die nächste Stufe — Ollama zufolge läuft es auf Systemen mit nur 16 GB Speicher. Phi-4, Mistral Nemo und die älteren Qwen 2.5 7B und Mistral 7B bleiben solide Optionen. Wenn du ein Modell für allgemeine Aufgaben möchtest, wähle aus dieser Reihe — sie bietet die beste Balance zwischen Leistung und Hardwareanforderungen.

Große Modelle – Bereich Workstation und GPU

Ab etwa 27B aufwärts brauchst du ernsthafte Hardware. Die aktuelle 26B–35B-Generation — Qwen 3.6 27B/35B, Qwen 3.8 27B, Gemma 4 26B and 31B, Metas Muse Glimmer 30B (ollama run muse-glimmer:30b, ~18 GB) und NVIDIA's Nemotron 3.5 Lightning — Downloads mit etwa 16–25 GB und benötigt eine 24-GB-GPU oder 32+ GB RAM; ältere Optionen wie Gemma 2 27B, Qwen 2.5 32B und Mixtral 8x7B liegen in derselben Kategorie. Die 70B-und-höher-Klasse — Llama 3.3 70B, die DeepSeek-R1 70B distill, gpt-oss 120B (65 GB, ausgelegt für eine einzelne 80-GB-GPU), Qwen 3.5 122B (81 GB) und Meta's Llama 4 Scout (llama4:scout, 67 GB) — benötigt 48 GB bis 96+ GB schnelle Arbeitsspeicher, was in der Praxis High-VRAM-GPUs oder einen speicherreichen Apple-Silicon-Mac bedeutet. Die Belohnung ist eine Qualität, die an große Cloud-Modelle herankommt und vollständig auf deinem eigenen Rechner läuft. Siehe unseren Beste GPUs für KI-Anwendungen Leitfaden zu den tatsächlich kompatiblen Systemen.

Spezialisierte Modelle: Programmierung, Vision und Embeddings

Über reines Chat hinaus hostet Ollama aufgabenspezifische Modelle. Für Programmierung, Qwen3-Coder 30B (qwen3-coder:30b, 19 GB), die -Coding Tags von Qwen 3.6 und die neue Flint sind für agentische Programmierung gebaut, während Qwen 2.5 Coder kleine Maschinen abdeckt und Code Llama die ältere Option ist. Für Vision, Gemma 4 und Qwen 3.5 lesen Bilder nativ, Qwen3-VL (2B–235B) ist die dedizierte Vision-Language-Familie, GLM-OCR (glm-ocr, 2,7 GB) verarbeitet Dokument-OCR, und LLaVA ist der bewährte Standard. Einbettungsmodelle wie nomic-embed-text, mxbai-embed-large, Qwen3-Embedding und das multimodale EmbeddingGemma 2 führen überhaupt keine Chats – sie wandeln Text (und für EmbeddingGemma 2 auch Bilder; Googles Modellkarte listet auch Video und Audio auf) in Vektoren für Suche und Retrieval-Augmented Generation um, die Grundlage eines lokalen RAG-Setups. Ollama hostet jetzt auch Text-to-Speech: Phonon liest Text in fünf Sprachen auf Apple Silicon Macs vor (Sprachgenerierung kam mit Ollama 0.40.11), und Liquid AIs lfm3-audio und lfm3-omni sprechen auch auf Linux und Windows.

Welches Ollama-Modell sollten Sie tatsächlich verwenden?

Die ehrliche Antwort lautet: das größte, das dein Speicher in der benötigten Klasse halten kann. Für die allgemeine Nutzung, starten Sie mit Qwen 3.5 9B oder Gemma 4 E4B (oder dem bewährten Llama 3.1 8B) und gehen Sie nur dann höher, wenn die Qualität nachlässt. Zum Denken versuchen Sie gpt-oss 20B oder einen DeepSeek-R1-Distill; für Programmierung Qwen3-Coder 30B oder Qwen 2.5 Coder auf kleineren Maschinen; für Bilder Gemma 4 oder Qwen 3.5. Wir ordnen die besten Optionen nach Anwendungsfall in den besten lokalen LLMs für Ollama, und vergleichen Ollama selbst mit den Alternativen in Ollama vs LM Studio vs vLLM vs llama.cpp.

Prüfen Sie vor dem Download, ob ein Modell auf Ihr System passt

Der häufigste Fehler ist, ein für deinen Computer zu großes Modell zu laden – es wird entweder die Auslagerung verweigern oder bricht zusammen, wenn es auf die Festplatte auslagert. Vor dem Download solltest du es überprüfen: Als grobe Regel benötigt ein 4-Bit-Modell knapp 1 GB RAM pro Milliarde Parameter, plus Platz für den Kontext. Wenn du nicht weißt, wie viel Speicher deine Grafikkarte hat, siehe wie du dein VRAM überprüfst. Unser kostenloses VRAM-Rechner berechnet die exakte Speicheranforderung für jedes Modell und jede Quantisierungsstufe, und Ollamaas Systemanforderungen erläutern ausführlich den Kompromiss zwischen Arbeitsspeicher (RAM) und Grafikspeicher (VRAM).

