Se você executa modelos localmente, a biblioteca do Ollama é de onde a maioria deles provém — mas ela muda constantemente e os nomes são cripticos. Este é um guia prático Lista de modelos do Ollama para 2026: os modelos que as pessoas realmente executam, quanto de memória cada um exige e para que cada um é indicado, além de como listar os modelos que você já possui e baixar novos. Por padrão, o Ollama baixa uma versão quantizada em 4 bits, razão pela qual um modelo de "70B" pode caber em uma estação de trabalho potente e um modelo de "8B" roda em um laptop. Os tamanhos indicados abaixo são aproximações dos valores padrão — verifique sempre o Banco de dados de modelos de IA ou execute ollama list para saber quais modelos estão disponíveis atualmente na sua máquina.
Referência rápida
- Executável em qualquer laptop (8 GB de RAM): Llama 3.2 3B, Phi-3 Mini, Gemma 3 4B — small, fast, offline.
- Melhor desempenho geral (16 GB): Llama 3.1 8B, Qwen 2.5 7B, Mistral 7B — the sweet spot for most people.
- Alta qualidade (32 GB+ / GPU): Gemma 2 27B, Qwen 2.5 32B, Mixtral 8x7B.
- Próximo do estado da arte (workstation / 48 GB+): Llama 3.3 70B, DeepSeek-R1 70B.
- Raciocínio: DeepSeek-R1 é uma versão refinada (distilled). Codificação: Qwen 2.5 Coder, Code Llama. Visão: LLaVA. Incorporações: nomic-embed-text.
- A regra: escolha com base na memória disponível — verifique qualquer modelo gratuitamente com nossa Calculadora de VRAM.
Key Facts
- Qualquer laptop (8 GB de RAM): Llama 3.2 3B, Phi-3 Mini, Gemma 3 4B
- O ponto ideal de 16 GB: Llama 3.1 8B, Qwen 2.5 7B, Mistral 7B
- 32 GB ou mais/GPU: Gemma 2 27B, Qwen 2.5 32B, Mixtral 8x7B — Estação de trabalho com 48 GB ou mais: Llama 3.3 70B, DeepSeek-R1 70B
- O Ollama faz o download, por padrão, de versões quantizadas em 4 bits — é por isso que um modelo de “70B” cabe confortavelmente em uma boa estação de trabalho
- Especialistas: Qwen 2.5 Coder (programação) · LLaVA (visão) · nomic-embed-text (incorporações) · versões distiladas do DeepSeek-R1 (raciocínio)
Os modelos Ollama mais populares à primeira vista
Todos os modelos listados abaixo estão disponíveis com um simples comando ollama pull <nome>. «Baixar» indica aproximadamente o tamanho padrão em 4 bits (Q4); «Memória mínima» representa a quantidade prática mínima de RAM do sistema (CPU) ou VRAM (GPU) necessária para executá-lo confortavelmente. As contagens de parâmetros são exatas; os tamanhos são aproximados e podem variar em cada nova versão.
| Modelo | Parâmetros | Baixar (Q4) | Memória mínima | Melhor para |
|---|---|---|---|---|
| Llama 3.2 | 1B / 3B | ~1,3 / 2 GB | 4–8 GB | Dispositivos de borda, smartphones, conversação ultraleve |
| Llama 3.1 | 8B | ~4,7 GB | 8–16 GB | Melhor modelo pequeno versátil |
| Llama 3.3 | 70B | ~43 GB | 48 GB+ | Modelo aberto próximo do estado da arte |
| Gemma 3 | 1B / 4B | ~0,8 / 3,3 GB | 4–8 GB | Pequeno e eficiente (Google) |
| Gemma 2 | 9B / 27B | ~5,4 / 16 GB | 12–32 GB | Excelente relação qualidade/tamanho |
| Qwen 2.5 | 0,5B–72B | ~0,4–47 GB | 4 GB+ | Multilíngue, ampla faixa de tamanhos |
| Qwen 2.5 Coder | 1,5B–32B | ~1–20 GB | 8 GB ou mais | Assistente local de programação |
| Mistral | 7B | ~4,1 GB | 8 GB | Clássico rápido e confiável |
| Mistral Nemo | 12B | ~7 GB | 16 GB | Contexto longo de 128k |
| Mixtral | 8×7B | ~26 GB | 32 GB ou mais | Qualidade de mistura de especialistas (mixture-of-experts) |
| Phi-4 | 14B | ~9 GB | 16 GB | Raciocínio em um modelo pequeno |
| Phi-3 Mini | 3,8 bilhões | ~2,3 GB | 8 GB | Pequeno, mas capaz |
| DeepSeek-R1 (versão destilada) | 1,5 bilhão – 70 bilhões | ~1,1 – 43 GB | 8 GB ou mais | Raciocínio passo a passo |
| LLaVA | 7B – 34B | ~4,7 – 20 GB | 8 GB ou mais | Visão computacional (compreensão de imagens) |
| nomic-embed-text | — | ~0,3 GB | 2 GB | Incorporações (embeddings) para RAG/pesquisa |
Quer comparar esses modelos locais com os modelos em nuvem quanto a preço e velocidade? A Banco de dados de modelos de IA lista modelos abertos e fechados lado a lado, e o Calculadora de custos de API de IA mostra quando executar localmente é mais vantajoso do que pagar por token.
