雲端模型

Ollama 的雲端模型是 Ollama 中一種新型態的模型，不需要強大的 GPU 即可運行。雲端模型會自動卸載至 Ollama 的雲端服務，同時提供與本地模型相同的功能，這使得您可以在運行無法安裝於個人電腦上的大型模型時，繼續使用本機工具。

支援的模型

如需支援模型的清單，請參閱 Ollama 的模型庫。

執行雲端模型

Ollama 的雲端模型需要 ollama.com 的帳戶。若要登入或建立帳戶，請執行：

ollama signin

CLI

若要執行雲端模型，請開啟終端機並執行：

ollama run gpt-oss:120b-cloud

Python

首先，拉取雲端模型以便存取：

ollama pull gpt-oss:120b-cloud

接著，安裝 Ollama 的 Python 函式庫：

pip install ollama

接著，建立並執行一個簡單的 Python 指令碼：

from ollama import Client

client = Client()

messages = [
  {
    'role': 'user',
    'content': 'Why is the sky blue?',
  },
]

for part in client.chat('gpt-oss:120b-cloud', messages=messages, stream=True):
  print(part['message']['content'], end='', flush=True)

JavaScript

首先，拉取雲端模型以便存取：

ollama pull gpt-oss:120b-cloud

接著，安裝 Ollama 的 JavaScript 函式庫：

npm i ollama

然後使用該函式庫來執行雲端模型：

const ollama = new Ollama();

const response = await ollama.chat({
  model: "gpt-oss:120b-cloud",
  messages: [{ role: "user", content: "Explain quantum computing" }],
  stream: true,
});

for await (const part of response) {
  process.stdout.write(part.message.content);
}

cURL

首先，拉取雲端模型以便存取：

ollama pull gpt-oss:120b-cloud

執行以下 cURL 指令，以透過 Ollama 的 API 執行該命令：

curl http://localhost:11434/api/chat -d '{
  "model": "gpt-oss:120b-cloud",
  "messages": [{
    "role": "user",
    "content": "Why is the sky blue?"
  }],
  "stream": false
}'

雲端 API 存取

雲端模型也可以直接在 ollama.com 的 API 上存取。在此模式下，ollama.com 作為遠端 Ollama 主機。

驗證

若要直接存取 ollama.com 的 API，請先建立一個 API 金鑰。

接著，將 OLLAMA_API_KEY 環境變數設定為您的 API 金鑰。

export OLLAMA_API_KEY=your_api_key

列出模型

對於可直接透過 Ollama API 使用的模型，可以透過以下方式列出：

curl https://ollama.com/api/tags

產生回應

Python

首先，安裝 Ollama 的 Python 函式庫

pip install ollama

然後提出請求

from ollama import Client

client = Client(
    host="https://ollama.com",
    headers={'Authorization': 'Bearer ' + os.environ.get('OLLAMA_API_KEY')}
)

messages = [
  {
    'role': 'user',
    'content': 'Why is the sky blue?',
  },
]

for part in client.chat('gpt-oss:120b', messages=messages, stream=True):
  print(part['message']['content'], end='', flush=True)

JavaScript

首先，安裝 Ollama 的 JavaScript 函式庫：

npm i ollama

接著，向模型提出請求：

const ollama = new Ollama({
  host: "https://ollama.com",
  headers: {
    Authorization: "Bearer " + process.env.OLLAMA_API_KEY,
  },
});

const response = await ollama.chat({
  model: "gpt-oss:120b",
  messages: [{ role: "user", content: "Explain quantum computing" }],
  stream: true,
});

for await (const part of response) {
  process.stdout.write(part.message.content);
}

cURL

透過 Ollama 的聊天 API 產生回應：

curl https://ollama.com/api/chat \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -d '{
    "model": "gpt-oss:120b",
    "messages": [{
      "role": "user",
      "content": "Why is the sky blue?"
    }],
    "stream": false
  }'

僅限本機

Ollama 可以透過停用 Ollama 的雲端功能，以僅限本機模式運行。

退役

隨著更新、更好的開源模型發布，Ollama 將偶爾淘汰並退役較舊的雲端模型。依賴 Ollama 雲端模型的工具和應用程式可能需要更新才能繼續運作。受影響的使用者將在模型淘汰和退役前提前收到通知。淘汰資訊將透過電子郵件和 Ollama 網站進行傳達。

Ollama 雲端模型的退役不影響本地模型。

即將退役

退役日期	模型	建議替代方案
July 15, 2026	deepseek-v3.1:671b	deepseek-v4-flash
July 15, 2026	deepseek-v3.2	deepseek-v4-flash
July 15, 2026	devstral-2:123b	mistral-large-3:675b
July 15, 2026	devstral-small-2:24b
July 15, 2026	ministral-3:14b
July 15, 2026	ministral-3:3b
July 15, 2026	ministral-3:8b
July 15, 2026	gemini-3-flash-preview	minimax-m3
July 15, 2026	gemma3:12b	gemma4:31b
July 15, 2026	gemma3:27b	gemma4:31b
July 15, 2026	gemma3:4b	gemma4:31b
July 15, 2026	glm-4.7	glm-5.2
July 15, 2026	glm-5	glm-5.2
July 15, 2026	minimax-m2.1	minimax-m3
July 15, 2026	qwen3-coder-next	qwen3.5:397b
July 15, 2026	qwen3-coder:480b	qwen3.5:397b

過去退役

June 30, 2026

| 模型 | 建議替代方案 |
| --- | --- |
| `rnj-1:8b` | |

June 16, 2026

| 模型 | 建議替代方案 |
| --- | --- |
| `kimi-k2-thinking` | `kimi-k2.6` |
| `kimi-k2:1t` | `kimi-k2.6` |
| `minimax-m2`  | `minimax-m3` |
| `glm-4.6` | `glm-5.1` |
| `qwen3-next:80b` | `qwen3.5` |
| `qwen3-vl:235b` | `qwen3.5` |
| `qwen3-vl:235b-instruct` | `qwen3.5` |
| `cogito-2.1:671b` | `deepseek-v4-flash` |