API

Remarque : la documentation de l'API d'Ollama est en cours de migration vers https://docs.ollama.com/api

Points de terminaison

Générer une complétion
Générer une complétion de chat
Créer un modèle
Lister les modèles locaux
Afficher les informations du modèle
Copier un modèle
Supprimer un modèle
Pull un modèle
Push un modèle
Générer des embeddings
Lister les modèles en cours d'exécution
Version
Expérimental : Génération d'images

Conventions

Noms de modèle

Les noms de modèle suivent le format model:tag, où model peut avoir un espace de noms facultatif tel que example/model. Voici quelques exemples : orca-mini:3b-q8_0 et llama3:70b. Le tag est facultatif et, s'il n'est pas fourni, prendra la valeur latest par défaut. Le tag est utilisé pour identifier une version spécifique.

Durées

Toutes les durées sont retournées en nanosecondes.

Réponses en streaming

Certains points de terminaison diffusent des réponses sous forme d'objets JSON. Le streaming peut être désactivé en fournissant {"stream": false} pour ces points de terminaison.

Générer une complétion

POST /api/generate

Générer une réponse pour un prompt donné avec un modèle fourni. Il s'agit d'un point de terminaison en streaming, vous recevrez donc une série de réponses. L'objet de réponse final inclura des statistiques et des données supplémentaires provenant de la requête.

Paramètres

model : (obligatoire) le nom de modèle
prompt : le prompt pour lequel générer une réponse
suffix : le texte après la réponse du modèle
images : (facultatif) une liste d'images encodées en base64 (pour les modèles multimodaux tels que llava)
think : (pour les modèles de raisonnement) le modèle doit-il réfléchir avant de répondre ? Peut être un booléen ou un niveau de raisonnement ("low", "medium", "high" ou "max").

Paramètres avancés (facultatifs) :

format : le format dans lequel retourner une réponse. Le format peut être json ou un schéma JSON
options : paramètres de modèle supplémentaires listés dans la documentation du Modelfile tels que temperature
system : message système à (remplace ce qui est défini dans le Modelfile)
template : le modèle de prompt à utiliser (remplace ce qui est défini dans le Modelfile)
stream : si false, la réponse sera retournée sous forme d'un objet de réponse unique, plutôt qu'un flux d'objets
raw : si true, aucun formatage ne sera appliqué au prompt. Vous pouvez choisir d'utiliser le paramètre raw si vous spécifiez un prompt entièrement templaté dans votre requête à l'API
keep_alive : contrôle la durée pendant laquelle le modèle restera chargé en mémoire suite à la requête (par défaut : 5m)
context (déprécié) : le paramètre de contexte retourné par une requête précédente à /generate, il peut être utilisé pour conserver une mémoire conversationnelle courte

Paramètres expérimentaux de génération d'image (uniquement pour les modèles de génération d'image) :

[!AVERTISSEMENT] Ces paramètres sont expérimentaux et peuvent changer dans les versions futures.

width : largeur de l'image générée en pixels
height : hauteur de l'image générée en pixels
steps : nombre d'étapes de diffusion

Sorties structurées

Les sorties structurées sont prises en charge en fournissant un schéma JSON dans le paramètre format. Le modèle générera une réponse correspondant au schéma. Voir l'exemple de sorties structurées ci-dessous.

Mode JSON

Activez le mode JSON en définissant le paramètre format sur json. Cela structure la réponse sous forme d'objet JSON valide. Voir l'exemple de mode JSON ci-dessous.

IMPORTANT

Il est important de demander au modèle d'utiliser du JSON dans le prompt. Sinon, le modèle peut générer de grandes quantités d'espaces blancs.

Exemples

Requête de génération (Streaming)

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "llama3.2",
  "prompt": "Why is the sky blue?"
}'

Réponse

Un flux d'objets JSON est retourné :

json

{
  "model": "llama3.2",
  "created_at": "2023-08-04T08:52:19.385406455-07:00",
  "response": "The",
  "done": false
}

La réponse finale du flux inclut également des données supplémentaires sur la génération :

total_duration : temps passé à générer la réponse
load_duration : temps passé en nanosecondes à charger le modèle
prompt_eval_count : nombre de tokens dans le prompt
prompt_eval_duration : temps passé en nanosecondes à évaluer le prompt
eval_count : nombre de tokens dans la réponse
eval_duration : temps en nanosecondes passé à générer la réponse
context : un encodage de la conversation utilisée dans cette réponse, il peut être envoyé dans la requête suivante pour conserver une mémoire conversationnelle
response : vide si la réponse a été diffusée en streaming, sinon, il contiendra la réponse complète

Pour calculer la vitesse de génération de la réponse en tokens par seconde (token/s), divisez eval_count / eval_duration * 10^9.

json

{
  "model": "llama3.2",
  "created_at": "2023-08-04T19:22:45.499127Z",
  "response": "",
  "done": true,
  "context": [1, 2, 3],
  "total_duration": 10706818083,
  "load_duration": 6338219291,
  "prompt_eval_count": 26,
  "prompt_eval_duration": 130079000,
  "eval_count": 259,
  "eval_duration": 4232710000
}

Requête (Pas de streaming)

Requête

Une réponse peut être reçue en une seule réponse lorsque le streaming est désactivé.

shell

curl http://localhost:11434/api/generate -d '{
  "model": "llama3.2",
  "prompt": "Why is the sky blue?",
  "stream": false
}'

Réponse

Si stream est défini sur false, la réponse sera un objet JSON unique :

json

{
  "model": "llama3.2",
  "created_at": "2023-08-04T19:22:45.499127Z",
  "response": "The sky is blue because it is the color of the sky.",
  "done": true,
  "context": [1, 2, 3],
  "total_duration": 5043500667,
  "load_duration": 5025959,
  "prompt_eval_count": 26,
  "prompt_eval_duration": 325953000,
  "eval_count": 290,
  "eval_duration": 4709213000
}

Requête (avec suffixe)

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "codellama:code",
  "prompt": "def compute_gcd(a, b):",
  "suffix": "    return result",
  "options": {
    "temperature": 0
  },
  "stream": false
}'

Réponse

json5

{
  "model": "codellama:code",
  "created_at": "2024-07-22T20:47:51.147561Z",
  "response": "\n  if a == 0:\n    return b\n  else:\n    return compute_gcd(b % a, a)\n\ndef compute_lcm(a, b):\n  result = (a * b) / compute_gcd(a, b)\n",
  "done": true,
  "done_reason": "stop",
  "context": [...],
  "total_duration": 1162761250,
  "load_duration": 6683708,
  "prompt_eval_count": 17,
  "prompt_eval_duration": 201222000,
  "eval_count": 63,
  "eval_duration": 953997000
}

Requête (Sorties structurées)

Requête

shell

curl -X POST http://localhost:11434/api/generate -H "Content-Type: application/json" -d '{
  "model": "llama3.1:8b",
  "prompt": "Ollama is 22 years old and is busy saving the world. Respond using JSON",
  "stream": false,
  "format": {
    "type": "object",
    "properties": {
      "age": {
        "type": "integer"
      },
      "available": {
        "type": "boolean"
      }
    },
    "required": [
      "age",
      "available"
    ]
  }
}'

Réponse

json

{
  "model": "llama3.1:8b",
  "created_at": "2024-12-06T00:48:09.983619Z",
  "response": "{\n  \"age\": 22,\n  \"available\": true\n}",
  "done": true,
  "done_reason": "stop",
  "context": [1, 2, 3],
  "total_duration": 1075509083,
  "load_duration": 567678166,
  "prompt_eval_count": 28,
  "prompt_eval_duration": 236000000,
  "eval_count": 16,
  "eval_duration": 269000000
}

Requête (Mode JSON)

IMPORTANT

Lorsque format est défini sur json, la sortie sera toujours un objet JSON bien formé. Il est important de demander également au modèle de répondre en JSON.

