呼和浩特市着力打造内蒙古场景创新示范标杆
2026-07-22 3417649
2026-07-22 0
本文旨在记录 Windows 11 本地环境下，利用 Ollama 部署 Qwen2.5 大模型，并实现 API 调用。无需显卡也能跑”、能够确保“隐私安全”。
可以在在安装和部署中了解与学习以下内容：
Ollama 的作用和安装使用；Modelfile 的作用和配置；ModelScope 的作用；Notebook 的作用；前置依赖检查
PowerShell (Win11 自带)Git (可选，用于下载)Python (仅用于 ModelScope CLI，若只用浏览器下载可不装)文件名通常长这样：qwen2.5-3b-instruct-q4_k_m.gguf。
instruct 表示这是经过指令微调的版本，适合对话；如果是 base 版本，则适合做续写或二次微调，不适合直接对话。
1） q + 数字：代表每个参数用多少 bit 存储。
q4) 是性价比最高的，智商损失微乎其微，但体积减半。2）k：代表使用了 K-quants 量化技术（一种更先进的压缩算法，比老式的 q4_0 更聪明）。
3）m / s / l：代表 Small (小), Medium (中), Large (大)。
q4_k_s：更小一点，稍微笨一点点。q4_k_m：标准版，平衡最好（首选）。q4_k_l：更大一点，稍微聪明一点点（但显存占用也高）。FROMSYSTEM PARAMETER TEMPLATE ADAPTER PROJECTOR MESSAGE LICENSE
含义解释：
FROM: 指定基础模型（必选）。 SYSTEM : 设置系统提示词（定义人设）。 PARAMETER : 设置推理参数（如温度、上下文长度）。 TEMPLATE : 定义对话模板格式。 ADAPTER : 加载 LoRA 适配器文件（用于微调模型）。 PROJECTOR : 加载多模态投影器（用于让模型看懂图片）。 MESSAGE : 预设对话示例（Few-shot prompting）。 LICENSE : 声明模型的许可证信息。
一般用到的是：
FROM llama3 # 1. 选基座 SYSTEM "你是个诗人" # 2. 定人设 PARAMETER temperature 0.8 # 3. 调参数
虽然本文主要讲本地部署，但如果本地资源不足（如显存不够），可以使用 ModelScope Notebook 在云端免费体验大模型，无需本地硬件。
ModelScope Notebook 是一款云端机器学习开发IDE工具，提供交互式编程环境，为用户提供了开箱可用的限时免费算力额度，实现ModelScope模型开发环境与CPU/GPU等多样化计算资源的无缝连接。
把运行大模型想象成“搬家”。
Ollama 是一个开源的、专为本地运行大型语言模型（LLM）设计的工具平台，就像是“大模型的 Docker”。
官网下载后安装：
# 查看版本号 ollama -v ollama version is 0.17.7
通过Ollama拉去的镜像不用创建下面的Modelfile。
# 下载并运行模型 ollama run qwen2.5:3b
1）从ModelScope下载gguf文件
通过modelscope来进行浏览器下载模型，用Qwen2.5-3B-Instruct-GGUF演示（实际上我部署的就是这个）。
进入模型文件页，找到类似 qwen2.5-3b-instruct-q4_k_m.gguf 的文件，下载该文件。
2）编写Modelfile文件
Modelfile是Ollama用来实现大模型推理的自定义参数文件，类似于Dockerfile。
如果你只是简单对话，Ollama 官方库里的默认模板通常已经适配好了 Qwen 系列，手动指定 TEMPLATE 仅在需要特殊对话格式或微调时才必要。具体可以见文末【4.3、Modelfile 的基本结构及含义】
新建文件，命名为Modelfile，内容如下：
FROM "G:AIModelfilesqwen2.5-3bqwen2.5-3b-instruct-q4_k_m.gguf"
TEMPLATE """{{- if .Messages }}
{{- range $i, $_ := .Messages }}
{{- $last := eq (len (slice $.Messages $i)) 1 }}
{{- if eq .Role "user" }}<|im_start|>user
{{ .Content }}<|im_end|>
{{ else if eq .Role "assistant" }}<|im_start|>assistant
{{ .Content }}<|im_end|>
{{ else if eq .Role "system" }}<|im_start|>system
{{ .Content }}<|im_end|>
{{ end }}
{{- if $last }}<|im_start|>assistant
{{ end }}
{{- end }}
{{- else }}
{{- if .System }}<|im_start|>system
{{ .System }}<|im_end|>
{{ end }}{{ if .Prompt }}<|im_start|>user
{{ .Prompt }}<|im_end|>
{{ end }}<|im_start|>assistant
