[{"data":1,"prerenderedAt":55},["ShallowReactive",2],{"blog-zh-local-ai-models-disk-space":3},{"meta":4,"html":14,"headings":15,"raw":54},{"title":5,"description":6,"topic":7,"date":8,"author":9,"icons":10},"本地大模型占满硬盘：Ollama、Hugging Face、LM Studio 的模型放在哪、怎么清","找到 Ollama、Hugging Face 和 LM Studio 的模型目录，用各自的命令删除不用的模型，避开共享文件带来的误判。","developer-cleanup","2026-10-29","浣熊管家团队",[11,12,13],"ai-model","model-cube","hard-drive","\u003Cp>一个 7B、8B 参数的模型，4 位量化后也有 4～5 GB。多试几个尺寸和量化级别，几十 GB 很快就没了。更麻烦的是，每个工具都有自己的模型目录，有的还藏在隐藏文件夹里。这篇文章列出常见工具的默认位置和删除方法，再说明浣熊管家能帮你做什么。\u003C\u002Fp>\n\u003Ch2 id=\"where-models-live\">\u003Ca class=\"heading-anchor\" href=\"#where-models-live\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>模型都放在哪里\u003C\u002Fh2>\n\u003Cdiv class=\"table-wrap\">\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>工具\u003C\u002Fth>\u003Cth>默认位置\u003C\u002Fth>\u003Cth>结构\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>Ollama\u003C\u002Ftd>\u003Ctd>\u003Ccode>~\u002F.ollama\u002Fmodels\u003C\u002Fcode>\u003C\u002Ftd>\u003Ctd>\u003Ccode>blobs\u003C\u002Fcode> 存放模型数据，\u003Ccode>manifests\u003C\u002Fcode> 记录每个模型由哪些数据组成\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Hugging Face\u003C\u002Ftd>\u003Ctd>\u003Ccode>~\u002F.cache\u002Fhuggingface\u002Fhub\u003C\u002Fcode>\u003C\u002Ftd>\u003Ctd>每个仓库一个文件夹，模型以 \u003Ccode>models--\u003C\u002Fcode> 开头，数据集以 \u003Ccode>datasets--\u003C\u002Fcode> 开头\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>LM Studio\u003C\u002Ftd>\u003Ctd>\u003Ccode>~\u002F.lmstudio\u002Fmodels\u003C\u002Fcode>\u003C\u002Ftd>\u003Ctd>按“发布者\u002F模型”两级存放\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>transformers、diffusers 等通过 Hugging Face 下载模型的 Python 库共用同一个缓存。这些位置都可以改：Ollama 用环境变量 \u003Ccode>OLLAMA_MODELS\u003C\u002Fcode>，Hugging Face 用 \u003Ccode>HF_HOME\u003C\u002Fcode> 或 \u003Ccode>HF_HUB_CACHE\u003C\u002Fcode>，LM Studio 在应用的 \u003Cstrong>My Models\u003C\u002Fstrong> 页面中更改。\u003C\u002Fp>\n\u003Ch2 id=\"before-you-delete\">\u003Ca class=\"heading-anchor\" href=\"#before-you-delete\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>删之前想清楚\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>重新下载的代价\u003C\u002Fstrong>：模型动辄几个 GB，网络慢时重下要很久，经常用的就留着。