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "llama3.2",
  "prompt": "What color is the sky at different times of the day? Respond using JSON",
  "format": "json",
  "stream": false
}'

Réponse

json

{
  "model": "llama3.2",
  "created_at": "2023-11-09T21:07:55.186497Z",
  "response": "{\n\"morning\": {\n\"color\": \"blue\"\n},\n\"noon\": {\n\"color\": \"blue-gray\"\n},\n\"afternoon\": {\n\"color\": \"warm gray\"\n},\n\"evening\": {\n\"color\": \"orange\"\n}\n}\n",
  "done": true,
  "context": [1, 2, 3],
  "total_duration": 4648158584,
  "load_duration": 4071084,
  "prompt_eval_count": 36,
  "prompt_eval_duration": 439038000,
  "eval_count": 180,
  "eval_duration": 4196918000
}

La valeur de response sera une chaîne contenant du JSON similaire à :

json

{
  "morning": {
    "color": "blue"
  },
  "noon": {
    "color": "blue-gray"
  },
  "afternoon": {
    "color": "warm gray"
  },
  "evening": {
    "color": "orange"
  }
}

Requête (avec images)

Pour soumettre des images à des modèles multimodaux tels que llava ou bakllava, fournissez une liste d'images encodées en base64 :

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "llava",
  "prompt":"What is in this picture?",
  "stream": false,
  "images": ["iVBORw0KGgoAAAANSUhEUgAAAG0AAABmCAYAAADBPx+VAAAACXBIWXMAAAsTAAALEwEAmpwYAAAAAXNSR0IArs4c6QAAAARnQU1BAACxjwv8YQUAAA3VSURBVHgB7Z27r0zdG8fX743i1bi1ikMoFMQloXRpKFFIqI7LH4BEQ+NWIkjQuSWCRIEoULk0gsK1kCBI0IhrQVT7tz/7zZo888yz1r7MnDl7z5xvsjkzs2fP3uu71nNfa7lkAsm7d++Sffv2JbNmzUqcc8m0adOSzZs3Z+/XES4ZckAWJEGWPiCxjsQNLWmQsWjRIpMseaxcuTKpG/7HP27I8P79e7dq1ars/yL4/v27S0ejqwv+cUOGEGGpKHR37tzJCEpHV9tnT58+dXXCJDdECBE2Ojrqjh071hpNECjx4cMHVycM1Uhbv359B2F79+51586daxN/+pyRkRFXKyRDAqxEp4yMlDDzXG1NPnnyJKkThoK0VFd1ELZu3TrzXKxKfW7dMBQ6bcuWLW2v0VlHjx41z717927ba22U9APcw7Nnz1oGEPeL3m3p2mTAYYnFmMOMXybPPXv2bNIPpFZr1NHn4HMw0KRBjg9NuRw95s8PEcz/6DZELQd/09C9QGq5RsmSRybqkwHGjh07OsJSsYYm3ijPpyHzoiacg35MLdDSIS/O1yM778jOTwYUkKNHWUzUWaOsylE00MyI0fcnOwIdjvtNdW/HZwNLGg+sR1kMepSNJXmIwxBZiG8tDTpEZzKg0GItNsosY8USkxDhD0Rinuiko2gfL/RbiD2LZAjU9zKQJj8RDR0vJBR1/Phx9+PHj9Z7REF4nTZkxzX4LCXHrV271qXkBAPGfP/atWvu/PnzHe4C97F48eIsRLZ9+3a3f/9+87dwP1JxaF7/3r17ba+5l4EcaVo0lj3SBq5kGTJSQmLWMjgYNei2GPT1MuMqGTDEFHzeQSP2wi/jGnkmPJ/nhccs44jvDAxpVcxnq0F6eT8h4ni/iIWpR5lPyA6ETkNXoSukvpJAD3AsXLiwpZs49+fPn5ke4j10TqYvegSfn0OnafC+Tv9ooA/JPkgQysqQNBzagXY55nO/oa1F7qvIPWkRL12WRpMWUvpVDYmxAPehxWSe8ZEXL20sadYIozfmNch4QJPAfeJgW3rNsnzphBKNJM2KKODo1rVOMRYik5ETy3ix4qWNI81qAAirizgMIc+yhTytx0JWZuNI03qsrgWlGtwjoS9XwgUhWGyhUaRZZQNNIEwCiXD16tXcAHUs79co0vSD8rrJCIW98pzvxpAWyyo3HYwqS0+H0BjStClcZJT5coMm6D2LOF8TolGJtK9fvyZpyiC5ePFi9nc/oJU4eiEP0jVoAnHa9wyJycITMP78+eMeP37sXrx44d6+fdt6f82aNdkx1pg9e3Zb5W+RSRE+n+VjksQWifvVaTKFhn5O8my63K8Qabdv33b379/PiAP//vuvW7BggZszZ072/+TJk91YgkafPn166zXB1rQHFvouAWHq9z3SEevSUerqCn2/dDCeta2jxYbr69evk4MHDyY7d+7MjhMnTiTPnz9Pfv/+nfQT2ggpO2dMF8cghuoM7Ygj5iWCqRlGFml0QC/ftGmTmzt3rmsaKDsgBSPh0/8yPeLLBihLkOKJc0jp8H8vUzcxIA1k6QJ/c78tWEyj5P3o4u9+jywNPdJi5rAH9x0KHcl4Hg570eQp3+vHXGyrmEeigzQsQsjavXt38ujRo44LQuDDhw+TW7duRS1HGgMxhNXHgflaNTOsHyKvHK5Ijo2jbFjJBQK9YwFd6RVMzfgRBmEfP37suBBm/p49e1qjEP2mwTViNRo0VJWH1deMXcNK08uUjVUu7s/zRaL+oLNxz1bpANco4npUgX4G2eFbpDFyQoQxojBCpEGSytmOH8qrH5Q9vuzD6ofQylkCUmh8DBAr+q8JCyVNtWQIidKQE9wNtLSQnS4jDSsxNHogzFuQBw4cyM61UKVsjfr3ooBkPSqqQHesUPWVtzi9/vQi1T+rJj7WiTz4Pt/l3LxUkr5P2VYZaZ4URpsE+st/dujQoaBBYokbrz/8TJNQYLSonrPS9kUaSkPeZyj1AWSj+d+VBoy1pIWVNed8P0Ll/ee5HdGRhrHhR5GGN0r4LGZBaj8oFDJitBTJzIZgFcmU0Y8ytWMZMzJOaXUSrUs5RxKnrxmbb5YXO9VGUhtpXldhEUogFr3IzIsvlpmdosVcGVGXFWp2oU9kLFL3dEkSz6NHEY1sjSRdIuDFWEhd8KxFqsRi1uM/nz9/zpxnwlESONdg6dKlbsaMGS4EHFHtjFIDHwKOo46l4TxSuxgDzi+rE2jg+BaFruOX4HXa0Nnf1lwAPufZeF8/r6zD97WK2qFnGjBxTw5qNGPxT+5T/r7/7RawFC3j4vTp09koCxkeHjqbHJqArmH5UrFKKksnxrK7FuRIs8STfBZv+luugXZ2pR/pP9Ois4z+TiMzUUkUjD0iEi1fzX8GmXyuxUBRcaUfykV0YZnlJGKQpOiGB76x5GeWkWWJc3mOrK6S7xdND+W5N6XyaRgtWJFe13GkaZnKOsYqGdOVVVbGupsyA/l7emTLHi7vwTdirNEt0qxnzAvBFcnQF16xh/TMpUuXHDowhlA9vQVraQhkudRdzOnK+04ZSP3DUhVSP61YsaLtd/ks7ZgtPcXqPqEafHkdqa84X6aCeL7YWlv6edGFHb+ZFICPlljHhg0bKuk0CSvVznWsotRu433alNdFrqG45ejoaPCaUkWERpLXjzFL2Rpllp7PJU2a/v7Ab8N05/9t27Z16KUqoFGsxnI9EosS2niSYg9SpU6B4JgTrvVW1flt1sT+0ADIJU2maXzcUTraGCRaL1Wp9rUMk16PMom8QhruxzvZIegJjFU7LLCePfS8uaQdPny4jTTL0dbee5mYokQsXTIWNY46kuMbnt8Kmec+LGWtOVIl9cT1rCB0V8WqkjAsRwta93TbwNYoGKsUSChN44lgBNCoHLHzquYKrU6qZ8lolCIN0Rh6cP0Q3U6I6IXILYOQI513hJaSKAorFpuHXJNfVlpRtmYBk1Su1obZr5dnKAO+L10Hrj3WZW+E3qh6IszE37F6EB+68mGpvKm4eb9bFrlzrok7fvr0Kfv727dvWRmdVTJHw0qiiCUSZ6wCK+7XL/AcsgNyL74DQQ730sv78Su7+t/A36MdY0sW5o40ahslXr58aZ5HtZB8GH64m9EmMZ7FpYw4T6QnrZfgenrhFxaSiSGXtPnz57e9TkNZLvTjeqhr734CNtrK41L40sUQckmj1lGKQ0rC37x544r8eNXRpnVE3ZZY7zXo8NomiO0ZUCj2uHz58rbXoZ6gc0uA+F6ZeKS/jhRDUq8MKrTho9fEkihMmhxtBI1DxKFY9XLpVcSkfoi8JGnToZO5sU5aiDQIW716ddt7ZLYtMQlhECdBGXZZMWldY5BHm5xgAroWj4C0hbYkSc/jBmggIrXJWlZM6pSETsEPGqZOndr2uuuR5rF169a2HoHPdurUKZM4CO1WTPqaDaAd+GFGKdIQkxAn9RuEWcTRyN2KSUgiSgF5aWzPTeA/lN5rZubMmR2bE4SIC4nJoltgAV/dVefZm72AtctUCJU2CMJ327hxY9t7EHbkyJFseq+EJSY16RPo3Dkq1kkr7+q0bNmyDuLQcZBEPYmHVdOBiJyIlrRDq41YPWfXOxUysi5fvtyaj+2BpcnsUV/oSoEMOk2CQGlr4ckhBwaetBhjCwH0ZHtJROPJkyc7UjcYLDjmrH7ADTEBXFfOYmB0k9oYBOjJ8b4aOYSe7QkKcYhFlq3QYLQhSidNmtS2RATwy8YOM3EQJsUjKiaWZ+vZToUQgzhkHXudb/PW5YMHD9yZM2faPsMwoc7RciYJXbGuBqJ1UIGKKLv915jsvgtJxCZDubdXr165mzdvtr1Hz5LONA8jrUwKPqsmVesKa49S3Q4WxmRPUEYdTjgiUcfUwLx589ySJUva3oMkP6IYddq6HMS4o55xBJBUeRjzfa4Zdeg56QZ43LhxoyPo7Lf1kNt7oO8wWAbNwaYjIv5lhyS7kRf96dvm5Jah8vfvX3flyhX35cuX6HfzFHOToS1H4BenCaHvO8pr8iDuwoUL7tevX+b5ZdbBair0xkFIlFDlW4ZknEClsp/TzXyAKVOmmHWFVSbDNw1l1+4f90U6IY/q4V27dpnE9bJ+v87QEydjqx/UamVVPRG+mwkNTYN+9tjkwzEx+atCm/X9WvWtDtAb68Wy9LXa1UmvCDDIpPkyOQ5ZwSzJ4jMrvFcr0rSjOUh+GcT4LSg5ugkW1Io0/SCDQBojh0hPlaJdah+tkVYrnTZowP8iq1F1TgMBBauufyB33x1v+NWFYmT5KmppgHC+NkAgbmRkpD3yn9QIseXymoTQFGQmIOKTxiZIWpvAatenVqRVXf2nTrAWMsPnKrMZHz6bJq5jvce6QK8J1cQNgKxlJapMPdZSR64/UivS9NztpkVEdKcrs5alhhWP9NeqlfWopzhZScI6QxseegZRGeg5a8C3Re1Mfl1ScP36ddcUaMuv24iOJtz7sbUjTS4qBvKmstYJoUauiuD3k5qhyr7QdUHMeCgLa1Ear9NquemdXgmum4fvJ6w1lqsuDhNrg1qSpleJK7K3TF0Q2jSd94uSZ60kK1e3qyVpQK6PVWXp2/FC3mp6jBhKKOiY2h3gtUV64TWM6wDETRPLDfSakXmH3w8g9Jlug8ZtTt4kVF0kLUYYmCCtD/DrQ5YhMGbA9L3ucdjh0y8kOHW5gU/VEEmJTcL4Pz/f7mgoAbYkAAAAAElFTkSuQmCC"]
}'