{{ end }}"""
PARAMETER stop <|im_end|>
PARAMETER stop <|im_start|>
PARAMETER temperature 0.7
PARAMETER top_p 0.8
PARAMETER top_k 20
PARAMETER repeat_penalty 1.05
LICENSE """https://huggingface.co/Qwen/Qwen2.5-3B-Instruct/blob/main/LICENSE"""
最简单版（自问自答几乎没法用）
FROM "F:\Downloadsqwen2.5-3b-instruct-q4_k_m.gguf"
3）创建模型
打开Powershell，找到刚才的Modelfile文件的路径，执行以下命令：
# 把 GGUF 文件打包成 Ollama 模型 ollama create qwen2.5:3b -f Modelfile # 或者用绝对路径 ollama create qwen2.5:3b -f G:AIModelfilesqwen2.5-3bModelfile
4）运行模型
Ollama 默认会自动检测并使用GPU。Ollama 为了优化资源，默认会在 5 分钟 无活动后卸载模型；当再次发起请求时，如果模型已卸载，Ollama 会重新加载该模型到显存/内存中，然后处理请求。这会导致首次请求有额外的延迟（加载时间）。
ollama run qwen2.5:3b
查看大模型状态：
SIZE： 占用内存大小PROCESSOR： 100% CPU: 表示模型完全在中央处理器上运行，没有使用显卡（GPU）加速。我的显卡的显存只有4GB。CONTEXT：上下文窗口大小。当前会话保留的“记忆”长度（Token 数量）。这个数字越大，占用的内存也越大。UNTIL (自动卸载倒计时)：表示如果接下来没有任何人使用该模型，Ollama 将在 2 分钟后 自动把它从内存中卸载，以释放资源。
5）示例：Qwen2.5-7B的配置
文件名：qwen2.5-7b-instruct-q4_k_m.gguf
FROM ./qwen2.5-7b-instruct-q4_k_m.gguf
TEMPLATE """{{- if .System }}
<|im_start|>system
{{ .System }}<|im_end|>
{{- end }}
<|im_start|>user
{{ .Prompt }}<|im_end|>
<|im_start|>assistant
"""
PARAMETER stop <|im_end|>
PARAMETER stop <|im_start|>
PARAMETER temperature 0.7
PARAMETER top_p 0.8
PARAMETER top_k 20
SYSTEM "你是一个有帮助的AI助手。"
# 运行命令查看端口 ollama serve # 返回信息：Error: listen tcp 127.0.0.1:11434: bind: Only one usage of each socket address (protocol/network address/port) is normally permitted.
默认 Ollama 只接受本机连接，拒绝局域网 IP（192.168.x.x），需要让 Ollama 暴露在网络上，Windows环境下按照下图配置即可。
# Windows Powershell
curl http://192.168.2.111:11434/api/generate -d "{"model": "qwen2.5:3b", "prompt": "hello"}"
curl http://192.168.31.87:11434/api/tags
Start-Process ollama -ArgumentList "run","qwen2.5:3b" -WindowStyle Hidden
Ollama相关文档
# 查看帮助 ollama -h # 查看本地已下载的模型 ollama list # 下载并运行模型 ollama run qwen2.5:3b # ollama run <模型名> <提示词>，单次问答 ollama run qwen2.5:3b "你好，请介绍一下你自己" # 删除模型 ollama rm <模型名> # 启动后台服务 ollama serve # 查看模型详情 ollama show <模型名> # 查看正在运行的模型 ollama ps ollama stop qwen2.5:3b
ModelScope Pip 安装详解
# 安装python python -V Python 3.11.9 # 安装魔搭 pip install modelscope # 下载完整模型库 modelscope download --model Qwen/Qwen2.5-3B-Instruct-GGUF # 下载单个文件到指定本地文件夹（以下载README.md到当前路径下“dir”目录为例） modelscope download --model Qwen/Qwen2.5-3B-Instruct-GGUF README.md --local_dir ./dir
以上就是Windows11下Ollama部署Qwen2.5大模型的实战指南的详细内容，更多关于Ollama部署Qwen2.5的资料请关注其它相关文章！