Como listar os modelos Ollama já instalados
Para ver todos os modelos já instalados em sua máquina, com seus tamanhos e data da última utilização, execute:
ollama list
Esse comando exibe o nome, a tag, o ID exclusivo e o tamanho de cada modelo. Para ver quais modelos estão atualmente carregados na memória, use ollama ps; para remover um modelo que você não precisa mais e recuperar espaço em disco, use ollama rm <nome>. Esses três comandos — list, ps e rm — são tudo de que você precisa para gerenciar uma coleção de modelos locais.
Como encontrar e baixar novos modelos da biblioteca
O catálogo completo do Ollama está disponível em sua biblioteca online, e baixar qualquer modelo exige apenas um comando:
ollama pull llama3.1 ou execute-o diretamente com ollama run llama3.1
Os nomes dos modelos usam tags para indicar tamanho e variante — por exemplo, llama3.1:8b, gemma2:27b, qwen2.5:14b. Se você omitir a tag, o Ollama baixa uma versão padrão razoável (geralmente o tamanho mais popular em quantização de 4 bits). Para uma primeira instalação, nosso step-by-step Ollama install guia abrange Mac, Windows e Linux.
Modelos pequenos — executam em quase qualquer laptop
Modelos com 1 bilhão a cerca de 4 bilhões de parâmetros rodam tranquilamente em um laptop moderno com 8 GB de RAM, sem necessidade de GPU. Llama 3.2 3B, Gemma 3 4B e Phi-3 Mini são destaques: rápidos, realmente úteis para resumir, redigir textos e responder perguntas simples, além de serem pequenos o suficiente para permanecer carregados na memória. Eles não igualam modelos de ponta em nuvem, mas são excelentes para tarefas cotidianas privadas e offline — e constituem o ponto de partida ideal se você é novo no uso de IA local.
Modelos de tamanho médio — o ponto ideal para 16 GB
A classe de 7B a 14B é onde a maioria das pessoas deveria começar. Llama 3.1 8B, Qwen 2.5 7B e Mistral 7B oferecem um grande salto em coerência em comparação com os modelos menores, mantendo-se confortavelmente dentro de 16 GB de RAM ou em uma GPU convencional. Phi-4 e Mistral Nemo impulsionam ainda mais a qualidade e o comprimento do contexto. Se você busca um único modelo para uso geral, escolha entre esta linha — ela representa o melhor equilíbrio entre capacidade e exigências de hardware.
Modelos grandes — exigem workstation ou GPU
A partir de 27B, você entra em um patamar de hardware mais exigente. Gemma 2 27B e Qwen 2.5 32B exige 32 GB ou mais; Mixtral 8x7B e os modelos da classe 70B — Llama 3.3 70B e o DeepSeek-R1 70B (versão destilada) — exigem 48 GB ou mais de memória rápida, o que, na prática, significa uma GPU com alta quantidade de VRAM ou um Mac com chip Apple Silicon de alta memória. A recompensa é uma qualidade que se aproxima muito da dos grandes modelos em nuvem, rodando inteiramente em sua própria máquina. Confira nosso melhores GPUs para IA guia sobre quais equipamentos realmente suportam esses modelos.