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>自己做的模型先备份\u003C\u002Fstrong>：用 Modelfile 创建、自己导入或转换过的模型，以及微调出来的权重，删了可能无法再下载。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>文件是共享的\u003C\u002Fstrong>：Ollama 的多个模型可能共用同一份数据，新版 huggingface_hub 也会在仓库之间共享相同的文件。删除一个模型实际释放的空间可能小于它显示的大小。不要手动去删 \u003Ccode>blobs\u003C\u002Fcode> 里的单个文件，其他模型可能还在用。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2 id=\"manual-cleanup\">\u003Ca class=\"heading-anchor\" href=\"#manual-cleanup\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>手动清理\u003C\u002Fh2>\n\u003Ch3 id=\"ollama\">\u003Ca class=\"heading-anchor\" href=\"#ollama\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>Ollama\u003C\u002Fh3>\n\u003Cpre>\u003Ccode class=\"language-bash\"># 列出已下载的模型及大小\nollama list\n# 删除指定模型，名称要带上冒号后的标签\nollama rm llama3.2:3b\n# 查看模型目录的实际占用\ndu -sh ~\u002F.ollama\u002Fmodels\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>\u003Ccode>ollama rm\u003C\u002Fcode> 只删除这个模型独有的数据，其他模型还在用的部分会保留。\u003Ccode>ollama ps\u003C\u002Fcode> 和 \u003Ccode>ollama stop\u003C\u002Fcode> 管的是内存：前者查看已加载的模型，后者把模型从内存卸载，都不会释放磁盘空间。改用其他模型目录的方法见 \u003Ca href=\"https:\u002F\u002Fdocs.ollama.com\u002Ffaq\" target=\"_blank\" rel=\"noopener\">Ollama 文档\u003C\u002Fa>。\u003C\u002Fp>\n\u003Ch3 id=\"hugging-face\">\u003Ca class=\"heading-anchor\" href=\"#hugging-face\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>Hugging Face\u003C\u002Fh3>\n\u003Cpre>\u003Ccode class=\"language-bash\"># 按仓库列出缓存、大小和最近访问时间\nhf cache ls\n# 预览删除整个模型仓库，确认无误后去掉 --dry-run 再执行\nhf cache rm model\u002F组织\u002F模型名 --dry-run\n# 删除不再被分支或标签引用的旧版本，以及中断下载留下的文件\nhf cache prune\n\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>以上是当前 huggingface_hub 文档中的命令，\u003Ccode>hf\u003C\u002Fcode> 命令行随 huggingface_hub 一起安装。不同版本的子命令名称有过变化，提示命令不存在时，运行 \u003Ccode>hf cache --help\u003C\u002Fcode> 查看，或者升级 huggingface_hub。\u003Ccode>~\u002F.cache\u002Fhuggingface\u002Fxet\u003C\u002Fcode> 里是 Xet 存储用于上传和传输的缓存，可以整个删除；如果有中断的上传，删除后需要从头开始。\u003C\u002Fp>\n\u003Ch3 id=\"lm-studio\">\u003Ca class=\"heading-anchor\" href=\"#lm-studio\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>LM Studio\u003C\u002Fh3>\n\u003Cp>在 LM Studio 的 \u003Cstrong>My Models\u003C\u002Fstrong> 页面可以看到所有已下载的模型，从模型的菜单中删除即可，模型目录也在这里更改。