Execute seu primeiro modelo: ollama run e dicas de conversa

Comece uma conversa

ollama run qwen3:8b

Na primeira vez, o modelo será baixado automaticamente e, em seguida, o prompt será exibido:

>>> Send a message (/? for help)

Digite sua pergunta e pressione Enter. Pressione Ctrl + D ou digite /bye para encerrar a conversa.

Nome e tag

O formato de qwen3:8b é igual ao de uma imagem Docker: antes dos dois-pontos fica o nome do modelo, e depois, a tag (que geralmente representa o número de parâmetros ou a versão quantizada). Se você não informar uma tag, será usado latest, que geralmente aponta para o tamanho mais recomendado do modelo.

ollama run gemma3        # gemma3:latest
ollama run gemma3:1b     # modelo pequeno de 1B, rápido e com menos capacidade
ollama run gemma3:12b    # 12B, requer mais memória

Para saber como escolher, consulte Como escolher um modelo e os requisitos de hardware.

Faça uma pergunta única

Escreva a pergunta diretamente depois do comando. O modelo responde e encerra, o que é útil em scripts:

ollama run qwen3:8b "Quais são 5 lugares em Taipei para visitar em dias chuvosos?"

Você também pode usar um pipe para processar arquivos:

cat meeting-notes.txt | ollama run qwen3:8b "Resuma estas anotações de reunião em 5 tópicos"

Digite várias linhas

Envolva o texto com três aspas duplas """:

>>> """
... Traduza o texto a seguir para o inglês:
... Hoje o tempo está ótimo,
... vamos passear no parque.
... """

Comandos do modo interativo

No prompt >>>, os itens iniciados com / são comandos do Ollama e não são enviados ao modelo:

Confira a velocidade de geração

Você também pode adicionar --verbose diretamente ao comando. A saída abaixo é real e foi obtida com o Ollama 0.40, executando qwen3:0.6b em um pequeno servidor sem placa de vídeo e com apenas 1 núcleo de CPU:

$ ollama run qwen3:0.6b --think=false --verbose "Apresente Taipei em uma frase"
Taipei é a capital de Taiwan, localizada no Pacífico Médio Oriental, com coordenadas no nordeste, e um importante centro econômico e cultural de Taiwan.

total duration:       46.080188811s
load duration:        33.014530786s
prompt eval count:    21 token(s)
prompt eval duration: 8.75411s
prompt eval rate:     2.40 tokens/s
eval count:           27 token(s)
eval duration:        4.179069999s
eval rate:            6.46 tokens/s

Para uma leitura confortável, geralmente é preciso uma eval rate de cerca de 10 tokens por segundo ou mais. Neste exemplo, são apenas 6,46, e só o carregamento levou 33 segundos. Esse é o custo de não ter uma GPU.

Observe também o conteúdo da resposta: “localizada na região do Pacífico Médio Oriental” está errado. Quanto menor o modelo, maior a chance de ele inventar informações com convicção. Um modelo minúsculo como o 0.6B só serve para testes ou tarefas muito simples. Para uso real, escolha um modelo maior que seja adequado ao seu hardware.

Faça o modelo responder em português

Muitos modelos respondem em inglês ou em outro idioma por padrão, mesmo quando recebem uma pergunta em português. A maneira mais eficaz de ajustar isso é definir uma instrução do sistema:

>>> /set system "Você é um assistente prestativo. Responda sempre em português do Brasil."

Para manter essa configuração, crie um modelo que use português por padrão com um Modelfile. Além disso, modelos com melhor suporte ao português (como os da família Qwen) geralmente dão resultados melhores.

Modo de pensamento (modelos de raciocínio)

Modelos como DeepSeek-R1 e Qwen3 primeiro “pensam” e depois respondem. O conteúdo do raciocínio aparece antes da resposta. Você pode controlar esse comportamento no comando:

ollama run qwen3:8b --think=false "Quanto é 1+1?"   # desativa o pensamento para responder mais rápido
ollama run qwen3:8b --hidethinking "..."            # pensa, mas não exibe o processo

No modo interativo, você pode alternar entre /set think e /set nothink. (As opções disponíveis podem variar um pouco entre versões do Ollama. Digite /? para consultar.)

Leia imagens (modelos de visão)

Modelos com suporte a visão, como gemma3, qwen3.5 e llava, conseguem interpretar imagens. Inclua o caminho da imagem no prompt:

ollama run gemma3 "O que há nesta imagem? ./photo.jpg"

No Windows, você pode usar o caminho C:\Users\you\Pictures\photo.jpg.

Mantenha o modelo em execução em segundo plano e pare-o

Por padrão, o modelo permanece na memória por 5 minutos após o último uso. Assim, na próxima pergunta, ele não precisa ser carregado novamente.

ollama ps              # lista os modelos carregados
ollama stop qwen3:8b   # descarrega imediatamente da memória

Dicas rápidas

• Quanto mais específica for a pergunta, melhor será a resposta. Por exemplo: “Explique em 3 tópicos, cada um com no máximo 20 palavras”.
• Modelos pequenos podem “inventar informações com convicção”. Confira por conta própria as informações importantes.
• Quando a conversa fica muito longa, o modelo pode esquecer o que foi dito antes (por causa do limite de contexto). Use /clear para começar de novo.

Na próxima seção, você vai aprender a escolher um modelo de acordo com as configurações do seu computador.

Atualizado 12 de outubro de 2026