{"id":789,"date":"2026-06-06T01:59:12","date_gmt":"2026-06-06T01:59:12","guid":{"rendered":"https:\/\/convly.ai\/how-to-install-ollama-2026\/"},"modified":"2026-08-01T06:47:16","modified_gmt":"2026-08-01T06:47:16","slug":"how-to-install-ollama-2026","status":"publish","type":"post","link":"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/","title":{"rendered":"Come installare Ollama nel 2026: Mac, Windows e Linux (guida passo passo)"},"content":{"rendered":"<p>Installare Ollama richiede effettivamente solo due minuti su ogni sistema operativo principale. Questa guida fornisce i passaggi esatti per Mac, Windows e Linux, mostra come eseguire il primo modello e illustra le poche problematiche comuni che gli utenti incontrano.<\/p>\n<p>Nuovi a questo strumento? Iniziate con <a href=\"https:\/\/convly.ai\/it\/what-is-ollama-complete-guide-2026\/\">cos\u2019\u00e8 Ollama e come funziona<\/a>, quindi tornate qui per procedere con l\u2019installazione.<\/p>\n<p><!--geo-block--><\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_85 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a7459f76b856\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Attiva\/Disattiva<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a7459f76b856\"  aria-label=\"Attiva\/Disattiva\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Quick_answer_How_do_you_install_Ollama\" >Quick answer: How do you install Ollama?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Before_you_install_can_your_machine_run_it\" >Prima di installare: il vostro computer \u00e8 in grado di eseguirlo?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Install_on_macOS\" >Installazione su macOS<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Install_on_Windows\" >Installazione su Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Install_on_Linux\" >Installazione su Linux<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Run_your_first_model\" >Eseguite il vostro primo modello<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Verify_the_API_is_running\" >Verificate che l\u2019API sia in esecuzione<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Common_install_problems_and_fixes\" >Problemi comuni durante l\u2019installazione e relative soluzioni<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Configure_Ollama_after_install_storage_memory_and_a_UI\" >Configura Ollama dopo l\u2019installazione: archiviazione, memoria e interfaccia utente<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#FAQ\" >Domande frequenti<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Bottom_line\" >Conclusione<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/convly.ai\/it\/how-to-install-ollama-2026\/#Related_articles\" >Articoli correlati<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Quick_answer_How_do_you_install_Ollama\"><\/span>Quick answer: How do you install Ollama?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Installing Ollama is a download-and-run process that takes around two minutes on every major operating system. On macOS, download the app from ollama.com or run <code>eseguite brew install ollama<\/code>; on Windows, run the official installer, which is native and needs no WSL; on Linux, run the one-liner <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>. Then pull and run your first model with <code>ollama run gemma4<\/code>, and confirm it works when the local API answers at <code>http:\/\/localhost:11434<\/code>.<\/p>\n<ul>\n<li><strong>macOS:<\/strong> download the app from ollama.com or run <code>eseguite brew install ollama<\/code>.<\/li>\n<li><strong>Windows:<\/strong> run the official <code>.exe<\/code> installer \u2014 native, no WSL required \u2014 then check <code>ollama --version<\/code>.<\/li>\n<li><strong>Linux:<\/strong> un unico comando \u2014 <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>.