{"id":2535,"date":"2026-09-01T20:12:15","date_gmt":"2026-09-01T20:12:15","guid":{"rendered":"https:\/\/convly.ai\/?p=2535"},"modified":"2026-09-01T20:12:15","modified_gmt":"2026-09-01T20:12:15","slug":"ollama-windows","status":"publish","type":"post","link":"https:\/\/convly.ai\/pt\/ollama-windows\/","title":{"rendered":"Ollama no Windows: Guia de instala\u00e7\u00e3o e instru\u00e7\u00f5es de configura\u00e7\u00e3o"},"content":{"rendered":"<div class=\"convly-tldr\"><strong>Resumo r\u00e1pido:<\/strong><\/p>\n<ul>\n<li>Baixe o instalador oficial em <code>ollama.com\/download<\/code>, execute-o e o Ollama ser\u00e1 instalado como um servi\u00e7o em segundo plano<\/li>\n<li>Requer Windows 10 ou superior e, no m\u00ednimo, 8 GB de RAM; GPUs NVIDIA\/AMD s\u00e3o detectadas automaticamente para acelera\u00e7\u00e3o<\/li>\n<li>Execute modelos com <code>ollama run &lt;modelo&gt;<\/code> no Prompt de Comando ou PowerShell \u2014 nenhuma configura\u00e7\u00e3o adicional \u00e9 necess\u00e1ria<\/li>\n<li>Os modelos s\u00e3o instalados, por padr\u00e3o, em <code>%USERPROFILE%\\.ollama\\models<\/code> \u2014 \u00e9 poss\u00edvel alterar esse caminho usando a vari\u00e1vel de ambiente <code>OLLAMA_MODELS<\/code> OLLAMA_MODELS<\/li>\n<\/ul>\n<\/div>\n<p>Ollama on Windows is a native application that runs large language models locally without Docker or WSL2. The Windows installer sets up Ollama as a system service that starts automatically and provides GPU acceleration through DirectML and CUDA. Installation takes under two minutes, and you can run models like Llama 3.3 70B or Mistral 7B immediately from the command line.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_86 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a975669e2979\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Alternar<\/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-6a975669e2979\"  aria-label=\"Alternar\" \/><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\/pt\/ollama-windows\/#System_Requirements_for_Ollama_on_Windows\" >Requisitos do sistema para Ollama no Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/pt\/ollama-windows\/#Installing_Ollama_on_Windows\" >Instalando o Ollama no Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/pt\/ollama-windows\/#GPU_Support_and_Detection\" >Suporte e detec\u00e7\u00e3o de GPU<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/pt\/ollama-windows\/#Running_Your_First_Model\" >Executando seu primeiro modelo<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/pt\/ollama-windows\/#Configuration_and_Environment_Variables\" >Configura\u00e7\u00e3o e vari\u00e1veis de ambiente<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/pt\/ollama-windows\/#Performance_Tuning\" >Ajuste de desempenho<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/pt\/ollama-windows\/#Integrating_with_Applications\" >Integra\u00e7\u00e3o com aplica\u00e7\u00f5es<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/pt\/ollama-windows\/#Frequently_Asked_Questions\" >Perguntas frequentes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/convly.ai\/pt\/ollama-windows\/#Next_Steps\" >Pr\u00f3ximos passos<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"System_Requirements_for_Ollama_on_Windows\"><\/span>Requisitos do sistema para Ollama no Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O Ollama requer Windows 10 (compila\u00e7\u00e3o 1903 ou posterior) ou Windows 11. As especifica\u00e7\u00f5es m\u00ednimas de hardware s\u00e3o:<\/p>\n<table>\n<thead>\n<tr>\n<th>Componente<\/th>\n<th>M\u00ednimo<\/th>\n<th>Recomendado<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Sistema operacional<\/td>\n<td>Windows 10 (1903+)<\/td>\n<td>Windows 11<\/td>\n<\/tr>\n<tr>\n<td>RAM<\/td>\n<td>8 GB<\/td>\n<td>16 GB ou mais<\/td>\n<\/tr>\n<tr>\n<td>Espa\u00e7o em disco<\/td>\n<td>10 GB livres<\/td>\n<td>50+ GB para v\u00e1rios modelos<\/td>\n<\/tr>\n<tr>\n<td>GPU (opcional)<\/td>\n<td>NVIDIA GTX 1050 ou equivalente AMD<\/td>\n<td>NVIDIA RTX 3060 12 GB ou superior<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>A acelera\u00e7\u00e3o por GPU funciona com GPUs NVIDIA (CUDA 11.8 ou posterior) e GPUs AMD recentes (via ROCm no Windows). O instalador inclui as bibliotecas necess\u00e1rias para GPU; voc\u00ea n\u00e3o precisa instalar o CUDA separadamente. Sem GPU, o Ollama recorre \u00e0 infer\u00eancia por CPU, que \u00e9 5\u201310 vezes mais lenta, mas funcional para modelos menores.<\/p>\n<p>O tamanho do modelo determina os requisitos reais de RAM ou VRAM. Por exemplo, <a href=\"https:\/\/convly.ai\/pt\/models\/\">Mistral 7B<\/a> requer aproximadamente 4,5 GB de VRAM em quantiza\u00e7\u00e3o de 4 bits, enquanto o Llama 3.3 70B exige cerca de 40 GB. Consulte a <a href=\"https:\/\/convly.ai\/pt\/llm-vram-calculator\/\">Calculadora de VRAM<\/a> p\u00e1gina de detalhes do modelo no Hugging Face ou no site oficial do Ollama<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Installing_Ollama_on_Windows\"><\/span>Instalando o Ollama no Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O instalador oficial para Windows \u00e9 um \u00fanico execut\u00e1vel que gerencia todas as depend\u00eancias:<\/p>\n<ol>\n<li>Baixar <code>OllamaSetup.exe<\/code> de <a href=\"https:\/\/ollama.com\/download\" rel=\"noopener\" target=\"_blank\">ollama.com\/download<\/a><\/li>\n<li>Execute o instalador \u2014 privil\u00e9gios de administrador s\u00e3o necess\u00e1rios<\/li>\n<li>Aceite a licen\u00e7a e clique em Instalar (o local padr\u00e3o \u00e9 <code>C:\\Program Files\\Ollama<\/code>)<\/li>\n<li>O instalador conclui em 30\u201360 segundos e inicia automaticamente o servi\u00e7o Ollama<\/li>\n<\/ol>\n<p>Ap\u00f3s a instala\u00e7\u00e3o, abra o Prompt de Comando ou o PowerShell e verifique com:<\/p>\n<pre><code>ollama --version<\/code><\/pre>\n<p>Voc\u00ea dever\u00e1 ver uma sa\u00edda como <code>ollama version 0.x.x<\/code>. O servi\u00e7o Ollama roda em segundo plano \u2014 voc\u00ea ver\u00e1 um \u00edcone do Ollama na \u00e1rea de notifica\u00e7\u00e3o quando estiver ativo.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"GPU_Support_and_Detection\"><\/span>Suporte e detec\u00e7\u00e3o de GPU<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O Ollama detecta e usa automaticamente as GPUs dispon\u00edveis no Windows. Para confirmar se a acelera\u00e7\u00e3o por GPU est\u00e1 funcionando:<\/p>\n<pre><code>ollama run llama3.3:70b \"test\"<\/code><\/pre>\n<p>Enquanto o modelo \u00e9 carregado, observe o Gerenciador de Tarefas (guia Desempenho). Se a utiliza\u00e7\u00e3o da GPU aparecer sob GPU 0 ou GPU 1, a acelera\u00e7\u00e3o est\u00e1 ativa. Na primeira execu\u00e7\u00e3o, o modelo \u00e9 baixado (5\u201340 GB, conforme o tamanho) para <code>%USERPROFILE%\\.ollama\\models<\/code>%USERPROFILE%\\.ollama\\models<\/p>\n<p>Usu\u00e1rios de NVIDIA com GPUs RTX 3060 ou mais recentes obt\u00eam o melhor desempenho gra\u00e7as aos 12+ GB de VRAM e \u00e0s otimiza\u00e7\u00f5es das arquiteturas Ampere\/Ada. O suporte a GPUs AMD no Windows est\u00e1 melhorando, mas ainda fica atr\u00e1s da NVIDIA \u2014 espere uma infer\u00eancia 20\u201330% mais lenta em hardware AMD equivalente. GPUs Intel Arc n\u00e3o s\u00e3o oficialmente suportadas at\u00e9 setembro de 2026.<\/p>\n<p>Se o Ollama n\u00e3o detectar sua GPU, verifique se seus drivers est\u00e3o atualizados (NVIDIA: 537.13 ou posterior; AMD: Adrenalin 23.11 ou posterior). As mensagens de erro do Ollama normalmente indicam se a GPU foi ignorada devido \u00e0 VRAM insuficiente ou drivers ausentes.