终端里可以用 \u003Ccode>lms ls\u003C\u002Fcode> 列出本地模型。改过目录的话，以 My Models 中显示的路径为准。\u003C\u002Fp>\n\u003Ch2 id=\"washbear\">\u003Ca class=\"heading-anchor\" href=\"#washbear\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>用浣熊管家查看和清理\u003C\u002Fh2>\n\u003Cp>\u003Ca href=\"\u002Fdocs\u002Fdeep-clean\">深度清理\u003C\u002Fa>的 \u003Cstrong>AI 模型与缓存\u003C\u002Fstrong> 类别会列出这些工具下载到默认位置的模型：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Ollama 本地模型库\u003C\u002Fstrong>：Ollama 的模型之间共用文件，浣熊管家把整个模型库作为一项，只能整体删除。还在用其中任何一个模型时，不要勾选它，改用 \u003Ccode>ollama rm\u003C\u002Fcode> 逐个删除。清理前需要退出 Ollama。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Hugging Face 本地模型\u003C\u002Fstrong>：每个 \u003Ccode>models--\u003C\u002Fcode> 仓库单独列出，可以只勾选不用的模型，数据集不包括在内。\u003C\u002Fli>\n\u003Cli>\u003Cstrong>LM Studio 本地模型\u003C\u002Fstrong>：按模型文件夹逐个列出，只检查 \u003Ccode>~\u002F.lmstudio\u002Fmodels\u003C\u002Fcode>，清理前需要退出 LM Studio。\u003C\u002Fli>\n\u003Cli>此外还支持 Whisper、PyTorch Hub、ModelScope、Keras、OpenAI CLIP、TensorFlow Hub、Coqui TTS、GPT4All、Jan 和 ComfyUI 的模型，以及 Hugging Face 用于传输的 \u003Cstrong>Hugging Face 下载缓存\u003C\u002Fstrong>。\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>这些模型条目都不会被 \u003Cstrong>智能推荐\u003C\u002Fstrong> 预先勾选，每一项都要你自己确认。\u003Cstrong>用户缓存文件\u003C\u002Fstrong> 中还有两项小缓存：\u003Cstrong>LM Studio 应用缓存\u003C\u002Fstrong> 和 \u003Cstrong>Ollama 已下载更新\u003C\u002Fstrong>（超过 7 天的旧更新包），它们不包含模型，会被智能推荐预先勾选。\u003C\u002Fp>\n\u003Cdiv class=\"callout callout-note\">\u003Cp class=\"callout-title\">说明\u003C\u002Fp>\u003Cp>浣熊管家会读取它自己能看到的 \u003Ccode>OLLAMA_MODELS\u003C\u002Fcode>、\u003Ccode>HF_HOME\u003C\u002Fcode>、\u003Ccode>HF_HUB_CACHE\u003C\u002Fcode> 等环境变量。只写在终端配置文件里、没有通过 \u003Ccode>launchctl setenv\u003C\u002Fcode> 设置的变量，从访达或程序坞打开的应用读不到，这时它只检查默认位置。另外，浣熊管家统计 Hugging Face 仓库时不跟随符号链接，新版缓存放在共享 \u003Ccode>blobs\u003C\u002Fcode> 目录中的文件不会计入，也不会被删除；删除仓库后可以再运行 \u003Ccode>hf cache prune\u003C\u002Fcode> 回收这部分空间。\u003C\u002Fp>\n\u003C\u002Fdiv>\u003Cp>清理会直接删除，不进入废纸篓，结果记录在\u003Ca href=\"\u002Fdocs\u002Fgetting-started#history\">操作历史\u003C\u002Fa>中。想知道模型一共占了多少，可以\u003Ca href=\"\u002Fdownload\">下载浣熊管家\u003C\u002Fa>扫描一次，扫描本身不会删除任何内容。下面的演示窗口使用示例数据，仅作示意。\u003C\u002Fp>\n\u003C!