<\/li>\n<li><strong>First model to run:<\/strong> <code>ollama run gemma4<\/code> downloads and runs a strong all-rounder in a single command.<\/li>\n<li><strong>RAM you need:<\/strong> roughly as much free RAM (or VRAM) as the quantized model size \u2014 around 4\u20135 GB for a 7B model and about 8 GB for a 13B model.<\/li>\n<\/ul>\n<div class=\"convly-tldr\">\n<h3>Punti chiave<\/h3>\n<ul>\n<li><strong>Mac:<\/strong> scaricate l\u2019app da ollama.com oppure <code>eseguite brew install ollama<\/code>.<\/li>\n<li><strong>Windows:<\/strong> scaricate ed eseguite l\u2019installer ufficiale \u2014 nativo, senza bisogno di WSL.<\/li>\n<li><strong>Linux:<\/strong> un unico comando \u2014 <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>.<\/li>\n<li><strong>Primo modello:<\/strong> <code>ollama run gemma4<\/code> scarica ed esegue un modello performante e versatile.<\/li>\n<li><strong>Verifica del corretto funzionamento:<\/strong> l\u2019API risponde all\u2019indirizzo <code>http:\/\/localhost:11434<\/code>.<\/li>\n<\/ul>\n<\/div>\n<h2><span class=\"ez-toc-section\" id=\"Before_you_install_can_your_machine_run_it\"><\/span>Prima di installare: il vostro computer \u00e8 in grado di eseguirlo?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama stesso \u00e8 molto leggero, ma i <em>modelli<\/em> modelli non lo sono. Una regola empirica rapida: avete bisogno di una quantit\u00e0 di RAM (o VRAM) libera approssimativamente pari alle dimensioni del modello quantizzato \u2014 circa 4\u20135 GB per un modello da 7 miliardi di parametri (7B), 8 GB per un modello da 13 miliardi (13B), e molto di pi\u00f9 per i modelli pi\u00f9 grandi. Se non siete sicuri delle capacit\u00e0 del vostro hardware, leggete prima la nostra <a href=\"https:\/\/convly.ai\/it\/ollama-system-requirements-2026\/\">guida ai requisiti di sistema per Ollama<\/a> per scegliere un modello compatibile con le vostre risorse.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Install_on_macOS\"><\/span>Installazione su macOS<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Il metodo pi\u00f9 semplice \u00e8 l\u2019app nativa:<\/p>\n<ol>\n<li>Recatevi su <strong>ollama.com\/download<\/strong> e scaricate l\u2019app per macOS.<\/li>\n<li>Aprire il file <code>.dmg<\/code> e trascinare Ollama nella cartella Applicazioni.<\/li>\n<li>Avviatelo \u2014 Ollama verr\u00e0 eseguito in background e il comando <code>ollama<\/code> diventer\u00e0 disponibile nel vostro terminale.<\/li>\n<\/ol>\n<p>Preferite la riga di comando? Usate Homebrew:<\/p>\n<pre><code>eseguite brew install ollama\n<\/code><\/pre>\n<p>Su Apple Silicon (M1\u2013M5), Ollama utilizza automaticamente la GPU tramite il backend MLX di Apple (a partire dalla versione v0.19), garantendo cos\u00ec inferenze veloci senza alcuna configurazione aggiuntiva.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Install_on_Windows\"><\/span>Installazione su Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama \u00e8 eseguibile nativamente su Windows: non hai pi\u00f9 bisogno di WSL:<\/p>\n<ol>\n<li>Scarica l'installer per Windows da <strong>ollama.com\/download<\/strong>.<\/li>\n<li>Esegui il file <code>.exe<\/code> e segui le istruzioni a schermo.<\/li>\n<li>Apri <strong>PowerShell<\/strong> o <strong>Prompt dei comandi<\/strong> e digita <code>ollama --version<\/code> per verificare che l'installazione sia avvenuta correttamente.<\/li>\n<\/ol>\n<p>Se disponi di una GPU NVIDIA, Ollama la rileva automaticamente e utilizza CUDA. Non sono necessari interventi complessi sui driver, purch\u00e9 i driver della tua GPU siano aggiornati.