Die meisten Modelle in dieser Liste sind GGUF-Builds (die Apple-Silicon- -mlx Tags laufen auf Ollama's separater MLX-Engine); unser GGUF-Modelle-Leitfaden erläutert die Quantisierungssuffixe und welche Dateien zu Ihrer GPU passen.

Weitere Ollama-Leitfäden auf Convly AI

Häufig gestellte Fragen

Wie liste ich die in Ollama installierten Modelle auf? Ausführen ollama list um alle installierten Modelle mit ihrer jeweiligen Größe anzuzeigen, ollama ps um das aktuell geladene Modell anzuzeigen, und ollama rm <Name> um ein Modell zu löschen.

Welches ist das beste Ollama-Modell? Es gibt keinen einzelnen besten – es hängt von deinem Speicher ab. Llama 3.1 8B ist immer noch das am häufigsten heruntergeladene Modell in der Bibliothek, aber auf einer 16-GB-Maschine passen die neueren Qwen 3.5 9B und Gemma 4 E4B in dasselbe Budget und bieten zusätzliche Bildeingabe; siehe unserer Rangliste .

Wie viele Modelle bietet Ollama an? 270 Modellfamilien in der offiziellen Bibliothek vom 7. November 2026 — Chat, Coding, Vision, OCR, Embedding, Speech und die neuen Decision Models — die meisten in mehreren Größen und Quantisierungen. Die Tabellen oben behandeln die, die die meisten Leute tatsächlich ausführen.

Was sind die neuesten Ollama-Modelle? Die Neuzugänge im frühen November sind Xiaomis MiMo V2.6 9B für Code und Agents (ollama run mimo-v2.6), die AutoTrust- und pplx-decider-flash-Entscheidungsmodelle und Kimi K3.1 Pro, das nur in der Cloud verfügbar ist und auf Ollamas Servern läuft, nicht auf deinem Computer. Ende Oktober kamen Liquid AIs kleine LFM3-Familie (Text-, Vision-, Audio- und Omni-Modelle), vLLMs Semantic Router d3 Entscheidungsmodelle und Gradiums Phonon Text-to-Speech. Andere jüngste Ergänzungen sind NVIDIAs Nemotron 3.5 Lightning und Bolt, Prism MLs Bonsai 2, Recursives Flint und Googles EmbeddingGemma 2. Bei allgemeinen Chat-Familien sind die neuesten Qwen 3.8 (ollama run qwen3.8:27b), Qwen 3.6, Gemma 4 und Meta's Muse Glimmer.

Wie viel Arbeitsspeicher benötige ich zum Ausführen von Ollama-Modellen? 8 GB führt kleine (1B–4B) Modelle aus, 16 GB die beliebte 7B–12B-Klasse plus gpt-oss 20B, und eine 24-GB-GPU oder 32+ GB Speicher ist für 27B–35B-Modelle erforderlich. Überprüfen Sie jedes Modell mit unserem VRAM-Rechner.

Kann ich diese Modelle offline betreiben? Ja – einmal geladen, läuft jedes lokale Ollama-Modell vollständig auf deinem Computer ohne Internetverbindung, das ist der Hauptgrund, lokale Modelle überhaupt zu verwenden. Die Ausnahme sind Cloud-only-Tags mit Namen cloud oder endend auf -cloud, wie kimi-k3.1-pro:cloud: Sie werden auf Ollamas Servern ausgeführt, nicht auf deinem Computer, und benötigen eine Verbindung.

Das Fazit

Die Liste der Ollama-Modelle ist lang, doch die Auswahl ist einfach: Entscheiden Sie zunächst, wofür Sie das Modell benötigen – allgemeine Unterhaltung, logisches Schließen, Programmierung, Bildverarbeitung oder Embeddings – und wählen Sie dann das größtmögliche Modell aus dieser Kategorie, das Ihr Arbeitsspeicher aufnehmen kann. Beginnen Sie mit einem 8B-Modell, nutzen Sie ollama list zur Übersicht über Ihre installierten Modelle und konsultieren Sie vor jedem Download VRAM-Rechner , um sicherzustellen, dass Sie kein Modell herunterladen, das Ihre Maschine nicht ausführen kann. Ab diesem Punkt ist der Betrieb leistungsfähiger KI lokal und privat nur noch wenige Befehle entfernt.

Modellnamen, Größen und Verfügbarkeit ändern sich häufig; Größen und Tags wurden am 7. November 2026 gegen die offizielle Ollama-Bibliothek überprüft – überprüfe mit ollama list und der offiziellen Bibliothek, bevor Sie sich darauf verlassen.

Verfasst von Mustafa Ihsan

Mustafa Ihsan ist Gründer und Chefredakteur von Convly.ai. Er entwickelte und pflegt die Live-Datenbank für KI-Modelle der Website, ihren Preis-Leistungs-Index sowie kostenlose Rechner für VRAM-Anforderungen, API-Kosten und Wirtschaftlichkeit des Self-Hostings. Er schreibt über Modellpreise, Benchmark-Ergebnisse und die Hardware, die zum lokalen Betrieb von KI-Modellen erforderlich ist, und bevorzugt stets messbare Zahlen gegenüber Herstellerangaben.

Scroll to Top