Réponse

json

{
  "model": "llava",
  "created_at": "2023-11-03T15:36:02.583064Z",
  "response": "A happy cartoon character, which is cute and cheerful.",
  "done": true,
  "context": [1, 2, 3],
  "total_duration": 2938432250,
  "load_duration": 2559292,
  "prompt_eval_count": 1,
  "prompt_eval_duration": 2195557000,
  "eval_count": 44,
  "eval_duration": 736432000
}

Requête (Mode brut)

Dans certains cas, vous pouvez souhaiter contourner le système de templating et fournir un prompt complet. Dans ce cas, vous pouvez utiliser le paramètre raw pour désactiver le templating. Notez également que le mode brut ne retournera pas de contexte.

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "mistral",
  "prompt": "[INST] why is the sky blue? [/INST]",
  "raw": true,
  "stream": false
}'

Requête (Sorties reproductibles)

Pour obtenir des sorties reproductibles, définissez seed sur un nombre :

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "mistral",
  "prompt": "Why is the sky blue?",
  "options": {
    "seed": 123
  }
}'

Réponse

json

{
  "model": "mistral",
  "created_at": "2023-11-03T15:36:02.583064Z",
  "response": " The sky appears blue because of a phenomenon called Rayleigh scattering.",
  "done": true,
  "total_duration": 8493852375,
  "load_duration": 6589624375,
  "prompt_eval_count": 14,
  "prompt_eval_duration": 119039000,
  "eval_count": 110,
  "eval_duration": 1779061000
}

Requête de génération (Avec options)

Si vous souhaitez définir des options personnalisées pour le modèle au moment de l'exécution plutôt que dans le Modelfile, vous pouvez le faire avec le paramètre options. Cet exemple définit toutes les options disponibles, mais vous pouvez définir chacune d'entre elles individuellement et omettre celles que vous ne souhaitez pas remplacer.

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "llama3.2",
  "prompt": "Why is the sky blue?",
  "stream": false,
  "options": {
    "num_keep": 5,
    "seed": 42,
    "num_predict": 100,
    "draft_num_predict": 4,
    "top_k": 20,
    "top_p": 0.9,
    "min_p": 0.0,
    "typical_p": 0.7,
    "repeat_last_n": 33,
    "temperature": 0.8,
    "repeat_penalty": 1.2,
    "presence_penalty": 1.5,
    "frequency_penalty": 1.0,
    "penalize_newline": true,
    "stop": ["\n", "user:"],
    "numa": false,
    "num_ctx": 1024,
    "num_batch": 2,
    "num_gpu": 1,
    "main_gpu": 0,
    "use_mmap": true,
    "num_thread": 8
  }
}'

Réponse

json

{
  "model": "llama3.2",
  "created_at": "2023-08-04T19:22:45.499127Z",
  "response": "The sky is blue because it is the color of the sky.",
  "done": true,
  "context": [1, 2, 3],
  "total_duration": 4935886791,
  "load_duration": 534986708,
  "prompt_eval_count": 26,
  "prompt_eval_duration": 107345000,
  "eval_count": 237,
  "eval_duration": 4289432000
}

Charger un modèle

Si un prompt vide est fourni, le modèle sera chargé en mémoire.