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Install_on_Linux\"><\/span>Installazione su Linux<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Un singolo comando esegue tutto:<\/p>\n<pre><code>curl -fsSL https:\/\/ollama.com\/install.sh | sh\n<\/code><\/pre>\n<p>Questo comando installa Ollama e lo configura come servizio <code>systemd<\/code> che si avvia automaticamente all'accensione del sistema. Per verificare che sia in esecuzione:<\/p>\n<pre><code>systemctl status ollama\n<\/code><\/pre>\n<p>Su Ubuntu e sulla maggior parte delle distribuzioni Linux, l'installer rileva automaticamente le GPU NVIDIA e AMD e configura il backend appropriato. Per le schede AMD, assicurati che ROCm sia installato \u2014 consulta la nostra analisi approfondita su <a href=\"https:\/\/convly.ai\/it\/amd-rocm-vs-nvidia-cuda-2026\/\">ROCm vs CUDA<\/a> per conoscere lo stato del supporto AMD in Ollama nel 2026.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Run_your_first_model\"><\/span>Eseguite il vostro primo modello<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Una volta installato Ollama, puoi scaricare ed eseguire un modello con un singolo comando:<\/p>\n<pre><code>ollama run gemma4\n<\/code><\/pre>\n<p>Alla prima esecuzione il modello viene scaricato (alcuni gigabyte), dopodich\u00e9 verrai indirizzato a una finestra di chat interattiva. Digita una domanda e riceverai una risposta \u2014 interamente sul tuo computer. Alcuni comandi utili:<\/p>\n<ul>\n<li><code>ollama list<\/code> \u2014 mostra l'elenco dei modelli gi\u00e0 scaricati.<\/li>\n<li><code>ollama pull qwen3<\/code> \u2014 scarica un modello senza eseguirlo.<\/li>\n<li><code>ollama rm gemma4<\/code> \u2014 elimina un modello per liberare spazio su disco.<\/li>\n<li><code>ollama ps<\/code> \u2014 mostra quali modelli sono attualmente caricati in memoria.<\/li>\n<\/ul>\n<p>Non sai quale modello scegliere per iniziare? La nostra guida ai <a href=\"https:\/\/convly.ai\/it\/best-local-llms-to-run-on-ollama-2026\/\">migliori LLM locali su Ollama<\/a> associa i modelli a specifici casi d'uso e tipologie di hardware.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Verify_the_API_is_running\"><\/span>Verificate che l\u2019API sia in esecuzione<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama espone un'API REST sulla porta 11434. Per verificarne il funzionamento, esegui:<\/p>\n<pre><code>curl http:\/\/localhost:11434\/api\/tags\n<\/code><\/pre>\n<p>Una risposta JSON contenente l'elenco dei tuoi modelli indica che tutto funziona correttamente. Questo endpoint \u00e8 quello a cui si rivolgeranno le tue applicazioni personalizzate \u2014 e poich\u00e9 Ollama offre un'API compatibile con OpenAI, gran parte del codice esistente funzioner\u00e0 semplicemente modificando l'URL base.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Common_install_problems_and_fixes\"><\/span>Problemi comuni durante l\u2019installazione e relative soluzioni<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><strong>\u00abollama: command not found\u00bb (Mac\/Linux):<\/strong> l'app \u00e8 stata installata, ma non \u00e8 presente nel tuo percorso <code>PATH<\/code>. Su Mac, assicurati di aver lanciato l'app almeno una volta; su Linux, apri una nuova shell dopo l'installazione.<\/li>\n<li><strong>I download dei modelli sono lenti o si bloccano:<\/strong> Ollama scarica file di grandi dimensioni; un download bloccato di solito riprende correttamente eseguendo nuovamente <code>ollama pull &lt;modello&gt;<\/code> \u2014 il processo riprende dall'ultimo punto invece di ricominciare da zero.<\/li>\n<li><strong>La GPU non viene utilizzata:<\/strong> controlla <code>ollama ps<\/code> \u2014 se viene mostrato un utilizzo del 100% della CPU, i driver della GPU potrebbero essere obsoleti oppure il modello potrebbe essere troppo grande per entrare nella VRAM e quindi essere stato spostato parzialmente sulla CPU. Prova un modello pi\u00f9 piccolo o pi\u00f9 fortemente quantizzato.