先講結論
- Ollama 是一個免費、開源的工具，讓你在自己的電腦上下載並執行 AI 模型。它本身不是模型，比較像播放器。
- 在自己電腦上跑模型不用錢、不用註冊，對話內容不會離開你的電腦。它另外有雲端服務，那部分要登入，用多了要付費。
- 沒有顯卡也能跑小的模型，但小模型會出錯。我實測 1.5B 的模型把台灣最高的山答成阿里山。
你大概是在某支教學影片，或是 n8n、OpenClaw 的設定畫面裡看到 Ollama 這個字。旁邊的說明通常只有一句「在本機跑模型」，然後就沒有然後了。
這篇把它講清楚。
先交代哪些是我自己看到的。我在一台沒有顯卡的測試機上裝過 Ollama，抓了兩個小模型實際問了幾題，速度和它答錯的例子是那時候記下來的。系統需求、價格和隱私的部分，是照官方文件和官網寫的。
一句話：它是模型的播放器
AI 模型本身只是一個很大的檔案，小的幾百 MB，大的幾十 GB。光有檔案沒有用，要有程式把它載進記憶體、讓你能跟它對話。
Ollama 做的就是這件事。你告訴它要哪個模型，它去下載、載入，然後你就可以開始問。
所以它跟模型是兩回事。可以想成播放器和影片的關係：Ollama 是播放器，Qwen、Gemma、DeepSeek 這些才是影片。同一個 Ollama 可以換著跑很多種模型。
它是開源的，程式碼放在 GitHub 上，用的是 MIT 授權。我寫這篇的時候，它在 GitHub 上有十八萬多顆星，是這一類工具裡很熱門的一個。
它不是什麼
幾個常見的誤會。
它不是一個模型。網路上說「用 Ollama 回答」，意思其實是用 Ollama 跑某一個模型來回答。聰不聰明看的是模型，不是 Ollama。
它不是免費版的 ChatGPT。你的電腦跑得動的模型，跟 ChatGPT、Claude 背後那種要整個機房來跑的模型，不在同一個量級。後面我會給你看實際的例子。
它也不是只給工程師用的。安裝是點兩下，或一行指令。要打的指令就三四個，我整理在Ollama 教學。
為什麼有人要用
我自己看到的理由有四種。
資料不想出門。病歷、合約、公司內部的文件，貼到別人的網站上總是不放心。模型跑在自己的電腦上，就沒有這個問題。
不想按量付費。接 API 是用多少算多少，自己跑的話，花的是電費和機器的錢。
想接到別的工具。Ollama 開著的時候本身就是一個 API 伺服器，n8n、OpenClaw 這類工具都能直接連上去。我試過把它接到 OpenClaw，過程寫在這篇。
純粹想玩。換模型、比較誰比較聰明、看它在自己電腦上能跑多快，本身就很有趣。
要什麼樣的電腦
官方文件寫的最低需求是這樣。Mac 要 macOS 14 以上，Apple 晶片的可以用到顯示晶片加速，Intel 的只能用處理器跑。Windows 要 Windows 10 22H2 以上，支援 NVIDIA 和 AMD 的顯卡。Linux 也可以。
真正決定體驗的是三樣東西。
第一是有沒有顯卡，或是不是 Apple 晶片。有的話會快很多。
第二是記憶體。模型要整個載進去才能跑。我量到 1.5B 的模型佔 1.2 GB，3B 的佔 2.2 GB。模型越大，要的越多。
第三是硬碟。我在 Linux 上量到 Ollama 自己佔 2.1 GB，官方文件寫 Windows 版至少要留 4 GB。每個模型另外算。
模型越大要的越多。以 Gemma 4 為例，我把它五個大小都抓下來試過，8 GB 的機器只載得動最小的兩個，過程在Gemma 4 硬體需求。
沒有顯卡行不行？行，但只能跑小的。我的測試機是 2 核心、4 GB 記憶體、沒有顯卡，1.5B 的模型每秒大約產生 8 個 token，3B 的大約 4 個。問一句、答一句沒有問題，要它寫長一點的東西就要等。
哪些部分要錢
在自己的電腦上跑模型，不用錢，也不用註冊帳號。我從安裝到問完問題，沒有被要求登入。
要錢的是另一塊。Ollama 現在也有雲端服務，讓你用他們機房裡的大模型，不用自己的電腦跑。這部分要登入。官網定價頁在 2026 年 10 月 12 日寫的是：
| 方案 | 月費 | 包含 |
|---|---|---|
| Free | 0 美元 | 本機跑模型，附一點雲端的起始額度 |
| Pro | 20 美元 | 每月 60 美元的雲端用量額度 |