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "llama3.2"
}'

Réponse

Un objet JSON unique est retourné :

json

{
  "model": "llama3.2",
  "created_at": "2023-12-18T19:52:07.071755Z",
  "response": "",
  "done": true
}

Décharger un modèle

Si un prompt vide est fourni et que le paramètre keep_alive est défini sur 0, un modèle sera déchargé de la mémoire.

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "llama3.2",
  "keep_alive": 0
}'

Réponse

Un objet JSON unique est retourné :

json

{
  "model": "llama3.2",
  "created_at": "2024-09-12T03:54:03.516566Z",
  "response": "",
  "done": true,
  "done_reason": "unload"
}

Générer une complétion de chat

POST /api/chat

Génère le prochain message dans une conversation avec un modèle fourni. Il s'agit d'un point de terminaison en streaming, vous recevrez donc une série de réponses. Le streaming peut être désactivé en utilisant "stream": false. L'objet de réponse final inclura des statistiques et des données supplémentaires provenant de la requête.

Paramètres

model : (obligatoire) le nom du modèle
messages : les messages de la conversation, ce paramètre peut être utilisé pour conserver la mémoire de la conversation
tools : liste d'outils au format JSON que le modèle peut utiliser si cette fonctionnalité est prise en charge
think : (pour les modèles de réflexion) le modèle doit-il réfléchir avant de répondre ? Peut être une valeur booléenne ou un niveau de réflexion ("low", "medium", "high" ou "max"). L'objet message possède les champs suivants :
role : le rôle du message, parmi system, user, assistant ou tool
content : le contenu du message
thinking : (pour les modèles de réflexion) le processus de réflexion du modèle
images (facultatif) : une liste d'images à inclure dans le message (pour les modèles multimodaux tels que llava)
tool_calls (facultatif) : une liste d'outils au format JSON que le modèle souhaite utiliser
tool_name (facultatif) : ajoute le nom de l'outil qui a été exécuté pour informer le modèle du résultat Paramètres avancés (facultatif) :
format : le format de la réponse renvoyée. Le format peut être json ou un schéma JSON.
options : paramètres supplémentaires du modèle listés dans la documentation du [Modelfile](. /modelfile. mdx#valid-parameters-and-values) tels que temperature
stream : si la valeur est false, la réponse sera renvoyée sous la forme d'un objet de réponse unique, plutôt qu'un flux d'objets
keep_alive : contrôle la durée pendant laquelle le modèle reste chargé en mémoire après la requête (valeur par défaut : 5m)

Appel d'outils

L'appel d'outils est pris en charge en fournissant une liste d'outils dans le paramètre tools. Le modèle générera une réponse incluant une liste d'appels d'outils. Consultez l'exemple Requête de chat (Streaming avec outils) ci-dessous. Les modèles peuvent également expliquer le résultat de l'appel d'outil dans la réponse. Consultez l'exemple Requête de chat (Avec historique, avec outils) ci-dessous. [Voir les modèles avec capacités d'appel d'outils](https://ollama. com/search? c=tool).

Sorties structurées

Les sorties structurées sont prises en charge en fournissant un schéma JSON dans le paramètre format. Le modèle générera une réponse correspondant au schéma. Consultez l'exemple Requête de chat (Sorties structurées) ci-dessous.

Exemples

Requête de chat (Streaming)

Requête

Envoyez un message de chat avec une réponse en streaming.

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": [
    {
      "role": "user",
      "content": "why is the sky blue? "
    }
  ]
}'

Réponse

Un flux d'objets JSON est renvoyé :

json

{
  "model": "llama3. 2",
  "created_at": "2023-08-04T08:52:19. 385406455-07:00",
  "message": {
    "role": "assistant",
    "content": "The",
    "images": null
  },
  "done": false
}

Réponse finale :

json

{
  "model": "llama3. 2",
  "created_at": "2023-08-04T19:22:45. 499127Z",
  "message": {
    "role": "assistant",
    "content": ""
  },
  "done": true,
  "total_duration": 4883583458,
  "load_duration": 1334875,
  "prompt_eval_count": 26,
  "prompt_eval_duration": 342546000,
  "eval_count": 282,
  "eval_duration": 4535599000
}

Requête de chat (Streaming avec outils)

Requête

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": [
    {
      "role": "user",
      "content": "what is the weather in tokyo? "
    }
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get the weather in a given city",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {
              "type": "string",
              "description": "The city to get the weather for"
            }
          },
          "required": ["city"]
        }
      }
    }
  ],
  "stream": true
}'

Réponse

Un flux d'objets JSON est renvoyé :

json

{
  "model": "llama3. 2",
  "created_at": "2025-07-07T20:22:19. 184789Z",
  "message": {
    "role": "assistant",
    "content": "",
    "tool_calls": [
      {
        "function": {
          "name": "get_weather",
          "arguments": {
            "city": "Tokyo"
          }
        }
      }
    ]
  },
  "done": false
}

Réponse finale :

json

{
  "model": "llama3. 2",
  "created_at": "2025-07-07T20:22:19. 19314Z",
  "message": {
    "role": "assistant",
    "content": ""
  },
  "done_reason": "stop",
  "done": true,
  "total_duration": 182242375,
  "load_duration": 41295167,
  "prompt_eval_count": 169,
  "prompt_eval_duration": 24573166,
  "eval_count": 15,
  "eval_duration": 115959084
}

Requête de chat (Pas de streaming)

Requête

Envoyez un message de chat avec une réponse sans streaming.

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": [
    {
      "role": "user",
      "content": "why is the sky blue? "
    }
  ],
  "stream": false
}'

Réponse

json

{
  "model": "llama3. 2",
  "created_at": "2023-12-12T14:13:43. 416799Z",
  "message": {
    "role": "assistant",
    "content": "Hello! How are you today? "
  },
  "done": true,
  "total_duration": 5191566416,
  "load_duration": 2154458,
  "prompt_eval_count": 26,
  "prompt_eval_duration": 383809000,
  "eval_count": 298,
  "eval_duration": 4799921000
}

Requête de chat (Pas de streaming, avec outils)

Requête

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": [
    {
      "role": "user",
      "content": "what is the weather in tokyo? "
    }
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get the weather in a given city",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {
              "type": "string",
              "description": "The city to get the weather for"
            }
          },
          "required": ["city"]
        }
      }
    }
  ],
  "stream": false
}'

Réponse

json

{
  "model": "llama3. 2",
  "created_at": "2025-07-07T20:32:53. 844124Z",
  "message": {
    "role": "assistant",
    "content": "",
    "tool_calls": [
      {
        "function": {
          "name": "get_weather",
          "arguments": {
            "city": "Tokyo"
          }
        }
      }
    ]
  },
  "done_reason": "stop",
  "done": true,
  "total_duration": 3244883583,
  "load_duration": 2969184542,
  "prompt_eval_count": 169,
  "prompt_eval_duration": 141656333,
  "eval_count": 18,
  "eval_duration": 133293625
}

Requête de chat (Sorties structurées)

Requête

shell

curl -X POST http://localhost:11434/api/chat -H "Content-Type: application/json" -d '{
  "model": "llama3. 1",
  "messages": [{"role": "user", "content": "Ollama is 22 years old and busy saving the world. Return a JSON object with the age and availability. "}],
  "stream": false,
  "format": {
    "type": "object",
    "properties": {
      "age": {
        "type": "integer"
      },
      "available": {
        "type": "boolean"
      }
    },
    "required": [
      "age",
      "available"
    ]
  },
  "options": {
    "temperature": 0
  }
}'

Réponse

json

{
  "model": "llama3. 1",
  "created_at": "2024-12-06T00:46:58. 265747Z",
  "message": {
    "role": "assistant",
    "content": "{\"age\": 22, \"available\": false}"
  },
  "done_reason": "stop",
  "done": true,
  "total_duration": 2254970291,
  "load_duration": 574751416,
  "prompt_eval_count": 34,
  "prompt_eval_duration": 1502000000,
  "eval_count": 12,
  "eval_duration": 175000000
}

Requête de chat (Avec historique)

Envoyez un message de chat avec un historique de conversation. Vous pouvez utiliser cette même approche pour démarrer la conversation en utilisant le prompting multi-shot ou le prompting chain-of-thought.