<\/li>\n<li><strong>Errori \u00about of memory\u00bb:<\/strong> il modello \u00e8 pi\u00f9 grande della RAM\/VRAM disponibile. Scarica una versione quantizzata pi\u00f9 leggera (cerca le varianti con indicazione <code>q4<\/code> ) oppure un modello di dimensioni inferiori. La nostra <a href=\"https:\/\/convly.ai\/it\/ollama-system-requirements-2026\/\">guida ai requisiti di sistema<\/a> tabella comparativa<\/li>\n<li><strong>mostra quali modelli si adattano a ciascuna configurazione hardware.<\/strong> La porta 11434 \u00e8 gi\u00e0 in uso:<code>ollama ps<\/code> un'altra istanza di Ollama \u00e8 gi\u00e0 in esecuzione. Arrestala (<\/li>\n<\/ul>\n<p><!--ai-enriched--><\/p>\n<h2><span class=\"ez-toc-section\" id=\"Configure_Ollama_after_install_storage_memory_and_a_UI\"><\/span>Configura Ollama dopo l\u2019installazione: archiviazione, memoria e interfaccia utente<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Installare Ollama \u00e8 la parte pi\u00f9 semplice. Alcune impostazioni determinano se il programma rimane trasparente oppure consuma silenziosamente spazio su disco e RAM. Tutte queste impostazioni sono variabili d\u2019ambiente, il cui posizionamento dipende dal sistema operativo: su macOS usa <strong>launchctl setenv<\/strong>, su Linux modifica il servizio con <strong>systemctl edit ollama.service<\/strong> e aggiungi una riga <code>Environment=<\/code> ; su Windows, invece, aggiungi una variabile d\u2019ambiente utente dalle Impostazioni. Dopo ogni modifica, riavvia Ollama affinch\u00e9 gli effetti abbiano luogo.<\/p>\n<p>Le quattro variabili pi\u00f9 importanti sono:<\/p>\n<ul>\n<li><strong>OLLAMA_MODELS<\/strong> \u2014 specifica la cartella in cui vengono memorizzati i modelli. Poich\u00e9 i modelli sono molto grandi e la posizione predefinita si trova sul disco di sistema (<code>~\/.ollama\/models<\/code> su macOS, <code>\/usr\/share\/ollama\/.ollama\/models<\/code> su Linux, <code>C:\\Users\\&lt;tuonome&gt;\\.ollama\\models<\/code> su Windows), ti consigliamo di puntare questa variabile verso un\u2019unit\u00e0 pi\u00f9 capiente o pi\u00f9 veloce prima di scaricare diversi modelli. Su Linux, assicurati che l\u2019utente <code>ollama<\/code> abbia i permessi di lettura e scrittura sulla nuova cartella.<\/li>\n<li><strong>OLLAMA_KEEP_ALIVE<\/strong> \u2014 indica per quanto tempo un modello rimane caricato in memoria dopo una richiesta. Il valore predefinito \u00e8 5 minuti. Impostalo su <code>-1<\/code> per mantenere il modello sempre in memoria, evitando ritardi sulla prima richiesta, oppure su <code>0<\/code> per scaricarlo immediatamente e liberare la VRAM non appena termini l\u2019uso.<\/li>\n<li><strong>OLLAMA_CONTEXT_LENGTH<\/strong> \u2014 definisce la finestra contestuale. Per impostazione predefinita, Ollama utilizza un valore conservativo di 4096 token, pertanto documenti lunghi vengono troncati in modo silenzioso. Aumentalo (ad esempio a 8192 o superiore) se il modello lo supporta, abbinandolo a <strong>OLLAMA_FLASH_ATTENTION=1<\/strong> per contenere i costi aggiuntivi di memoria.<\/li>\n<li><strong>OLLAMA_HOST<\/strong> \u2014 specifica l\u2019indirizzo a cui il server si associa. Per impostazione predefinita, Ollama ascolta solo su <code>127.0.0.1:11434<\/code>, quindi nessun altro dispositivo della tua rete pu\u00f2 raggiungerlo. Impostalo su <code>0.0.0.0:11434<\/code> per utilizzare Ollama da un altro computer, da uno smartphone o da un contenitore Docker.<\/li>\n<\/ul>\n<p>Un\u2019ultima importante avvertenza riguardo a quest\u2019ultima opzione: l\u2019API di Ollama <strong>non dispone di autenticazione integrata<\/strong>. Associato a <code>0.0.0.0<\/code> significa che chiunque possa raggiungere la porta 11434 e far girare modelli sul tuo hardware. Effettua questa configurazione esclusivamente su una LAN attendibile e, qualora il computer sia esposto pubblicamente, proteggilo con un reverse proxy o una regola firewall.