Ollama Cloud 本地与云端混合
本地显存不够，又想用几百 B 参数的超大模型？Ollama Cloud 给了第三种选择：模型在云端 GPU 上跑，你的代码和工具链却感受不到任何变化。
本章节介绍 Cloud 模型的运行方式、直连 API、纯本地模式与退役机制，最后给出混合使用的选型策略。
Cloud 模型是什么
Cloud 模型是 Ollama 的一种新模型形态：权重存放在 Ollama 的云端，推理在官方 GPU 集群完成，本地只负责转发请求。
它解决的痛点非常具体：几百 B 的旗舰开源模型动辄需要数百 GB 显存，个人和小团队根本无法本地部署，但用它的需求又是真实存在的。
可用的 Cloud 模型在模型库中带 cloud 标签，以 qwen3.5 家族为例，旗舰规格就是 qwen3.5:cloud。
四种方式运行 Cloud 模型
先完成一次性准备：注册并登录 Ollama 账号，然后拉取 cloud 标签（它只是一个"指针"，不会下载权重）。
使用登录 Ollama 账号（云模型需要）:
ollama signin在浏览器弹出的登录窗口输入邮箱即可（后面如果需要用手机验证，国内手机即可）：
拉取 cloud 标签，几乎瞬间完成:
ollama pull qwen3.5:cloud运行，与本地模型完全一致的体验:
ollama run qwen3.5:cloud界面端可以看到有个云的图标：
Python 调用
实例
from ollama import chat
# 与本地模型唯一的区别：模型名带 :cloud
stream = chat(
model='qwen3.5:cloud',
messages=[{'role': 'user', 'content': '用一句话介绍 RUNOOB 菜鸟教程'}],
stream=True,
)
for chunk in stream:
print(chunk.message.content, end='', flush=True)JavaScript 调用
实例
import ollama from 'ollama'
const response = await ollama.chat({
model: 'qwen3.5:cloud',
messages: [{ role: 'user', content: '用一句话介绍 RUNOOB 菜鸟教程' }],
stream: true,
})
for await (const chunk of response) {
process.stdout.write(chunk.message.content)
}curl 调用
实例
curl http://localhost:11434/api/chat -d '{
"model": "qwen3.5:cloud",
"messages": [{ "role": "user", "content": "用一句话介绍 RUNOOB 菜鸟教程" }],
"stream": false
}'透明转发：本地 API 也能调云模型
Cloud 优雅的地方在于转发逻辑完全由本地服务处理。
向 localhost:11434 请求一个 :cloud 模型时，本地服务会自动完成到云端的鉴权与转发，你的应用代码、Agent 工具、编辑器集成完全无感。
这意味着已有集成可以立刻享受大模型能力：把 Claude Code 的模型名换成 qwen3.5:cloud，同一个工具链就切换到了旗舰规格。
当前有一个已知的能力边界：Cloud 模型暂不支持结构化输出（format 参数），需要 JSON Schema 约束的任务仍应安排给本地模型，或在应用层自行解析。
直连 ollama.com/api
除了经本地服务转发，也可以跳过本地直接调用云端 API，适合服务器没有安装 Ollama 的场景。
先在官网设置页创建 API Key，然后以 Bearer 方式携带：
实例
# 云端接口与本地接口路径结构一致
curl https://ollama.com/api/chat \
-H "Authorization: Bearer $OLLAMA_API_KEY" \
-d '{
"model": "qwen3.5",
"messages": [{ "role": "user", "content": "用一句话介绍 RUNOOB 菜鸟教程" }],
"stream": false
}'
# 云端也可列出可用的模型
curl https://ollama.com/api/tags官方 SDK 同样支持指定 host 与认证头，连接方式见编程接入章节的 Client(host=...) 示例，把 host 换成 https://ollama.com 即可。
API Key 目前不会过期，但可以随时在官网设置页吊销；它等同于你的云端用量凭证，不要提交进代码仓库。
纯本地模式：彻底关掉云端
对数据出域零容忍的团队，可以把 Ollama 的云端功能整体关闭，让它成为纯粹的本地软件。
两种关闭方式任选其一，改完重启 Ollama 生效：
实例
# 方式一：配置文件 ~/.ollama/server.json 写入：
# { "disable_ollama_cloud": true }
# 方式二：环境变量
OLLAMA_NO_CLOUD=1 ollama serve
# 生效后日志中会出现：Ollama cloud disabled: true关闭云功能会同时失去云模型与联网搜索能力，本地模型的全部功能不受任何影响。配合防火墙封锁出站，可以构建完全物理隔离的模型服务。
云模型的退役机制
云模型有生命周期：随着更强的开源模型发布，官方会定期退役旧云模型，并通过邮件和官网公告提前通知，同时给出推荐替代。
官方公告的样式是一张"退役日期 - 模型 - 推荐替代"映射表，例如某云模型将在某日下线、迁移到哪个新版本，照着换模型名即可。
两条工程建议：
其一，自动化流程里引用云模型时，把模型名做成配置项而不是硬编码，退役切换时只改配置。
其二，关键业务准备好同能力的本地替代模型，云模型退役或网络异常时可立刻降级。
退役只针对云模型：下载到本地的模型权重永远可用，这也是本教程始终强调本地主线的原因。
选型策略：什么时候用哪个
| 场景 | 推荐方案 | 理由 |
|---|---|---|
| 显存装得下的日常任务 | 本地模型 | 零成本、零延迟、数据不出设备 |
| 隐私敏感数据 | 本地模型（或纯本地模式） | 合规可控 |
| 超大模型需求 / 无 GPU 设备 | Cloud 模型 | 无需硬件投入，工具链不变 |
| 新模型尝鲜 | Cloud 先试，确认价值再本地化 | 避免为试用购置硬件 |
| 长期自动化流程 | 本地为主 + 云备用 | 云有退役机制，本地无此风险 |
混合架构的最佳实践一句话：日常流量走本地，重任务按需 :cloud，模型名全部进配置文件。
AI 思考中...