Requête

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": [
    {
      "role": "user",
      "content": "why is the sky blue? "
    },
    {
      "role": "assistant",
      "content": "due to rayleigh scattering. "
    },
    {
      "role": "user",
      "content": "how is that different than mie scattering? "
    }
  ]
}'

Réponse

Un flux d'objets JSON est renvoyé :

json

{
  "model": "llama3. 2",
  "created_at": "2023-08-04T08:52:19. 385406455-07:00",
  "message": {
    "role": "assistant",
    "content": "The"
  },
  "done": false
}

Réponse finale :

json

{
  "model": "llama3. 2",
  "created_at": "2023-08-04T19:22:45. 499127Z",
  "done": true,
  "total_duration": 8113331500,
  "load_duration": 6396458,
  "prompt_eval_count": 61,
  "prompt_eval_duration": 398801000,
  "eval_count": 468,
  "eval_duration": 7701267000
}

Requête de chat (Avec historique, avec outils)

Requête

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": [
    {
      "role": "user",
      "content": "what is the weather in Toronto? "
    },
    // le message du modèle ajouté à l'historique
    {
      "role": "assistant",
      "content": "",
      "tool_calls": [
        {
          "function": {
            "name": "get_weather",
            "arguments": {
              "city": "Toronto"
            }
          }
        }
      ]
    },
    // le résultat de l'appel d'outil ajouté à l'historique
    {
      "role": "tool",
      "content": "11 degrees celsius",
      "tool_name": "get_weather"
    }
  ],
  "stream": false,
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get the weather in a given city",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {
              "type": "string",
              "description": "The city to get the weather for"
            }
          },
          "required": ["city"]
        }
      }
    }
  ]
}'

Réponse

json

{
  "model": "llama3. 2",
  "created_at": "2025-07-07T20:43:37. 688511Z",
  "message": {
    "role": "assistant",
    "content": "The current temperature in Toronto is 11°C. "
  },
  "done_reason": "stop",
  "done": true,
  "total_duration": 890771750,
  "load_duration": 707634750,
  "prompt_eval_count": 94,
  "prompt_eval_duration": 91703208,
  "eval_count": 11,
  "eval_duration": 90282125
}

Requête de chat (avec images)

Requête

Envoyez un message de chat avec des images. Les images doivent être fournies sous forme de tableau, les images individuelles étant encodées en Base64.