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Running_Your_First_Model\"><\/span>Executando seu primeiro modelo<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O <code>ollama run<\/code> o comando faz o download, carrega e inicia uma sess\u00e3o interativa com um modelo:<\/p>\n<pre><code>ollama run phi4<\/code><\/pre>\n<p>This downloads Microsoft&#8217;s Phi-4 (approximately 9 GB VRAM at 4-bit quantization) and opens a chat prompt. Type your question, press Enter, and the model responds locally. Exit with <code>\/bye<\/code> Ctrl+D<\/p>\n<p>Modelos comuns para testar em hardware Windows:<\/p>\n<table>\n<thead>\n<tr>\n<th>Modelo<\/th>\n<th>VRAM (4 bits)<\/th>\n<th>Melhor Para<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Mistral 7B<\/td>\n<td>~4,5 GB<\/td>\n<td>Tarefas gerais, respostas r\u00e1pidas<\/td>\n<\/tr>\n<tr>\n<td>Llama 3.1 8B<\/td>\n<td>~5 GB<\/td>\n<td>Qualidade e velocidade equilibradas<\/td>\n<\/tr>\n<tr>\n<td>Phi-4<\/td>\n<td>~9 GB<\/td>\n<td>Racioc\u00ednio e tamanho compacto<\/td>\n<\/tr>\n<tr>\n<td>Llama 3.3 70B<\/td>\n<td>~40 GB<\/td>\n<td>GPUs de alta performance, melhor qualidade<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Navegue pelos modelos dispon\u00edveis em <a href=\"https:\/\/convly.ai\/pt\/ollama-models-list-2026\/\">Lista de modelos do Ollama<\/a> ou pesquise na biblioteca com <code>ollama list<\/code> ap\u00f3s baixar pelo menos um modelo.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Configuration_and_Environment_Variables\"><\/span>Configura\u00e7\u00e3o e vari\u00e1veis de ambiente<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O Ollama l\u00ea a configura\u00e7\u00e3o a partir das vari\u00e1veis de ambiente do Windows. Defina-as em Propriedades do Sistema \u2192 Vari\u00e1veis de Ambiente ou no PowerShell com <code>$env:VARIABLE_NAME<\/code>.<\/p>\n<p>Principais vari\u00e1veis:<\/p>\n<ul>\n<li><strong>OLLAMA_MODELS<\/strong>: Diret\u00f3rio para armazenamento de modelos (padr\u00e3o: <code>%USERPROFILE%\\.ollama\\models<\/code>). Altere isso se sua unidade C: tiver espa\u00e7o limitado.<\/li>\n<li><strong>OLLAMA_HOST<\/strong>: Endere\u00e7o do servidor (padr\u00e3o: <code>127.0.0.1:11434<\/code>). Defina como <code>0.0.0.0:11434<\/code> para aceitar conex\u00f5es de rede.<\/li>\n<li><strong>OLLAMA_NUM_PARALLEL<\/strong>: N\u00famero de requisi\u00e7\u00f5es simult\u00e2neas (padr\u00e3o: 1). Aumente esse valor se estiver atendendo m\u00faltiplos clientes.<\/li>\n<li><strong>OLLAMA_MAX_LOADED_MODELS<\/strong>: N\u00famero de modelos mantidos na VRAM (padr\u00e3o: 1). Defina como 2 ou mais se voc\u00ea tiver 24 GB ou mais de VRAM e desejar altern\u00e2ncia instant\u00e2nea entre modelos.<\/li>\n<\/ul>\n<p>Ap\u00f3s alterar as vari\u00e1veis de ambiente, reinicie o servi\u00e7o Ollama por meio do Gerenciador de Servi\u00e7os (Win+R, digite <code>services.msc<\/code>, localize o servi\u00e7o Ollama, clique com o bot\u00e3o direito e selecione Reiniciar) ou reinicie o computador.<\/p>\n<p>Para mover modelos para uma unidade diferente, defina OLLAMA_MODELS e reinicie o servi\u00e7o. Os modelos existentes precisam ser baixados novamente \u2014 o Ollama n\u00e3o migra automaticamente os modelos j\u00e1 instalados.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Performance_Tuning\"><\/span>Ajuste de desempenho<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A velocidade de infer\u00eancia depende da VRAM dispon\u00edvel, do tamanho do modelo e do n\u00edvel de quantiza\u00e7\u00e3o. Um modelo de 7B de par\u00e2metros com quantiza\u00e7\u00e3o de 4 bits gera entre 30 e 60 tokens por segundo em uma RTX 3060, enquanto modelos de 70B caem para 3\u20138 tokens por segundo, a menos que voc\u00ea tenha 48 GB ou mais de VRAM distribu\u00eddos entre v\u00e1rias GPUs.<\/p>\n<p>Configura\u00e7\u00f5es com m\u00faltiplas GPUs funcionam automaticamente \u2014 o Ollama distribui as camadas do modelo pelas GPUs detectadas. Por exemplo, duas RTX 3090 (24 GB cada) conseguem executar o Llama 3.3 70B com velocidade aceit\u00e1vel, enquanto uma \u00fanica RTX 3090 teria de descarregar camadas para a mem\u00f3ria RAM do sistema, resultando em desempenho muito lento.