Conteúdo

Variáveis de ambiente do Ollama: tutorial sobre OLLAMA_HOST, caminhos dos modelos e tamanho do contexto

O comportamento do serviço Ollama é controlado por variáveis de ambiente. Nesta seção, você encontra as configurações mais usadas e como defini-las em cada sistema operacional.

Variáveis de ambiente mais usadas

Variável	Função	Valor padrão
`OLLAMA_HOST`	Endereço e porta em que o serviço fica disponível	`127.0.0.1:11434`
`OLLAMA_MODELS`	Pasta onde os modelos são armazenados	Veja abaixo
`OLLAMA_CONTEXT_LENGTH`	Tamanho padrão do contexto (tokens)	`4096`
`OLLAMA_KEEP_ALIVE`	Por quanto tempo o modelo permanece na memória quando está ocioso	`5m`
`OLLAMA_NUM_PARALLEL`	Número de solicitações processadas simultaneamente por modelo	`1`
`OLLAMA_MAX_LOADED_MODELS`	Número máximo de modelos carregados ao mesmo tempo	3 por GPU
`OLLAMA_MAX_QUEUE`	Limite de solicitações na fila; acima dele, retorna 503	`512`
`OLLAMA_ORIGINS`	Origens permitidas para solicitações entre domínios (CORS)	Local
`OLLAMA_FLASH_ATTENTION`	Força a ativação (1) ou desativação (0) do Flash Attention	Automático
`OLLAMA_KV_CACHE_TYPE`	Quantização do cache de contexto: `f16`, `q8_0`, `q4_0`	`f16`
`OLLAMA_NO_CLOUD`	Desativa os recursos de nuvem (modelos na nuvem, pesquisa na web)	Desativado

Para ver a lista completa, execute ollama serve --help. Os valores padrão podem mudar entre versões; considere os da versão que você instalou.

Como configurar

Windows

Encerre o Ollama pelo ícone na bandeja do sistema.
No menu Iniciar, pesquise “Editar as variáveis de ambiente da sua conta”.
Adicione ou altere uma variável, por exemplo, nome OLLAMA_HOST e valor 0.0.0.0:11434.
Clique em OK e reinicie o Ollama pelo menu Iniciar.

macOS (versão do aplicativo)

launchctl setenv OLLAMA_HOST "0.0.0.0:11434"
launchctl setenv OLLAMA_CONTEXT_LENGTH "8192"

Depois de definir as variáveis, reinicie o aplicativo Ollama. As configurações de launchctl setenv deixam de valer após a reinicialização do computador. Para mantê-las, você pode criar um script para ser executado no login.

Linux (systemd)

sudo systemctl edit ollama.service

No editor que abrir, adicione:

[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_CONTEXT_LENGTH=8192"

Salve e aplique as alterações:

sudo systemctl daemon-reload
sudo systemctl restart ollama

Ao executar manualmente

OLLAMA_HOST=0.0.0.0:11434 ollama serve

Permitir conexões de outros computadores na rede local

Por padrão, o serviço fica disponível apenas em 127.0.0.1, então só o próprio computador pode se conectar. Para permitir o acesso de outros computadores (ou celulares e NAS) na mesma rede:

Defina OLLAMA_HOST como 0.0.0.0:11434 e reinicie o Ollama.
Confirme que o firewall permite conexões pela porta 11434.
Teste em outro computador:
```
curl http://IP_DO_SEU_COMPUTADOR:11434
```

A API do Ollama não exige autenticação com nome de usuário e senha. Nunca exponha diretamente a porta 11434 à internet: qualquer pessoa poderá usar sua GPU e até excluir seus modelos. Para acessar de fora da rede, use uma VPN (como o Tailscale) ou coloque um proxy reverso com autenticação na frente do serviço.

Alterar o local de armazenamento dos modelos

Os modelos podem ocupar de vários GB a dezenas de GB. Os locais padrão são:

Sistema	Local
Windows	`C:\Users\NOME_DE_USUARIO\.ollama\models`
macOS	`~/.ollama/models`
Linux	`/usr/share/ollama/.ollama/models`

Para usar outro disco, defina OLLAMA_MODELS, por exemplo, como D:\ollama\models no Windows. No Linux, confirme que o usuário ollama tem permissão de leitura e gravação na nova pasta:

sudo mkdir -p /data/ollama/models
sudo chown -R ollama:ollama /data/ollama

Você pode mover a pasta models inteira para o novo local sem precisar baixar novamente os modelos que já tem.

Tamanho do contexto

O tamanho do contexto (context length) é o número de tokens que o modelo consegue processar de uma vez. Ele inclui sua entrada, o histórico da conversa e a resposta do modelo. Em chinês, cada caractere corresponde a aproximadamente 1 ou 2 tokens.

Se você pedir ao modelo para resumir um documento longo e perceber que ele só considerou a parte final, geralmente o contexto é insuficiente e o conteúdo inicial foi cortado.

Escolha uma das formas de ajustar esse valor:

Globalmente: OLLAMA_CONTEXT_LENGTH=16384
Para um único modelo: PARAMETER num_ctx 16384 no Modelfile
Para uma única solicitação: "options": {"num_ctx": 16384} na API

Quanto maior o contexto, mais memória ele ocupa. Use ollama ps para verificar se o modelo ainda cabe por inteiro na GPU.

Tempo de permanência do modelo

Carregar o modelo leva tempo (modelos grandes podem demorar mais de dez segundos).

OLLAMA_KEEP_ALIVE=30m     # Descarrega após 30 minutos de inatividade
OLLAMA_KEEP_ALIVE=-1      # Nunca descarrega
OLLAMA_KEEP_ALIVE=0       # Descarrega assim que terminar de usar

O parâmetro keep_alive da solicitação à API substitui essa configuração.

Atender vários usuários ao mesmo tempo

Se você usa o Ollama como um serviço compartilhado pela equipe:

OLLAMA_NUM_PARALLEL=4
OLLAMA_MAX_LOADED_MODELS=2

Atenção: o número de solicitações paralelas aumenta proporcionalmente o uso de memória do contexto (aproximadamente NUM_PARALLEL × CONTEXT_LENGTH); verifique se a memória da GPU é suficiente.

Permitir que páginas da web chamem o Ollama diretamente (CORS)

Para chamar o Ollama diretamente pelo navegador, usando uma extensão ou uma página de outro domínio, você precisa permitir essa origem:

OLLAMA_ORIGINS="https://my-app.example.com,chrome-extension://*"

Atualizado 12 de outubro de 2026