--demo:deepClean-->\u003Ch2 id=\"stray-model-files\">\u003Ca class=\"heading-anchor\" href=\"#stray-model-files\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>找出散落的模型文件\u003C\u002Fh2>\n\u003Cp>从网页直接下载的 \u003Ccode>.gguf\u003C\u002Fcode>、\u003Ccode>.safetensors\u003C\u002Fcode> 文件常常留在下载或文稿文件夹里，不属于任何工具的模型目录。用\u003Ca href=\"\u002Fdocs\u002Flarge-files\">大文件清理\u003C\u002Fa>扫描这些位置，再按 \u003Cstrong>AI 模型\u003C\u002Fstrong> 筛选，就能集中看到 \u003Ccode>.gguf\u003C\u002Fcode>、\u003Ccode>.safetensors\u003C\u002Fcode>、\u003Ccode>.ckpt\u003C\u002Fcode>、\u003Ccode>.pt\u003C\u002Fcode>、\u003Ccode>.onnx\u003C\u002Fcode> 等格式的大文件。Ollama 的模型数据没有扩展名，不会出现在这个筛选里，请按上文的方法管理。想看哪个目录最大，用\u003Ca href=\"\u002Fdocs\u002Fdisk-analysis\">磁盘空间分析\u003C\u002Fa>。下面的演示同样使用示例数据。\u003C\u002Fp>\n\u003C!--demo:largeFiles-->\u003Ch2 id=\"faq\">\u003Ca class=\"heading-anchor\" href=\"#faq\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>常见问题\u003C\u002Fh2>\n\u003Ch3 id=\"faq-reuse\">\u003Ca class=\"heading-anchor\" href=\"#faq-reuse\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>删掉的模型还能再用吗？\u003C\u002Fh3>\n\u003Cp>能，重新下载即可：Ollama 用 \u003Ccode>ollama pull\u003C\u002Fcode>，LM Studio 在应用内重新下载，通过 Hugging Face 加载模型的库会在下次使用时自动下载。自己创建或导入的模型除外，所以要先备份。\u003C\u002Fp>\n\u003Ch3 id=\"faq-sizes-dont-add-up\">\u003Ca class=\"heading-anchor\" href=\"#faq-sizes-dont-add-up\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>为什么 ollama list 的大小加起来比目录还大？\u003C\u002Fh3>\n\u003Cp>不同名称或标签的模型可能共用同一份数据，\u003Ccode>ollama list\u003C\u002Fcode> 按模型分别计算，加总会偏大。实际占用以 \u003Ccode>du -sh ~\u002F.ollama\u002Fmodels\u003C\u002Fcode> 为准。\u003C\u002Fp>\n\u003Ch3 id=\"faq-external-drive\">\u003Ca class=\"heading-anchor\" href=\"#faq-external-drive\" aria-hidden=\"true\" tabindex=\"-1\">#\u003C\u002Fa>可以把模型挪到外接硬盘吗？\u003C\u002Fh3>\n\u003Cp>可以。Ollama 设置 \u003Ccode>OLLAMA_MODELS\u003C\u002Fcode>，Hugging Face 设置 \u003Ccode>HF_HOME\u003C\u002Fcode> 或 \u003Ccode>HF_HUB_CACHE\u003C\u002Fcode>，LM Studio 在 \u003Cstrong>My Models\u003C\u002Fstrong> 中更改目录。挪走后，浣熊管家只有在读得到相应环境变量时才会找到 Ollama 和 Hugging Face 的新位置，LM Studio 的自定义目录不会被检查；这些位置可以用磁盘空间分析查看。