<\/p>\n<p>Infine, la riga di comando va bene per i test, ma diventa noiosa per un utilizzo quotidiano. La soluzione pi\u00f9 comune \u00e8 <strong>Open WebUI<\/strong>, un\u2019interfaccia web self-hosted, simile a ChatGPT, che comunica con la tua istanza locale di Ollama. Il metodo pi\u00f9 rapido prevede l\u2019uso di Docker: il contenitore espone internamente la porta 8080, quindi mappala su una porta host con <code>-p 3000:8080<\/code> e apri <code>http:\/\/localhost:3000<\/code>, quindi configuralo per puntare alla tua istanza di Ollama. Otterrai cronologia delle conversazioni, commutazione tra modelli e caricamento di documenti, il tutto eseguito interamente sul tuo computer.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"FAQ\"><\/span>Domande frequenti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Come installo Ollama su Windows?<\/h3>\n<p>Scarica l'installer nativo da ollama.com\/download ed esegui il file <code>.exe<\/code>. Ollama gira nativamente su Windows, senza richiedere WSL, e utilizza automaticamente una GPU NVIDIA tramite CUDA, qualora ne sia disponibile una. Verifica l'installazione eseguendo <code>ollama --version<\/code> in PowerShell.<\/p>\n<h3>Come installo Ollama su Linux?<\/h3>\n<p>Esegui <code>curl -fsSL https:\/\/ollama.com\/install.sh | sh<\/code>. Questo comando installa Ollama e lo registra come servizio systemd. Verificalo con <code>systemctl status ollama<\/code>. L'installer rileva automaticamente le GPU NVIDIA e AMD.<\/p>\n<h3>Posso installare Ollama tramite Homebrew?<\/h3>\n<p>S\u00ec \u2014 <code>eseguite brew install ollama<\/code> funziona su macOS. L'app nativa da ollama.com \u00e8 altrettanto valida e include una presenza nella barra dei menu; l\u2019installazione tramite Homebrew \u00e8 comoda se gestisci tutto dalla riga di comando.<\/p>\n<h3>Dove memorizza Ollama i modelli?<\/h3>\n<p>Per impostazione predefinita, su Mac e Linux in <code>~\/.ollama\/models<\/code>, e su Windows nella tua cartella profilo utente. I modelli possono occupare diversi gigabyte ciascuno, quindi usa <code>ollama list<\/code> per tenere traccia di ci\u00f2 che hai scaricato e <code>ollama rm &lt;modello&gt;<\/code> per liberare spazio.<\/p>\n<h3>\u00c8 sicuro installare Ollama?<\/h3>\n<p>S\u00ec. Ollama \u00e8 open source (licenza MIT) ed \u00e8 ampiamente utilizzato. Vale la solita cautela per lo script di installazione Linux in un\u2019unica riga: si tratta dello script ufficiale del progetto, ma, se preferisci, puoi scaricare ed esaminare <code>install.sh<\/code> prima di eseguirlo.<\/p>\n<h3>Perch\u00e9 Ollama taglia continuamente i prompt o i documenti lunghi?<\/h3>\n<p>Ollama utilizza per impostazione predefinita una finestra di contesto di 4096 token, indipendentemente dalla capacit\u00e0 effettiva del modello; pertanto, gli input pi\u00f9 lunghi vengono troncati senza alcun avviso. Per aumentarla, avvia il server con <code>OLLAMA_CONTEXT_LENGTH<\/code> impostando un valore pi\u00f9 alto (ad esempio 8192 o superiore), fino al limite massimo supportato dal modello. Una finestra di contesto pi\u00f9 ampia richiede pi\u00f9 memoria, quindi abilita <code>OLLAMA_FLASH_ATTENTION=1<\/code> per compensare questo costo e monitora attentamente lo spazio disponibile nella RAM o nella VRAM.<\/p>\n<h3>Come faccio ad accedere a Ollama da un altro computer della mia rete?<\/h3>\n<p>Per impostazione predefinita, Ollama ascolta solo su localhost e risulta quindi invisibile agli altri dispositivi. Imposta <code>OLLAMA_HOST=0.0.0.0:11434<\/code> e riavvia il servizio; quindi connettiti utilizzando l\u2019indirizzo IP LAN del computer host sulla porta 11434. Tieni presente che l\u2019API non prevede alcuna autenticazione, quindi esponila esclusivamente su reti di cui ti fidi pienamente; inoltre, se il computer \u00e8 raggiungibile dall\u2019esterno della tua abitazione o del tuo ufficio, proteggilo mediante una regola firewall o un reverse proxy.