<\/p>\n<p>Se o desempenho for mais lento que o esperado:<\/p>\n<ul>\n<li>Verifique o Gerenciador de Tarefas durante a infer\u00eancia \u2014 uso da CPU acima de 30% indica que parte do modelo est\u00e1 na mem\u00f3ria RAM do sistema devido \u00e0 VRAM insuficiente<\/li>\n<li>Experimente uma quantiza\u00e7\u00e3o menor (por exemplo, <code>ollama pull mistral:7b-instruct-q4_K_M<\/code> em vez da quantiza\u00e7\u00e3o padr\u00e3o Q8)<\/li>\n<li>Feche outros aplicativos que utilizam a GPU (navegadores com acelera\u00e7\u00e3o por hardware, jogos, editores de v\u00eddeo)<\/li>\n<li>Atualize os drivers da GPU \u2014 vers\u00f5es mais recentes dos drivers NVIDIA melhoram a velocidade de infer\u00eancia em 5\u201310% em compara\u00e7\u00e3o com vers\u00f5es anteriores de seis meses<\/li>\n<\/ul>\n<p>Para atualiza\u00e7\u00f5es de hardware, consulte o <a href=\"https:\/\/convly.ai\/pt\/best-gpus-for-local-llms-2026\/\">melhores GPUs para LLMs locais<\/a> guia de compara\u00e7\u00e3o de custo-benef\u00edcio entre op\u00e7\u00f5es da NVIDIA e da AMD.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Integrating_with_Applications\"><\/span>Integra\u00e7\u00e3o com aplica\u00e7\u00f5es<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>O Ollama exp\u00f5e uma API REST em <code>localhost:11434<\/code> compat\u00edvel com a estrutura da API da OpenAI. Aplica\u00e7\u00f5es que suportam endpoints compat\u00edveis com a OpenAI podem apontar para o Ollama com poucas ou nenhuma modifica\u00e7\u00e3o.<\/p>\n<p>Exemplo de comando curl para gerar texto:<\/p>\n<pre><code>curl http:\/\/localhost:11434\/api\/generate -d '{\n  \"model\": \"mistral\",\n  \"prompt\": \"Explique o Docker em uma frase\"\n}'<\/code><\/pre>\n<p>Integra\u00e7\u00f5es populares incluem Open WebUI (interface web), Continue.dev (extens\u00e3o para VS Code) e LangChain (Python). O servi\u00e7o Ollama deve estar em execu\u00e7\u00e3o para que as chamadas \u00e0 API funcionem \u2014 ele \u00e9 iniciado automaticamente ao ligar o computador por padr\u00e3o.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_Asked_Questions\"><\/span>Perguntas frequentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>O Ollama exige WSL2 ou Docker no Windows?<\/h3>\n<p>N\u00e3o. O instalador para Windows \u00e9 um aplicativo nativo que executa o Ollama como um servi\u00e7o do Windows, sem virtualiza\u00e7\u00e3o nem cont\u00eaineres. Vers\u00f5es anteriores exigiam Docker, mas a vers\u00e3o nativa para Windows eliminou essa depend\u00eancia no final de 2024. Se voc\u00ea instalou o Ollama antes de novembro de 2024, desinstale a vers\u00e3o baseada em Docker e baixe o instalador nativo atual.<\/p>\n<h3>Posso usar o Ollama offline ap\u00f3s baixar os modelos?<\/h3>\n<p>Sim. Assim que um modelo for baixado com <code>ollama pull &lt;modelo&gt;<\/code>, ele ser\u00e1 armazenado localmente e executado sem necessidade de acesso \u00e0 internet. O \u00fanico requisito de rede \u00e9 o download inicial \u2014 os modelos variam de 2 GB (modelos pequenos de 7B) a mais de 80 GB (modelos grandes de 70B ou superiores). Ap\u00f3s o download, desconecte-se da rede e o Ollama continuar\u00e1 funcionando normalmente.<\/p>\n<h3>Quanto custa executar modelos Ollama em compara\u00e7\u00e3o com APIs?<\/h3>\n<p>Ollama is free\u2014you pay only for hardware and electricity. Compare this to API costs: Claude Sonnet 5 charges $2.00 per million input tokens, so 10 million tokens (roughly 7.5 million words) costs $20. A self-hosted setup breaks even quickly if you process significant volume. Use the <a href=\"https:\/\/convly.ai\/pt\/self-hosting-vs-api-calculator\/\">calculadora de autohospedagem versus API<\/a> calculadora de retorno sobre investimento para estimar seu ponto de equil\u00edbrio com base no volume esperado de uso.