本地显卡不够、显存爆了、加载模型半天动不了？
Ollama 最近的「云模型」功能，可能正好能帮助到你。
一、Ollama 云模型是什么
如果你用过 Ollama，大概率是因为它能在本地跑各种大模型：
下载一个模型，用 ollama run 一敲，就能聊起来。
但问题也来了—— 模型太大了，本地电脑吃不消，显存不够、风扇狂转、系统一卡一卡的。
Ollama 新推出的云模型（Cloud Models）就是为了解决这个问题：
你还是用熟悉的命令，但模型不是在你电脑上跑的，而是在 Ollama 的云端跑完后，把结果传回来。
也就是说，你能像本地一样用 Ollama，却能跑更大的模型。
二、本地模式 vs 云模式
其实 Ollama 现在有两种运行方式：
| 模式 |
本地模型（local） |
云模型（cloud） |
| 运行位置 |
|
|
| 算力需求 |
|
|
| 延迟 |
|
|
| 模型体积 |
|
|
| 隐私性 |
|
|
| 成本 |
|
|
一句话总结：
👉 本地模型：快，但受限于设备。
👉 云模型：灵活，不挑硬件。
三、支持的云模型
目前 Ollama 云端能用的模型都带 -cloud 后缀，目前仅支持：
这些名字后面都有个“-cloud”，代表模型在云端运行。
这些模型都是参数体量超大的模型，但你本地照样能用。
四、如何使用
其实用起来很简单，分三步就行 👇
步骤 1：登录账号
先登录 Ollama：
ollama signin
这里需要注意，需要把上面中的 https://ollama.com/connect?name=.....链接复制到浏览器打开，然后登录你的账号，确认授权：
或者使用 API 时，把 Key 设置好：
export OLLAMA_API_KEY=你的密钥
获取 API Key： https://ollama.com/settings/keys
步骤 2：直接运行云模型
然后直接在终端运行模型，比如：
ollama run gpt-oss:120b-cloud
和本地模型几乎一样，只是这次在云端跑。
步骤 3：用 API 调用（比如 Python）
想在自己的项目里接入也行。
示例代码如下：
import os
from ollama import Client
client = Client(
host="https://ollama.com",
headers={'Authorization': 'Bearer ' + os.environ.get('OLLAMA_API_KEY')}
)
messages = [{'role': 'user', 'content': '为什么天空是蓝色的？'}]
for part in client.chat('gpt-oss:120b', messages=messages, stream=True):
print(part['message']['content'], end='', flush=True)
就这样，你的本地脚本就能直接调用云端模型。
五、什么时候使用
Chris 这里帮你总结下：
✅ 用本地模型的情况：
✅ 用云模型的情况：
很多人会两者结合：比如小任务用本地模型，大任务临时切云模型。更多介绍可以查看官网：https://docs.ollama.com/cloud
六、使用注意
虽然云模型很方便，但也有一些要注意的：
- 网络稳定很重要：网络波动可能让调用中断，记得加重试机制。
- API Key 别泄露：否则别人可能白嫖你的额度。
七、实战建议：从本地切换到云模型
假设你原本这样写的：
ollama run gpt-oss:20b
现在只要改成：
ollama run gpt-oss:120b-cloud
或者在代码里做个小判断 👇
model = "gpt-oss:120b-cloud" if use_cloud else "gpt-oss:20b"
这样就能随时切换运行模式，想本地跑就本地跑，想云跑就云跑。开发调试更灵活，也方便部署。
另外，在 Chris 开发的 AI 本地知识库软件 WiseMindAI 上，也即将支持 Ollama Cloud 模型了，预计 10 月底 v0.2.5 版本上线：
八、收费情况
Ollama 的云服务包含小时和每日限制，以避免容量问题。目前支持免费和专业版订阅（20 美元），只是免费版的每日限制，官方还没有确定，目前可以免费使用：
总结
Ollama 的云模型功能，可以说是「让你不买显卡，也能玩大模型」，使用的时候：