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llava",
  "messages": [
    {
      "role": "user",
      "content": "what is in this image?

```json
",
      "images": ["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"]
    }
  ]
}

Réponse

json

{
  "model": "llava",
  "created_at": "2023-12-13T22:42:50. 203334Z",
  "message": {
    "role": "assistant",
    "content": " L'image présente un petit cochon mignon avec une expression faciale en colère. Il porte un cœur sur son t-shirt et fait un signe de la main en l'air. Cette scène semble faire partie d'un projet de dessin ou de croquis. ",
    "images": null
  },
  "done": true,
  "total_duration": 1668506709,
  "load_duration": 1986209,
  "prompt_eval_count": 26,
  "prompt_eval_duration": 359682000,
  "eval_count": 83,
  "eval_duration": 1303285000
}

Requête de chat (sorties reproductibles)

Requête

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": [
    {
      "role": "user",
      "content": "Hello! "
    }
  ],
  "options": {
    "seed": 101,
    "temperature": 0
  }
}'

Réponse

json

{
  "model": "llama3. 2",
  "created_at": "2023-12-12T14:13:43. 416799Z",
  "message": {
    "role": "assistant",
    "content": "Hello! How are you today? "
  },
  "done": true,
  "total_duration": 5191566416,
  "load_duration": 2154458,
  "prompt_eval_count": 26,
  "prompt_eval_duration": 383809000,
  "eval_count": 298,
  "eval_duration": 4799921000
}

Requête de chat (avec outils)

Requête

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": [
    {
      "role": "user",
      "content": "What is the weather today in Paris? "
    }
  ],
  "stream": false,
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_current_weather",
        "description": "Get the current weather for a location",
        "parameters": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string",
              "description": "The location to get the weather for, e. g. San Francisco, CA"
            },
            "format": {
              "type": "string",
              "description": "The format to return the weather in, e. g. 'celsius' or 'fahrenheit'",
              "enum": ["celsius", "fahrenheit"]
            }
          },
          "required": ["location", "format"]
        }
      }
    }
  ]
}'

Réponse

json

{
  "model": "llama3. 2",
  "created_at": "2024-07-22T20:33:28. 123648Z",
  "message": {
    "role": "assistant",
    "content": "",
    "tool_calls": [
      {
        "function": {
          "name": "get_current_weather",
          "arguments": {
            "format": "celsius",
            "location": "Paris, FR"
          }
        }
      }
    ]
  },
  "done_reason": "stop",
  "done": true,
  "total_duration": 885095291,
  "load_duration": 3753500,
  "prompt_eval_count": 122,
  "prompt_eval_duration": 328493000,
  "eval_count": 33,
  "eval_duration": 552222000
}

Charger un modèle

Si le tableau messages est vide, le modèle sera chargé en mémoire. ##### Requête

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": []
}'

Réponse

json

{
  "model": "llama3. 2",
  "created_at": "2024-09-12T21:17:29. 110811Z",
  "message": {
    "role": "assistant",
    "content": ""
  },
  "done_reason": "load",
  "done": true
}

Décharger un modèle

Si le tableau messages est vide et que le paramètre keep_alive est défini sur 0, un modèle sera déchargé de la mémoire. ##### Requête

shell

curl http://localhost:11434/api/chat -d '{
  "model": "llama3. 2",
  "messages": [],
  "keep_alive": 0
}'

Réponse

Un seul objet JSON est renvoyé :

json

{
  "model": "llama3. 2",
  "created_at": "2024-09-12T21:33:17. 547535Z",
  "message": {
    "role": "assistant",
    "content": ""
  },
  "done_reason": "unload",
  "done": true
}

Créer un modèle

POST /api/create

Créer un modèle à partir de :

un autre modèle ;
un répertoire safetensors ; ou
un fichier GGUF.

Si vous créez un modèle à partir d'un répertoire safetensors ou d'un fichier GGUF, vous devez créer un blob pour chacun des fichiers, puis utiliser le nom de fichier et le condensat SHA256 associé à chaque blob dans le champ files.

Paramètres

model : nom du modèle à créer
from : (facultatif) nom d'un modèle existant à partir duquel créer le nouveau modèle
files : (facultatif) un dictionnaire associant les noms de fichiers aux condensats SHA256 des blobs à utiliser pour créer le modèle
adapters : (facultatif) un dictionnaire associant les noms de fichiers aux condensats SHA256 des blobs pour les adaptateurs LORA
template : (facultatif) le modèle de prompt pour le modèle
renderer : (facultatif) le nom du moteur de rendu pour le modèle
parser : (facultatif) le nom de l'analyseur pour le modèle
license : (facultatif) une chaîne de caractères ou une liste de chaînes contenant la licence ou les licences du modèle
system : (facultatif) une chaîne de caractères contenant le prompt système pour le modèle
parameters : (facultatif) un dictionnaire de paramètres pour le modèle (voir Modelfile pour la liste des paramètres)
messages : (facultatif) une liste d'objets message utilisée pour créer une conversation
stream : (facultatif) si la valeur est false, la réponse sera renvoyée sous la forme d'un objet de réponse unique, plutôt qu'un flux d'objets
quantize (facultatif) : quantifier un modèle non quantifié (par exemple float16)

Types de quantification

Type	Recommandé
q4_K_M	*
q4_K_S
q8_0	*

Exemples

Créer un nouveau modèle

Créer un nouveau modèle à partir d'un modèle existant.

Requête

shell

curl http://localhost:11434/api/create -d '{
  "model": "mario",
  "from": "llama3.2",
  "system": "You are Mario from Super Mario Bros."
}'

Réponse

Un flux d'objets JSON est renvoyé :

json

{"status":"reading model metadata"}
{"status":"creating system layer"}
{"status":"using already created layer sha256:22f7f8ef5f4c791c1b03d7eb414399294764d7cc82c7e94aa81a1feb80a983a2"}
{"status":"using already created layer sha256:8c17c2ebb0ea011be9981cc3922db8ca8fa61e828c5d3f44cb6ae342bf80460b"}
{"status":"using already created layer sha256:7c23fb36d80141c4ab8cdbb61ee4790102ebd2bf7aeff414453177d4f2110e5d"}
{"status":"using already created layer sha256:2e0493f67d0c8c9c68a8aeacdf6a38a2151cb3c4c1d42accf296e19810527988"}
{"status":"using already created layer sha256:2759286baa875dc22de5394b4a925701b1896a7e3f8e53275c36f75a877a82c9"}
{"status":"writing layer sha256:df30045fe90f0d750db82a058109cecd6d4de9c90a3d75b19c09e5f64580bb42"}
{"status":"writing layer sha256:f18a68eb09bf925bb1b669490407c1b1251c5db98dc4d3d81f3088498ea55690"}
{"status":"writing manifest"}
{"status":"success"}

Quantifier un modèle

Quantifier un modèle non quantifié.

Requête

shell

curl http://localhost:11434/api/create -d '{
  "model": "llama3.2:quantized",
  "from": "llama3.2:3b-instruct-fp16",
  "quantize": "q4_K_M"
}'

Réponse

Un flux d'objets JSON est renvoyé :

json

{"status":"quantizing F16 model to Q4_K_M","digest":"0","total":6433687776,"completed":12302}
{"status":"quantizing F16 model to Q4_K_M","digest":"0","total":6433687776,"completed":6433687552}
{"status":"verifying conversion"}
{"status":"creating new layer sha256:fb7f4f211b89c6c4928ff4ddb73db9f9c0cfca3e000c3e40d6cf27ddc6ca72eb"}
{"status":"using existing layer sha256:966de95ca8a62200913e3f8bfbf84c8494536f1b94b49166851e76644e966396"}
{"status":"using existing layer sha256:fcc5a6bec9daf9b561a68827b67ab6088e1dba9d1fa2a50d7bbcc8384e0a265d"}
{"status":"using existing layer sha256:a70ff7e570d97baaf4e62ac6e6ad9975e04caa6d900d3742d37698494479e0cd"}
{"status":"using existing layer sha256:56bb8bd477a519ffa694fc449c2413c6f0e1d3b1c88fa7e3c9d88d3ae49d4dcb"}
{"status":"writing manifest"}
{"status":"success"}

Créer un modèle à partir d'un GGUF

Créer un modèle à partir d'un fichier GGUF. Le paramètre files doit être renseigné avec le nom de fichier et le condensat SHA256 du fichier GGUF que vous souhaitez utiliser. Utilisez /api/blobs/:digest pour envoyer le fichier GGUF au serveur avant d'appeler cette API.

Requête

shell

curl http://localhost:11434/api/create -d '{
  "model": "my-gguf-model",
  "files": {
    "test.gguf": "sha256:432f310a77f4650a88d0fd59ecdd7cebed8d684bafea53cbff0473542964f0c3"
  }
}'

Réponse

Un flux d'objets JSON est renvoyé :

json

{"status":"parsing GGUF"}
{"status":"using existing layer sha256:432f310a77f4650a88d0fd59ecdd7cebed8d684bafea53cbff0473542964f0c3"}
{"status":"writing manifest"}
{"status":"success"}

Créer un modèle à partir d'un répertoire Safetensors