Modelos especializados: codificação, visão e incorporações (embeddings)
Além de conversação geral, o Ollama hospeda modelos especializados em tarefas específicas. Qwen 2.5 Coder e Code Llama são criados para programação e se integram bem com ferramentas locais de IDE. LLaVA adiciona capacidade visual, permitindo que um modelo descreva ou raciocine sobre imagens. E modelos de incorporação (embedding), como nomic-embed-text e mxbai-embed-large não realizam conversas de forma alguma — eles convertem texto em vetores para busca e geração aumentada por recuperação (RAG), a espinha dorsal de uma configuração local de RAG.
Qual modelo Ollama você realmente deveria usar?
A resposta honesta é: o maior modelo que sua memória conseguir carregar na classe de que você precisa. Para uso geral, comece com um modelo de 8B e suba apenas se a qualidade for insuficiente. Para raciocínio, experimente uma versão distilada do DeepSeek-R1; para programação, o Qwen 2.5 Coder; para imagens, o LLaVA. Classificamos as melhores opções por caso de uso em os melhores LLMs locais para executar no Ollama, e comparamos o próprio Ollama com alternativas em Ollama versus LM Studio versus vLLM versus llama.cpp.
Verifique se o modelo cabe no seu sistema antes de baixá-lo
O erro mais comum é baixar um modelo muito grande para sua máquina — ele simplesmente recusará o carregamento ou ficará extremamente lento ao recorrer à troca com o disco. Antes de baixar, avalie seu tamanho: como regra aproximada, um modelo quantizado em 4 bits exige pouco menos de 1 GB de memória por bilhão de parâmetros, além de uma margem de segurança para o contexto. Nossa ferramenta gratuita Calculadora de VRAM fornece o valor exato para qualquer modelo e tipo de quantização, e Requisitos do sistema do Ollama explicam detalhadamente a compensação entre RAM e VRAM.
Perguntas frequentes
Como listar os modelos instalados no Ollama? Executar ollama list para ver todos os modelos instalados com seus respectivos tamanhos, ollama ps para saber qual está carregado no momento e ollama rm <nome> para excluí-lo.
Qual é o melhor modelo do Ollama? Não há um único melhor modelo — tudo depende da sua memória disponível. O Llama 3.1 8B é a melhor escolha equilibrada para máquinas com 16 GB de RAM; consulte nossa lista classificada para cada caso de uso.
Quantos modelos o Ollama possui? Centenas, abrangendo famílias de modelos para conversação, programação, visão e incorporação (embedding), com múltiplos tamanhos em cada categoria. A tabela acima cobre os modelos que a maioria das pessoas realmente executa.
Quanta RAM preciso para executar modelos do Ollama? 8 GB são suficientes para modelos pequenos (1B–4B); 16 GB suportam a popular classe de 7B–8B; já 32 GB ou mais, ou uma GPU, são necessários para modelos de 27B ou maiores. Verifique qualquer modelo com nossa Calculadora de VRAM.
Posso executar esses modelos offline? Sim — uma vez baixados, todos os modelos do Ollama rodam inteiramente em sua máquina, sem necessidade de conexão com a internet, o que constitui justamente a principal razão para usar modelos locais.
Resumo final
A lista de modelos do Ollama é extensa, mas a escolha é simples: defina primeiro o que você precisa — conversação geral, raciocínio, programação, visão ou incorporações (embeddings) — e, em seguida, selecione o maior modelo nessa categoria que sua memória consiga suportar. Comece com um modelo de 8B, use ollama list para acompanhar o que você já tem instalado e confie sempre na Calculadora de VRAM antes de cada download, para nunca baixar algo que sua máquina não consiga executar. A partir daí, executar uma IA capaz, local e privada requer apenas alguns comandos.
Nomes, tamanhos e disponibilidade dos modelos mudam frequentemente; os valores indicados são aproximações baseadas nas configurações padrão vigentes até meados de 2026 — verifique-os com ollama list e com a biblioteca oficial antes de confiar neles.
