O streaming permite renderizar texto conforme ele é produzido pelo modelo.

O streaming é habilitado por padrão por meio da API REST, mas desabilitado por padrão nos SDKs.

Para habilitar o streaming nos SDKs, defina o parâmetro stream como True.

Conceitos principais de streaming

1. Chat: Transmita mensagens parciais do assistente. Cada fragmento inclui o campo content para que você possa renderizar as mensagens conforme elas chegam.
2. Pensamento: Modelos com capacidade de raciocínio emitem um campo thinking junto com o conteúdo regular em cada fragmento. Detecte esse campo nos fragmentos de streaming para mostrar ou ocultar os traços de raciocínio antes que a resposta final chegue.
3. Chamada de ferramentas: Fique atento a tool_calls transmitidos em cada fragmento, execute a ferramenta solicitada e anexe as saídas da ferramenta de volta à conversa.

Manipulação de fragmentos de streaming

Nota

É necessário acumular os campos parciais para manter o histórico da conversa. Isso é particularmente importante para chamadas de ferramentas, onde o pensamento, a chamada de ferramenta do modelo e o resultado da ferramenta executada devem ser enviados de volta ao modelo na próxima solicitação.

Python

```python
from ollama import chat

stream = chat(
  model='qwen3',
  messages=[{'role': 'user', 'content': 'What is 17 × 23?'}],
  stream=True,
)

in_thinking = False
content = ''
thinking = ''
for chunk in stream:
  if chunk.message.thinking:
    if not in_thinking:
      in_thinking = True
      print('Thinking:\n', end='', flush=True)
    print(chunk.message.thinking, end='', flush=True)
    # acumular o pensamento parcial
    thinking += chunk.message.thinking
  elif chunk.message.content:
    if in_thinking:
      in_thinking = False
      print('\n\nAnswer:\n', end='', flush=True)
    print(chunk.message.content, end='', flush=True)
    # acumular o conteúdo parcial
    content += chunk.message.content

  # anexar os campos acumulados às mensagens para a próxima solicitação
  new_messages = [{ role: 'assistant', thinking: thinking, content: content }]
```

JavaScript

```javascript
import ollama from 'ollama'

async function main() {
  const stream = await ollama.chat({
    model: 'qwen3',
    messages: [{ role: 'user', content: 'What is 17 × 23?' }],
    stream: true,
  })

  let inThinking = false
  let content = ''
  let thinking = ''

  for await (const chunk of stream) {
    if (chunk.message.thinking) {
      if (!inThinking) {
        inThinking = true
        process.stdout.write('Thinking:\n')
      }
      process.stdout.write(chunk.message.thinking)
      // acumular o pensamento parcial
      thinking += chunk.message.thinking
    } else if (chunk.message.content) {
      if (inThinking) {
        inThinking = false
        process.stdout.write('\n\nAnswer:\n')
      }
      process.stdout.write(chunk.message.content)
      // acumular o conteúdo parcial
      content += chunk.message.content
    }
  }

  // anexar os campos acumulados às mensagens para a próxima solicitação
  new_messages = [{ role: 'assistant', thinking: thinking, content: content }]
}

main().catch(console.error)
```