Ollama API 拉取模型

POST /api/pull 从模型库下载模型到本地，等价于 ollama pull。

版本基线 v0.40.12，官方 docs.ollama.com/api/pull。

一、调用

curl http://localhost:11434/api/pull -d '{
  "model": "gemma4"
}'

二、请求字段

三、流式进度：默认行为

拉取大模型时默认流式返回进度，每行一个 JSON：

{"status":"pulling manifest"}
{"status":"pulling c6eb396dbd59","digest":"sha256:c6eb...","total":9608350245,"completed":1048576}
{"status":"pulling c6eb396dbd59","digest":"sha256:c6eb...","total":9608350245,"completed":536870912}
{"status":"verifying sha256 digest"}
{"status":"writing manifest successfully"}
{"status":"success"}

计算进度：completed / total。注意模型是分层下载的，total 是当前层的大小而不是整个模型的总大小。

四、非流式

curl http://localhost:11434/api/pull -d '{
  "model": "gemma4",
  "stream": false
}'

会等到全部下载完才返回 {"status": "success"}。大模型不建议这样用——几 GB 的下载会长时间无响应，容易超时。

五、Python 进度监控

import json, requests

def pull(model):
    with requests.post("http://localhost:11434/api/pull",
                       json={"model": model}, stream=True) as r:
        if r.status_code != 200:
            raise RuntimeError(f"HTTP {r.status_code}: {r.text}")
        for line in r.iter_lines():
            if not line:
                continue
            c = json.loads(line)
            if "error" in c:
                raise RuntimeError(c["error"])
            if c.get("total"):
                pct = c["completed"] / c["total"] * 100
                print(f"\r{c['status']:<30} {pct:5.1f}%", end="")
            else:
                print(f"\r{c['status']:<30}", end="")
            if c.get("status") == "success":
                print("\n完成")
                break

pull("gemma4")

六、私有模型与云端

• 公开模型：直接 pull
• 私有模型：需要先 ollama signin 登录，且有访问权限
• 云端模型（xxx:cloud 后缀）：不需要 pull，直接用

常见问题

代理配置见 9.1 Ollama 常见问题。

动手试

## 拉一个小模型，观察进度流的结构
curl http://localhost:11434/api/pull -d '{"model":"qwen2.5:0.5b"}'

小模型只有几百 MB，几秒就能下完，用来理解流式输出格式很合适。