<\/p>\n<h3>Quais modelos funcionam melhor em GPUs voltadas ao consumidor?<\/h3>\n<p>Para GPUs com 8\u201312 GB de VRAM (RTX 3060, 4060 Ti), modelos como Mistral 7B (~4,5 GB com quantiza\u00e7\u00e3o de 4 bits), Llama 3.1 8B (~5 GB) e Phi-4 (~9 GB) oferecem excelente rela\u00e7\u00e3o entre qualidade e desempenho. Se voc\u00ea dispuser de 16\u201324 GB de VRAM (RTX 3090, 4090), modelos como Mistral NeMo 12B (~7,5 GB) e at\u00e9 mesmo o Llama 3.3 70B (~40 GB com quantiza\u00e7\u00e3o agressiva ou descarregamento para RAM) tornam-se vi\u00e1veis. Consulte <a href=\"https:\/\/convly.ai\/pt\/vram-requirements-every-major-llm-2026\/\">Requisitos de VRAM por modelo<\/a> para obter uma lista completa.<\/p>\n<h3>O Ollama pode usar simultaneamente GPUs NVIDIA e AMD?<\/h3>\n<p>N\u00e3o. O Ollama utiliza ou CUDA (NVIDIA) ou ROCm (AMD), dependendo do que detecta primeiro, mas n\u00e3o \u00e9 poss\u00edvel misturar backends de GPU em uma \u00fanica sess\u00e3o. Se voc\u00ea possui tanto GPUs NVIDIA quanto AMD, o Ollama prioriza as NVIDIA. O suporte a m\u00faltiplas GPUs funciona apenas quando todas as GPUs usam a mesma pilha de drivers \u2014 duas placas NVIDIA ou duas placas AMD, n\u00e3o uma de cada.<\/p>\n<h3>How do I uninstall Ollama from Windows?<\/h3>\n<p>Abra Configura\u00e7\u00f5es \u2192 Aplicativos \u2192 Aplicativos Instalados, localize o Ollama e clique em Desinstalar. Isso remove o aplicativo e o servi\u00e7o, mas mant\u00e9m os modelos na pasta <code>%USERPROFILE%.ollama<\/code>. Exclua essa pasta manualmente para recuperar espa\u00e7o em disco. Caso o servi\u00e7o n\u00e3o seja encerrado durante a desinstala\u00e7\u00e3o, abra o Gerenciador de Tarefas, localize o processo OllamaService.exe em Processos em Segundo Plano e finalize-o antes de tentar novamente.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Next_Steps\"><\/span>Pr\u00f3ximos passos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ap\u00f3s instalar o Ollama no Windows, explore a biblioteca completa de modelos em <a href=\"https:\/\/convly.ai\/pt\/what-is-ollama-complete-guide-2026\/\">Guia completo do Ollama<\/a> para entender como a escolha do modelo, a quantiza\u00e7\u00e3o e a janela de contexto afetam a qualidade. Para cargas de trabalho em produ\u00e7\u00e3o, calcule os custos cont\u00ednuos das APIs em compara\u00e7\u00e3o com a hospedagem local usando a <a href=\"https:\/\/convly.ai\/pt\/ai-api-cost-calculator\/\">Calculadora de custos de API<\/a> calculadora de retorno sobre investimento para determinar se a infer\u00eancia local ou as APIs em nuvem atendem melhor \u00e0s suas necessidades or\u00e7ament\u00e1rias e de escala.<\/p>","protected":false},"excerpt":{"rendered":"<p>TL;DR:Download the official installer from ollama.com\/download, run it, and Ollama installs as a background service Requires Windows 10+ and 8 [\u2026]<\/p>\n","protected":false},"author":1,"featured_media":2536,"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":[7],"tags":[],"class_list":["post-2535","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news"],"_links":{"self":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/2535","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/comments?post=2535"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/2535\/revisions"}],"predecessor-version":[{"id":2537,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/posts\/2535\/revisions\/2537"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/media\/2536"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/media?parent=2535"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/categories?post=2535"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/pt\/wp-json\/wp\/v2\/tags?post=2535"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}