Ollama- und LM Studio-Modelle auf dem Mac aufräumen

EntwicklerVeröffentlicht Aktualisiert 4 Min. Lesezeit

Lokale KI-Tools können eine Festplatte schnell füllen, weil Modellgewichte das Produkt sind und nicht nur ein kleiner Cache drumherum. Ein Modell lässt sich oft erneut herunterladen, aber der Download kann teuer sein, eine Revision kann verschwinden, oder Lizenz und Zugang können sich ändern. Inventarisieren Sie Modelle über das jeweilige Tool und bewahren Sie Chats, Fine-Tunes, Adapter, Prompts und Projektdaten getrennt auf.

Wo lokale KI-Tools ihre Gewichte speichern

Die Modelle sind fast immer der schwere Teil, und jedes einzelne misst sich in Gigabyte.

  • Ollama speichert Modelle standardmäßig in ~/.ollama/models oder im Verzeichnis, das über OLLAMA_MODELS gesetzt ist. Die aktuelle CLI-Referenz nutzt ollama ls, um Modelle zu inventarisieren, und ollama rm <model>, um eines nach Namen zu entfernen. Das ist sicherer als Dateien von Hand zu löschen, weil das Tool seinen eigenen Modellspeicher aktualisieren kann.
  • LM Studio lässt Sie das Modellverzeichnis wählen. Nutzen Sie My Models in der App oder lms ls, um lokale Modelle und Größen aufzulisten, und entfernen Sie ein Modell über LM Studio, damit der Katalog der App konsistent bleibt. Verlassen Sie sich nicht auf einen fest verdrahteten versteckten Pfad.
  • Hugging Face-Bibliotheken cachen Downloads in ~/.cache/huggingface/hub. Dieser Cache wächst, wenn Skripte Modelle und Datensätze ziehen, sofern HF_HOME oder eine andere Cache-Einstellung die Wurzel nicht ändert. hf cache ls inventarisiert Repositories und Revisionen. Eine exakte Entfernung können Sie mit hf cache rm model/<repo> --dry-run vorab prüfen, oder abgelöste und unvollständige Revisionen mit hf cache prune --dry-run. Der Hugging Face Cache-Leitfaden dokumentiert beide Befehle.

Prüfen Sie die Summen direkt, damit Sie wissen, womit Sie es zu tun haben:

du -sh ~/.ollama/models ~/.cache/huggingface 2>/dev/null

Cache und Daten sind nicht dasselbe

Diese Unterscheidung hält die Bereinigung sicher. Ein veröffentlichtes Modell lässt sich oft erneut herunterladen, aber ein lokales Fine-Tune, ein Adapter, eine konvertierte Quantisierung oder ein privater Checkpoint vielleicht nicht. Desktop-KI-Apps können Gesprächszustand und Anhänge auch in Application Support halten oder Teile des Verlaufs mit einem Konto synchronisieren. Prüfen Sie Export und Sync-Verhalten der App, statt anzunehmen, dass jeder Chat lokal ist oder jede lokale Datei wegwerfbar. Modell-Caches sind groß, aber nicht kostenlos neu zu erzeugen.

Eine KI-App vollständig entfernen

Wenn Sie mit einem Tool fertig sind, ist das App-Bundle der kleine Teil. Um den echten Speicher freizugeben, müssen Sie auch Modelle und Support-Dateien entfernen, dasselbe Problem wie beim vollständigen Deinstallieren einer App. Bei Ollama entfernen Sie benannte Modelle mit ollama rm, bevor Sie die App deinstallieren. Bei LM Studio entfernen Sie Modelle über die App aus dem konfigurierten Verzeichnis. Bei einem Desktop-Chat-Client exportieren Sie den benötigten Verlauf und folgen der Deinstallationsanleitung des Anbieters, bevor Sie Support-Daten prüfen. Löschen Sie nicht einen ganzen Application-Support- Container nur, weil der Name zu einer App passt.

Unter der Haube: wie die Tools Modelle speichern und warum Größe dazugehört

Ollama hält jedes Modell als content-adressierte Blobs (Dateien, benannt nach ihrem sha256-Hash) unter ~/.ollama/models/blobs, mit kleinen Manifesten, die einen Modellnamen und Tag mit den benötigten Blobs verknüpfen. Zwei Modelle auf derselben Basisschicht teilen Blobs, daher löscht ollama rm zuerst ein Manifest und gibt einen Blob erst frei, wenn nichts anderes mehr darauf verweist. Genau deshalb ist das manuelle Löschen von Blob-Dateien riskant: Sie können ein Modell verwaisen, das noch darauf zeigt. Die Größe ist kein Overhead, sie ist das Modell: Milliarden Parameter brauchen auch nach Quantisierung noch Gigabyte, und größere oder höher präzise Modelle brauchen deutlich mehr, weil die Gewichte das Produkt sind. Der Cache von Hugging Face funktioniert genauso und speichert unveränderliche Snapshots nach Revision, sodass wiederholte Downloads deduplizieren. Deshalb lautet die Regel „über den eigenen Befehl des Tools entfernen“: So bleibt der content-adressierte Speicher konsistent, statt hängende Blobs zu hinterlassen.

Zwei benannte Modell-Manifeste zeigen in einen gemeinsamen Pool hash-benannter Blobs; ein Blob wird von beiden referenziert, sodass das Entfernen eines Modells einen Blob nur freigibt, wenn er nicht mehr referenziert wird
Lokale Modell-Tools nutzen einen content-adressierten Speicher: Modelle teilen Blobs, daher gibt das Entfernen eines Modells nur die Blobs frei, auf die nichts anderes mehr verweist. Deshalb hält der eigene Entfernen-Befehl des Tools den Speicher konsistent.

Wo eine Festplattenkarte hilft

Eine Festplattenkarte wie die Analyze-Ansicht von Mole kann einen unerwarteten Modellspeicher sichtbar machen, aber Modellnamen, geteilte Blobs und Revisionsverweise gehören zu Ollama, LM Studio oder Hugging Face. Ein allgemeiner Cleaner sollte Modellspeicher und Chat-Transkripte meiden, es sei denn, der Nutzer benennt ein exaktes Ziel.

Eine sichere Reihenfolge

Listen Sie Modelle mit dem jeweiligen Tool auf, unterscheiden Sie veröffentlichte Gewichte von privaten oder lokal transformierten Artefakten, exportieren Sie einzigartige Gespräche und Adapter, und entfernen Sie dann jeweils ein benanntes Modell. Prüfen Sie die Festplattennutzung erneut, weil geteilte Blobs den freigewordenen Speicher begrenzen können. Ganze Support-Verzeichnisse entfernen Sie nur im Rahmen einer geprüften Deinstallation, wenn nichts mehr zu bewahren ist.