| Max | 100 美元 | 每月 300 美元的雲端用量額度 |
雲端的模型是照用量扣額度的，每個模型的單價不一樣，定價頁上有列。這一塊我沒有用過。
對只想在自己電腦上跑模型的人來說，這張表可以不用看，免費的那一格就夠了。
資料會不會外流
這是很多人選它的原因，所以我去翻了官方的說法。
官方文件的常見問題裡寫，在本機執行的時候，他們看不到你的提問和資料。
另外它預設只聽這台電腦自己的連線，位置是 127.0.0.1:11434。同一個網路裡的別台電腦連不進來，除非你自己去改設定。
用雲端模型的話就不同了。內容會送到他們的伺服器處理，官方說不會保存或記錄，也不會拿去訓練。完全不想碰雲端的人，官方文件有教怎麼把雲端功能整個關掉。
我實際跑過之後看到的限制
好處講完了，講我實際看到的問題。
小模型會很有自信地答錯。我問 1.5B 的模型「台灣最高的山是哪一座」，它答阿里山。3B 的答對了，是玉山。
繁體中文不穩定。我在問題裡寫明要用繁體中文，1.5B 的模型整句回簡體。3B 的大致是繁體，但中間夾了簡體字。
它能記住的長度預設很短。沒有顯卡的時候，一次能處理的內容預設只有 4096 個 token，丟長文給它會被截掉。這個可以調，代價是更吃記憶體。
模型閒置五分鐘會被卸掉。隔一陣子再問，要等它重新載入。
這些問題大多可以靠換更大的模型改善，但更大的模型就需要更好的電腦。這是本地模型繞不開的取捨。同樣大小的模型之間也差很多。我後來比了十個，同樣是 3B 到 4B，有的五題全對，有的只對一題。
怎麼開始
想試的話，流程是：裝 Ollama、抓一個模型、開始問。三個指令。每一步怎麼做、會看到什麼，我寫在Ollama 教學。
我的建議是先抓一個小的模型試，確定你的電腦跑得動，再慢慢換大的。不要一開始就下載幾十 GB 的模型，結果發現跑不動。
小的模型裡要抓哪一個，我拿十個問過同一組台灣題目，結果在Ollama 模型推薦。
Ollama 在 Mac 和 Windows 上的官方 App，從 2025 年 7 月起就有聊天視窗，可以下載模型、直接聊天，也能把文字檔或 PDF 拖進去問，這是 Ollama 官方部落格寫的；我手邊沒有在 Mac 或 Windows 上實際用過這個 App。Linux 和伺服器上則是用指令操作。想要功能更多、在瀏覽器裡用、還能給家人一起用的聊天介面，可以另外裝 Open WebUI，我實際裝過。同一類的工具還有 LM Studio，它是一開始就做成桌面 App 的，兩者差在哪、同一台機器誰跑得快，我實測過，在 LM Studio 跟 Ollama 差在哪。
常見問題
Ollama 是免費的嗎？
軟體本身免費，而且是開源的。在自己的電腦上跑模型也不用錢。要錢的是它的雲端服務：免費方案附一點額度，Pro 方案官網標價每月 20 美元，Max 每月 100 美元。
Ollama 跟 ChatGPT 差在哪裡？
ChatGPT 是一個網路服務，模型跑在 OpenAI 的機房，你付訂閱費。Ollama 是一個工具，模型跑在你自己的電腦上，用的是開放下載的模型。自己電腦跑得動的模型，能力通常比不上 ChatGPT 那種等級。
用 Ollama 資料會不會外流？
官方的說法是，在本機執行的時候他們看不到你的提問和內容。它預設也只接受這台電腦自己的連線。用它的雲端模型就不一樣，內容會送到他們的伺服器處理，官方說不會保存，也不會拿去訓練。
要什麼樣的電腦才跑得動？
官方文件寫 Mac 要 macOS 14 以上，Windows 要 Windows 10 22H2 以上。有顯卡或 Apple 晶片會快很多。沒有顯卡也可以，我用 2 核心、4 GB 記憶體的機器跑過 1.5B 和 3B 的小模型，短的問答幾秒內會回。
這篇怎麼查證的
這篇只有一部分實際跑過，其餘依官方文件整理，查證日期 2026/10/12（Ollama 0.40.3。速度和回答品質是我在雲端測試機（Ubuntu 26.04，2 核心、4 GB、沒有顯卡）上實測的；系統需求、雲端方案的價格、隱私說明依 Ollama 官方文件與官網，雲端模型我沒有用過）。哪些有跑、哪些沒跑，文中各段有寫。價格與方案以官方頁面為準，工具改版後內容可能過期。