Le paramètre files doit inclure un dictionnaire des fichiers du modèle safetensors, contenant les noms de fichiers et le condensat SHA256 de chaque fichier. Utilisez /api/blobs/:digest pour d'abord envoyer chacun des fichiers au serveur avant d'appeler cette API. Les fichiers resteront dans le cache jusqu'au redémarrage du serveur Ollama.

Requête

shell

curl http://localhost:11434/api/create -d '{
  "model": "fred",
  "files": {
    "config.json": "sha256:dd3443e529fb2290423a0c65c2d633e67b419d273f170259e27297219828e389",
    "generation_config.json": "sha256:88effbb63300dbbc7390143fbbdd9d9fa50587b37e8bfd16c8c90d4970a74a36",
    "special_tokens_map.json": "sha256:b7455f0e8f00539108837bfa586c4fbf424e31f8717819a6798be74bef813d05",
    "tokenizer.json": "sha256:bbc1904d35169c542dffbe1f7589a5994ec7426d9e5b609d07bab876f32e97ab",
    "tokenizer_config.json": "sha256:24e8a6dc2547164b7002e3125f10b415105644fcf02bf9ad8b674c87b1eaaed6",
    "model.safetensors": "sha256:1ff795ff6a07e6a68085d206fb84417da2f083f68391c2843cd2b8ac6df8538f"
  }
}'

Réponse

Un flux d'objets JSON est renvoyé :

shell

{"status":"converting model"}
{"status":"creating new layer sha256:05ca5b813af4a53d2c2922933936e398958855c44ee534858fcfd830940618b6"}
{"status":"using autodetected template llama3-instruct"}
{"status":"using existing layer sha256:56bb8bd477a519ffa694fc449c2413c6f0e1d3b1c88fa7e3c9d88d3ae49d4dcb"}
{"status":"writing manifest"}
{"status":"success"}

Vérifier l'existence d'un blob

shell

HEAD /api/blobs/:digest

Vérifie que le blob (objet binaire volumineux) utilisé pour créer un modèle existe sur le serveur. Cette vérification s'effectue sur votre serveur Ollama et non sur ollama.com.

Paramètres de requête

digest : le condensat SHA256 du blob

Exemples

Requête

shell

curl -I http://localhost:11434/api/blobs/sha256:29fdb92e57cf0827ded04ae6461b5931d01fa595843f55d36f5b275a52087dd2

Réponse

Renvoie 200 OK si le blob existe, 404 Not Found s'il n'existe pas.

Envoyer un blob

POST /api/blobs/:digest

Envoyer un fichier vers le serveur Ollama pour créer un « blob » (objet binaire volumineux).

Paramètres de requête

digest : le condensat SHA256 attendu du fichier

Exemples

Requête

shell

curl -T model.gguf -X POST http://localhost:11434/api/blobs/sha256:29fdb92e57cf0827ded04ae6461b5931d01fa595843f55d36f5b275a52087dd2

Réponse

Renvoie 201 Created si le blob a été créé avec succès, 400 Bad Request si le condensat utilisé n'est pas celui attendu.

Lister les modèles locaux

GET /api/tags

Lister les modèles disponibles localement.

Exemples

Requête

shell

curl http://localhost:11434/api/tags

Réponse

Un seul objet JSON est renvoyé.

json

{
  "models": [
    {
      "name": "deepseek-r1:latest",
      "model": "deepseek-r1:latest",
      "modified_at": "2025-05-10T08:06:48.639712648-07:00",
      "size": 4683075271,
      "digest": "0a8c266910232fd3291e71e5ba1e058cc5af9d411192cf88b6d30e92b6e73163",
      "details": {
        "parent_model": "",
        "format": "gguf",
        "family": "qwen2",
        "families": ["qwen2"],
        "parameter_size": "7.6B",
        "quantization_level": "Q4_K_M"
      }
    },
    {
      "name": "llama3.2:latest",
      "model": "llama3.2:latest",
      "modified_at": "2025-05-04T17:37:44.706015396-07:00",
      "size": 2019393189,
      "digest": "a80c4f17acd55265feec403c7aef86be0c25983ab279d83f3bcd3abbcb5b8b72",
      "details": {
        "parent_model": "",
        "format": "gguf",
        "family": "llama",
        "families": ["llama"],
        "parameter_size": "3.2B",
        "quantization_level": "Q4_K_M"
      }
    }
  ]
}

Afficher les informations d'un modèle

POST /api/show

Afficher les informations d'un modèle, notamment les détails, le Modelfile, le modèle, les paramètres, la licence et l'invite système.

Paramètres

model : nom du modèle à afficher
verbose : (optionnel) si défini sur true, renvoie l'ensemble des données des champs de réponse verbeux

Exemples

Requête

shell

curl http://localhost:11434/api/show -d '{
  "model": "llava"
}'

Réponse

json5

{
  modelfile: '# Modelfile generated by "ollama show"\n# To build a new Modelfile based on this one, replace the FROM line with:\n# FROM llava:latest\n\nFROM /Users/matt/.ollama/models/blobs/sha256:200765e1283640ffbd013184bf496e261032fa75b99498a9613be4e94d63ad52\nTEMPLATE """{{ .System }}\nUSER: {{ .Prompt }}\nASSISTANT: """\nPARAMETER num_ctx 4096\nPARAMETER stop "\u003c/s\u003e"\nPARAMETER stop "USER:"\nPARAMETER stop "ASSISTANT:"',
  parameters: 'num_keep                       24\nstop                           "<|start_header_id|>"\nstop                           "<|end_header_id|>"\nstop                           "<|eot_id|>"',
  template: "{{ if .System }}<|start_header_id|>system<|end_header_id|>\n\n{{ .System }}<|eot_id|>{{ end }}{{ if .Prompt }}<|start_header_id|>user<|end_header_id|>\n\n{{ .Prompt }}<|eot_id|>{{ end }}<|start_header_id|>assistant<|end_header_id|>\n\n{{ .Response }}<|eot_id|>",
  details: {
    parent_model: "",
    format: "gguf",
    family: "llama",
    families: ["llama"],
    parameter_size: "8.0B",
    quantization_level: "Q4_0",
  },
  model_info: {
    "general.architecture": "llama",
    "general.file_type": 2,
    "general.parameter_count": 8030261248,
    "general.quantization_version": 2,
    "llama.attention.head_count": 32,
    "llama.attention.head_count_kv": 8,
    "llama.attention.layer_norm_rms_epsilon": 0.00001,
    "llama.block_count": 32,
    "llama.context_length": 8192,
    "llama.embedding_length": 4096,
    "llama.feed_forward_length": 14336,
    "llama.rope.dimension_count": 128,
    "llama.rope.freq_base": 500000,
    "llama.vocab_size": 128256,
    "tokenizer.ggml.bos_token_id": 128000,
    "tokenizer.ggml.eos_token_id": 128009,
    "tokenizer.ggml.merges": [], // populates if `verbose=true`
    "tokenizer.ggml.model": "gpt2",
    "tokenizer.ggml.pre": "llama-bpe",
    "tokenizer.ggml.token_type": [], // populates if `verbose=true`
    "tokenizer.ggml.tokens": [], // populates if `verbose=true`
  },
  capabilities: ["completion", "vision"],
}

Copier un modèle

POST /api/copy

Copier un modèle. Crée un modèle avec un autre nom à partir d'un modèle existant.

Exemples

Requête

shell

curl http://localhost:11434/api/copy -d '{
  "source": "llama3.2",
  "destination": "llama3-backup"
}'

Réponse

Renvoie 200 OK en cas de succès, ou 404 Not Found si le modèle source n'existe pas.

Supprimer un modèle

DELETE /api/delete

Supprimer un modèle et ses données.

Paramètres

model : nom du modèle à supprimer

Exemples

Requête

shell

curl -X DELETE http://localhost:11434/api/delete -d '{
  "model": "llama3:13b"
}'

Réponse

Renvoie 200 OK en cas de succès, 404 Not Found si le modèle à supprimer n'existe pas.

Télécharger un modèle (pull)

POST /api/pull

Télécharger un modèle depuis la bibliothèque Ollama. Les téléchargements annulés reprennent là où ils s'étaient arrêtés, et plusieurs appels partagent la même progression de téléchargement.

Paramètres

model : nom du modèle à télécharger
insecure : (optionnel) autoriser les connexions non sécurisées vers la bibliothèque. À utiliser uniquement si vous téléchargez un modèle depuis votre propre bibliothèque pendant le développement.
stream : (optionnel) si défini sur false, la réponse sera renvoyée sous la forme d'un objet unique, plutôt qu'un flux d'objets

Exemples

Requête

shell

curl http://localhost:11434/api/pull -d '{
  "model": "llama3.2"
}'

Réponse

Si stream n'est pas spécifié, ou défini sur true, un flux d'objets JSON est renvoyé :

Le premier objet est le manifeste :

json

{
  "status": "pulling manifest"
}

Puis une série de réponses de téléchargement est renvoyée. Tant qu'aucun téléchargement n'est terminé, la clé completed peut ne pas être présente. Le nombre de fichiers à télécharger dépend du nombre de couches spécifiées dans le manifeste.

json

{
  "status": "pulling digestname",
  "digest": "digestname",
  "total": 2142590208,
  "completed": 241970
}

Une fois tous les fichiers téléchargés, les réponses finales sont :

json

{
    "status": "verifying sha256 digest"
}
{
    "status": "writing manifest"
}
{
    "status": "removing any unused layers"
}
{
    "status": "success"
}

si stream est défini sur false, la réponse est un objet JSON unique :

json

{
  "status": "success"
}

Envoyer un modèle (push)

POST /api/push

Envoyer un modèle vers une bibliothèque de modèles. Nécessite de s'inscrire sur ollama.ai et d'ajouter une clé publique au préalable.

Paramètres

model : nom du modèle à envoyer, sous la forme <namespace>/<model>:<tag>
insecure : (optionnel) autoriser les connexions non sécurisées vers la bibliothèque. À utiliser uniquement si vous envoyez un modèle vers votre propre bibliothèque pendant le développement.