\u003C\u002Fp>\n",[16,20,23,26,30,33,36,39,42,45,48,51],{"depth":17,"id":18,"text":19},2,"where-models-live","模型都放在哪里",{"depth":17,"id":21,"text":22},"before-you-delete","删之前想清楚",{"depth":17,"id":24,"text":25},"manual-cleanup","手动清理",{"depth":27,"id":28,"text":29},3,"ollama","Ollama",{"depth":27,"id":31,"text":32},"hugging-face","Hugging Face",{"depth":27,"id":34,"text":35},"lm-studio","LM Studio",{"depth":17,"id":37,"text":38},"washbear","用浣熊管家查看和清理",{"depth":17,"id":40,"text":41},"stray-model-files","找出散落的模型文件",{"depth":17,"id":43,"text":44},"faq","常见问题",{"depth":27,"id":46,"text":47},"faq-reuse","删掉的模型还能再用吗？",{"depth":27,"id":49,"text":50},"faq-sizes-dont-add-up","为什么 ollama list 的大小加起来比目录还大？",{"depth":27,"id":52,"text":53},"faq-external-drive","可以把模型挪到外接硬盘吗？","\n一个 7B、8B 参数的模型，4 位量化后也有 4～5 GB。多试几个尺寸和量化级别，几十 GB 很快就没了。更麻烦的是，每个工具都有自己的模型目录，有的还藏在隐藏文件夹里。这篇文章列出常见工具的默认位置和删除方法，再说明浣熊管家能帮你做什么。\n\n## 模型都放在哪里 {#where-models-live}\n\n| 工具 | 默认位置 | 结构 |\n| --- | --- | --- |\n| Ollama | `~\u002F.ollama\u002Fmodels` | `blobs` 存放模型数据，`manifests` 记录每个模型由哪些数据组成 |\n| Hugging Face | `~\u002F.cache\u002Fhuggingface\u002Fhub` | 每个仓库一个文件夹，模型以 `models--` 开头，数据集以 `datasets--` 开头 |\n| LM Studio | `~\u002F.lmstudio\u002Fmodels` | 按“发布者\u002F模型”两级存放 |\n\ntransformers、diffusers 等通过 Hugging Face 下载模型的 Python 库共用同一个缓存。这些位置都可以改：Ollama 用环境变量 `OLLAMA_MODELS`，Hugging Face 用 `HF_HOME` 或 `HF_HUB_CACHE`，LM Studio 在应用的 **My Models** 页面中更改。\n\n## 删之前想清楚 {#before-you-delete}\n\n- **重新下载的代价**：模型动辄几个 GB，网络慢时重下要很久，经常用的就留着。\n- **自己做的模型先备份**：用 Modelfile 创建、自己导入或转换过的模型，以及微调出来的权重，删了可能无法再下载。\n- **文件是共享的**：Ollama 的多个模型可能共用同一份数据，新版 huggingface_hub 也会在仓库之间共享相同的文件。删除一个模型实际释放的空间可能小于它显示的大小。不要手动去删 `blobs` 里的单个文件，其他模型可能还在用。\n\n## 手动清理 {#manual-cleanup}\n\n### Ollama {#ollama}\n\n```bash\n# 列出已下载的模型及大小\nollama list\n# 删除指定模型，名称要带上冒号后的标签\nollama rm llama3.2:3b\n# 查看模型目录的实际占用\ndu -sh ~\u002F.ollama\u002Fmodels\n```\n\n`ollama rm` 只删除这个模型独有的数据，其他模型还在用的部分会保留。`ollama ps` 和 `ollama stop` 管的是内存：前者查看已加载的模型，后者把模型从内存卸载，都不会释放磁盘空间。改用其他模型目录的方法见 [Ollama 文档](https:\u002F\u002Fdocs.ollama.com\u002Ffaq)。\n\n### Hugging Face {#hugging-face}\n\n```bash\n# 按仓库列出缓存、大小和最近访问时间\nhf cache ls\n# 预览删除整个模型仓库，确认无误后去掉 --dry-run 再执行\nhf cache rm model\u002F组织\u002F模型名 --dry-run\n# 删除不再被分支或标签引用的旧版本，以及中断下载留下的文件\nhf cache prune\n```\n\n以上是当前 huggingface_hub 文档中的命令，`hf` 命令行随 huggingface_hub 一起安装。不同版本的子命令名称有过变化，提示命令不存在时，运行 `hf cache --help` 查看，或者升级 huggingface_hub。