<\/p>\n<h3>Come posso impedire a Ollama di ricaricare il modello ad ogni richiesta?<\/h3>\n<p>Questo ritardo corrisponde al caricamento del modello in memoria tra un\u2019utilizzo e l\u2019altro. Per impostazione predefinita, Ollama mantiene il modello caricato per 5 minuti; imposta <code>OLLAMA_KEEP_ALIVE=-1<\/code> per mantenerlo residente in memoria indefinitamente, garantendo cos\u00ec tempi di risposta istantanei ai prompt. Il compromesso \u00e8 che il modello occuper\u00e0 costantemente RAM o VRAM; se preferisci liberare tale memoria non appena una richiesta viene completata, utilizza invece <code>0<\/code> .<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Bottom_line\"><\/span>Conclusione<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Su qualsiasi sistema operativo, installare Ollama richiede semplicemente di scaricare ed eseguire il programma: ci vogliono circa due minuti, e il primo modello locale \u00e8 a portata di un solo comando. Scegli un modello adatto al tuo hardware, verifica che l\u2019API risponda sulla porta 11434, e avrai un LLM privato e gratuito in esecuzione direttamente sul tuo computer. Da qui, puoi esplorare <a href=\"https:\/\/convly.ai\/it\/best-local-llms-to-run-on-ollama-2026\/\">quali modelli eseguire<\/a> e <a href=\"https:\/\/convly.ai\/it\/ollama-system-requirements-2026\/\">quanta potenza hardware richiede ciascuno<\/a>.<\/p>\n<p><!--related-block--><\/p>\n<div class=\"convly-related\">\n<h2><span class=\"ez-toc-section\" id=\"Related_articles\"><\/span>Articoli correlati<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><a href=\"https:\/\/convly.ai\/it\/deepseek-v4-flash-vs-gemini-3-5-flash\/\">DeepSeek V4-Flash vs Gemini 3.5 Flash: Specs, Pricing &amp; Which to Choose (2026)<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/it\/claude-5-new-ai-models-june-2026\/\">Esiste un Claude 5? Claude Fable 5 e tutti i principali modelli IA di giugno 2026<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/it\/llm-hallucinations-complete-guide\/\">Allucinazioni nei modelli linguistici di grandi dimensioni nel 2026: perch\u00e9 si verificano e come evitarle<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/it\/prompt-engineering-techniques\/\">Ingegneria dei prompt nel 2026: 12 tecniche che funzionano davvero<\/a><\/li>\n<li><a href=\"https:\/\/convly.ai\/it\/what-is-ollama-complete-guide-2026\/\">Cos\u2019\u00e8 Ollama? La guida completa all\u2019esecuzione locale di modelli linguistici di grandi dimensioni nel 2026<\/a><\/li>\n<\/ul>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>Installing Ollama takes about two minutes on any OS. Here are the exact steps for Mac, Windows, and Linux, plus how to run your first model and fix the errors people actually hit.<\/p>","protected":false},"author":1,"featured_media":1813,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[3],"tags":[637,634,256,635,638,636],"class_list":["post-789","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-llms","tag-how-to-install-ollama","tag-install-ollama","tag-local-llm","tag-ollama-install","tag-ollama-setup","tag-ollama-tutorial"],"_links":{"self":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/789","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/comments?post=789"}],"version-history":[{"count":4,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/789\/revisions"}],"predecessor-version":[{"id":1514,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/789\/revisions\/1514"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media\/1813"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media?parent=789"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/categories?post=789"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/tags?post=789"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}