stream : (optionnel) si défini sur false, la réponse sera renvoyée sous la forme d'un objet unique, plutôt qu'un flux d'objets

Exemples

Requête

shell

curl http://localhost:11434/api/push -d '{
  "model": "mattw/pygmalion:latest"
}'

Réponse

Si stream n'est pas spécifié, ou défini sur true, un flux d'objets JSON est renvoyé :

json

{ "status": "retrieving manifest" }

puis :

json

{
  "status": "starting upload",
  "digest": "sha256:bc07c81de745696fdf5afca05e065818a8149fb0c77266fb584d9b2cba3711ab",
  "total": 1928429856
}

Puis une série de réponses d'envoi est renvoyée :

json

{
  "status": "starting upload",
  "digest": "sha256:bc07c81de745696fdf5afca05e065818a8149fb0c77266fb584d9b2cba3711ab",
  "total": 1928429856
}

Enfin, une fois l'envoi terminé :

json

{"status":"pushing manifest"}
{"status":"success"}

Si stream est défini sur false, alors la réponse est un objet JSON unique :

json

{ "status": "success" }

Générer des embeddings

POST /api/embed

Générer des embeddings à partir d'un modèle

Paramètres

model : nom du modèle à partir duquel générer les embeddings
input : texte ou liste de textes pour lesquels générer des embeddings

Paramètres avancés :

truncate : tronque la fin de chaque entrée pour qu'elle corresponde à la longueur du contexte. Renvoie une erreur si défini sur false et que la longueur du contexte est dépassée. La valeur par défaut est true
options : paramètres supplémentaires du modèle listés dans la documentation du Modelfile comme temperature
keep_alive : contrôle la durée pendant laquelle le modèle reste chargé en mémoire après la requête (par défaut : 5m)
dimensions : nombre de dimensions de l'embedding

Exemples

Requête

shell

curl http://localhost:11434/api/embed -d '{
  "model": "all-minilm",
  "input": "Why is the sky blue?"
}'

Réponse

json

{
  "model": "all-minilm",
  "embeddings": [
    [
      0.010071029, -0.0017594862, 0.05007221, 0.04692972, 0.054916814,
      0.008599704, 0.105441414, -0.025878139, 0.12958129, 0.031952348
    ]
  ],
  "total_duration": 14143917,
  "load_duration": 1019500,
  "prompt_eval_count": 8
}

Requête (entrées multiples)

shell

curl http://localhost:11434/api/embed -d '{
  "model": "all-minilm",
  "input": ["Why is the sky blue?", "Why is the grass green?"]
}'

Réponse

json

{
  "model": "all-minilm",
  "embeddings": [
    [
      0.010071029, -0.0017594862, 0.05007221, 0.04692972, 0.054916814,
      0.008599704, 0.105441414, -0.025878139, 0.12958129, 0.031952348
    ],
    [
      -0.0098027075, 0.06042469, 0.025257962, -0.006364387, 0.07272725,
      0.017194884, 0.09032035, -0.051705178, 0.09951512, 0.09072481
    ]
  ]
}

Lister les modèles en cours d'exécution

GET /api/ps

Lister les modèles actuellement chargés en mémoire.

Exemples

Requête

shell

curl http://localhost:11434/api/ps

Réponse

Un seul objet JSON est renvoyé.

json

{
  "models": [
    {
      "name": "mistral:latest",
      "model": "mistral:latest",
      "size": 5137025024,
      "digest": "2ae6f6dd7a3dd734790bbbf58b8909a606e0e7e97e94b7604e0aa7ae4490e6d8",
      "details": {
        "parent_model": "",
        "format": "gguf",
        "family": "llama",
        "families": ["llama"],
        "parameter_size": "7.2B",
        "quantization_level": "Q4_0"
      },
      "expires_at": "2024-06-04T14:38:31.83753-07:00",
      "size_vram": 5137025024
    }
  ]
}

Générer un embedding

Note : ce point d'accès a été remplacé par /api/embed

POST /api/embeddings

Générer des embeddings à partir d'un modèle

Paramètres

model : nom du modèle à partir duquel générer les embeddings
prompt : texte pour lequel générer des embeddings

Paramètres avancés :

options : paramètres supplémentaires du modèle listés dans la documentation du Modelfile comme temperature
keep_alive : contrôle la durée pendant laquelle le modèle reste chargé en mémoire après la requête (par défaut : 5m)

Exemples

Requête

shell

curl http://localhost:11434/api/embeddings -d '{
  "model": "all-minilm",
  "prompt": "Here is an article about llamas..."
}'

Réponse

json

{
  "embedding": [
    0.5670403838157654, 0.009260174818336964, 0.23178744316101074,
    -0.2916173040866852, -0.8924556970596313, 0.8785552978515625,
    -0.34576427936553955, 0.5742510557174683, -0.04222835972905159,
    -0.137906014919281
  ]
}

Version

GET /api/version

Récupérer la version d'Ollama

Exemples

Requête

shell

curl http://localhost:11434/api/version

Réponse

json

{
  "version": "0.5.1"
}

Fonctionnalités expérimentales

Génération d'images (expérimental)

WARNING

La génération d'images est expérimentale et peut évoluer dans les versions futures.

La génération d'images est désormais prise en charge via le point d'accès standard /api/generate lors de l'utilisation de modèles de génération d'images. L'API détecte automatiquement lorsqu'un modèle de génération d'images est utilisé.

Consultez la section Générer une complétion pour la documentation complète de l'API. Les paramètres expérimentaux de génération d'images (width, height, steps) y sont documentés.

Exemple

Requête

shell

curl http://localhost:11434/api/generate -d '{
  "model": "x/z-image-turbo",
  "prompt": "a sunset over mountains",
  "width": 1024,
  "height": 768
}'

Réponse (en flux continu)

Mises à jour de la progression pendant la génération :

json

{
  "model": "x/z-image-turbo",
  "created_at": "2024-01-15T10:30:00.000000Z",
  "completed": 5,
  "total": 20,
  "done": false
}

Réponse finale

json

{
  "model": "x/z-image-turbo",
  "created_at": "2024-01-15T10:30:15.000000Z",
  "image": "iVBORw0KGgoAAAANSUhEUg...",
  "done": true,
  "done_reason": "stop",
  "total_duration": 15000000000,
  "load_duration": 2000000000
}

API ​

Points de terminaison ​

Conventions ​

Noms de modèle ​

Durées ​

Réponses en streaming ​

Générer une complétion ​

Paramètres ​

Sorties structurées ​

Mode JSON ​

Exemples ​

Requête de génération (Streaming) ​

Requête ​

Réponse ​

Requête (Pas de streaming) ​

Requête ​

Réponse ​

Requête (avec suffixe) ​

Requête ​

Réponse ​

Requête (Sorties structurées) ​

Requête ​

Réponse ​

Requête (Mode JSON) ​

Requête ​

Réponse ​

Requête (avec images) ​

Requête ​

Réponse ​

Requête (Mode brut) ​

Requête ​

Requête (Sorties reproductibles) ​

Requête ​

Réponse ​

Requête de génération (Avec options) ​

Requête ​

Réponse ​

Charger un modèle ​

Requête ​

Réponse ​

Décharger un modèle ​

Requête ​

Réponse ​

Générer une complétion de chat ​

Paramètres ​

Appel d'outils ​

Sorties structurées ​

Exemples ​

Requête de chat (Streaming) ​

Requête ​

Réponse ​

Requête de chat (Streaming avec outils) ​

Requête ​

Réponse ​

Requête de chat (Pas de streaming) ​

Requête ​

Réponse ​

Requête de chat (Pas de streaming, avec outils) ​

Requête ​

Réponse ​

Requête de chat (Sorties structurées) ​

Requête ​

Réponse ​

Requête de chat (Avec historique) ​

Requête ​

Réponse ​

Requête de chat (Avec historique, avec outils) ​

Requête ​

Réponse ​

Requête de chat (avec images) ​

Requête ​

Réponse ​

Requête de chat (sorties reproductibles) ​

Requête ​

Réponse ​

Requête de chat (avec outils) ​

Requête ​

Réponse ​

Charger un modèle ​

Réponse ​

API

Points de terminaison

Conventions

Noms de modèle

Durées

Réponses en streaming

Générer une complétion

Paramètres

Sorties structurées

Mode JSON

Exemples

Requête de génération (Streaming)

Requête

Réponse

Requête (Pas de streaming)

Requête

Réponse

Requête (avec suffixe)

Requête

Réponse

Requête (Sorties structurées)

Requête

Réponse

Requête (Mode JSON)

Requête

Réponse

Requête (avec images)

Requête

Réponse

Requête (Mode brut)

Requête

Requête (Sorties reproductibles)

Requête

Réponse

Requête de génération (Avec options)

Requête

Réponse

Charger un modèle

Requête

Réponse

Décharger un modèle

Requête

Réponse

Générer une complétion de chat

Paramètres

Appel d'outils

Sorties structurées

Exemples

Requête de chat (Streaming)

Requête

Réponse

Requête de chat (Streaming avec outils)

Requête

Réponse

Requête de chat (Pas de streaming)

Requête

Réponse

Requête de chat (Pas de streaming, avec outils)

Requête

Réponse

Requête de chat (Sorties structurées)

Requête

Réponse

Requête de chat (Avec historique)

Requête

Réponse

Requête de chat (Avec historique, avec outils)

Requête

Réponse

Requête de chat (avec images)

Requête

Réponse

Requête de chat (sorties reproductibles)

Requête

Réponse

Requête de chat (avec outils)

Requête

Réponse

Charger un modèle

Réponse