`~\u002F.cache\u002Fhuggingface\u002Fxet` 里是 Xet 存储用于上传和传输的缓存，可以整个删除；如果有中断的上传，删除后需要从头开始。\n\n### LM Studio {#lm-studio}\n\n在 LM Studio 的 **My Models** 页面可以看到所有已下载的模型，从模型的菜单中删除即可，模型目录也在这里更改。终端里可以用 `lms ls` 列出本地模型。改过目录的话，以 My Models 中显示的路径为准。\n\n## 用浣熊管家查看和清理 {#washbear}\n\n[深度清理](\u002Fdocs\u002Fdeep-clean)的 **AI 模型与缓存** 类别会列出这些工具下载到默认位置的模型：\n\n- **Ollama 本地模型库**：Ollama 的模型之间共用文件，浣熊管家把整个模型库作为一项，只能整体删除。还在用其中任何一个模型时，不要勾选它，改用 `ollama rm` 逐个删除。清理前需要退出 Ollama。\n- **Hugging Face 本地模型**：每个 `models--` 仓库单独列出，可以只勾选不用的模型，数据集不包括在内。\n- **LM Studio 本地模型**：按模型文件夹逐个列出，只检查 `~\u002F.lmstudio\u002Fmodels`，清理前需要退出 LM Studio。\n- 此外还支持 Whisper、PyTorch Hub、ModelScope、Keras、OpenAI CLIP、TensorFlow Hub、Coqui TTS、GPT4All、Jan 和 ComfyUI 的模型，以及 Hugging Face 用于传输的 **Hugging Face 下载缓存**。\n\n这些模型条目都不会被 **智能推荐** 预先勾选，每一项都要你自己确认。**用户缓存文件** 中还有两项小缓存：**LM Studio 应用缓存** 和 **Ollama 已下载更新**（超过 7 天的旧更新包），它们不包含模型，会被智能推荐预先勾选。\n\n> [!NOTE]\n> 浣熊管家会读取它自己能看到的 `OLLAMA_MODELS`、`HF_HOME`、`HF_HUB_CACHE` 等环境变量。只写在终端配置文件里、没有通过 `launchctl setenv` 设置的变量，从访达或程序坞打开的应用读不到，这时它只检查默认位置。另外，浣熊管家统计 Hugging Face 仓库时不跟随符号链接，新版缓存放在共享 `blobs` 目录中的文件不会计入，也不会被删除；删除仓库后可以再运行 `hf cache prune` 回收这部分空间。\n\n清理会直接删除，不进入废纸篓，结果记录在[操作历史](\u002Fdocs\u002Fgetting-started#history)中。想知道模型一共占了多少，可以[下载浣熊管家](\u002Fdownload)扫描一次，扫描本身不会删除任何内容。下面的演示窗口使用示例数据，仅作示意。\n\n::demo deepClean\n\n## 找出散落的模型文件 {#stray-model-files}\n\n从网页直接下载的 `.gguf`、`.safetensors` 文件常常留在下载或文稿文件夹里，不属于任何工具的模型目录。用[大文件清理](\u002Fdocs\u002Flarge-files)扫描这些位置，再按 **AI 模型** 筛选，就能集中看到 `.gguf`、`.safetensors`、`.ckpt`、`.pt`、`.onnx` 等格式的大文件。Ollama 的模型数据没有扩展名，不会出现在这个筛选里，请按上文的方法管理。想看哪个目录最大，用[磁盘空间分析](\u002Fdocs\u002Fdisk-analysis)。下面的演示同样使用示例数据。\n\n::demo largeFiles\n\n## 常见问题 {#faq}\n\n### 删掉的模型还能再用吗？ {#faq-reuse}\n\n能，重新下载即可：Ollama 用 `ollama pull`，LM Studio 在应用内重新下载，通过 Hugging Face 加载模型的库会在下次使用时自动下载。自己创建或导入的模型除外，所以要先备份。\n\n### 为什么 ollama list 的大小加起来比目录还大？ {#faq-sizes-dont-add-up}\n\n不同名称或标签的模型可能共用同一份数据，`ollama list` 按模型分别计算，加总会偏大。实际占用以 `du -sh ~\u002F.ollama\u002Fmodels` 为准。\n\n### 可以把模型挪到外接硬盘吗？ {#faq-external-drive}\n\n可以。Ollama 设置 `OLLAMA_MODELS`，Hugging Face 设置 `HF_HOME` 或 `HF_HUB_CACHE`，LM Studio 在 **My Models** 中更改目录。挪走后，浣熊管家只有在读得到相应环境变量时才会找到 Ollama 和 Hugging Face 的新位置，LM Studio 的自定义目录不会被检查；这些位置可以用磁盘空间分析查看。\n",1793257450508]