# Pulire i modelli di Ollama e LM Studio sul Mac > Inventaria i depositi di modelli con Ollama, LM Studio e gli strumenti Hugging Face preservando chat, checkpoint privati e blob condivisi. Published: 2026-07-18 | Updated: 2026-08-08 Gli strumenti di AI locali possono riempire un disco in fretta perché i pesi dei modelli sono il prodotto, non una piccola cache attorno. Un modello si può di nuovo scaricare, ma il download può costare, una revisione può sparire, oppure licenza e accesso possono cambiare. Fai l’inventario dei modelli con lo strumento proprietario e conserva separatamente chat, fine-tune, adapter, prompt e dati di progetto. ## Dove gli strumenti di AI locali salvano i pesi I modelli sono quasi sempre la parte pesante, e ognuno si misura in gigabyte. - **Ollama** conserva i modelli in `~/.ollama/models` per impostazione predefinita, oppure nella directory impostata da `OLLAMA_MODELS`. Il suo [riferimento CLI](https://docs.ollama.com/cli) attuale usa `ollama ls` per inventariare i modelli e `ollama rm ` per rimuoverne uno per nome. È più sicuro che cancellare i file a mano, perché lo strumento può aggiornare il proprio archivio modelli. - **LM Studio** ti fa scegliere la directory dei modelli. Usa My Models nell’app o [`lms ls`](https://lmstudio.ai/docs/cli/local-models/ls) per elencare modelli locali e dimensioni, poi rimuovi un modello tramite LM Studio così il catalogo dell’app resta coerente. Non affidarti a un solo percorso nascosto fisso. - Le librerie **Hugging Face** mettono in cache i download in `~/.cache/huggingface/hub`, che cresce man mano che gli script scaricano modelli e dataset, a meno che `HF_HOME` o un’altra impostazione di cache non cambi la radice. `hf cache ls` inventaria repository e revisioni. Anteprima di una rimozione precisa con `hf cache rm model/ --dry-run`, oppure anteprima di revisioni staccate e incomplete con `hf cache prune --dry-run`. La [guida alla cache di Hugging Face](https://huggingface.co/docs/huggingface_hub/en/guides/manage-cache) documenta entrambi i comandi. Controlla i totali direttamente, così sai con cosa hai a che fare: ``` du -sh ~/.ollama/models ~/.cache/huggingface 2>/dev/null ``` ## Cache e dati non sono la stessa cosa Questa distinzione rende la pulizia sicura. Un **modello** pubblicato può di nuovo scaricarsi, ma un fine-tune locale, un adapter, una quantizzazione convertita o un checkpoint privato possono non farlo. Le app desktop di AI possono anche tenere lo stato delle conversazioni e gli allegati in Application Support o sincronizzare parte della cronologia con un account. Controlla comportamento di export e sync dell’app invece di assumere che ogni chat sia locale o che ogni file locale sia usa e getta. Le cache dei modelli sono grandi, ma non sono gratuite da ricreare. ## Rimuovere del tutto un’app di AI Se hai finito con uno strumento, il bundle dell’app è la parte piccola. Per recuperare lo spazio vero devi rimuovere anche modelli e file di supporto, lo stesso problema di [disinstallare del tutto un’app](https://mole.fit/it/blog/how-to-completely-uninstall-apps-on-mac). Per Ollama, rimuovi i modelli per nome con `ollama rm` prima di disinstallare l’app. Per LM Studio, rimuovi i modelli dalla directory configurata tramite l’app. Per un client chat desktop, esporta la cronologia necessaria e segui la guida di disinstallazione del vendor prima di revisionare i dati di supporto. Non cancellare un intero container di Application Support solo perché il nome coincide con un’app. ## Dietro le quinte: come gli strumenti memorizzano i modelli, e perché la dimensione è intrinseca Ollama conserva ogni modello come blob content-addressed (file nominati con il loro hash sha256) sotto `~/.ollama/models/blobs`, con piccoli manifest che collegano un nome di modello e un tag ai blob di cui ha bisogno. Due modelli basati sullo stesso layer base condividono i blob, quindi `ollama rm` elimina prima un manifest e libera un blob solo quando nient’altro lo referenzia. È esattamente perché cancellare i file blob a mano è rischioso: puoi orfanare un modello che ancora punta a essi. La dimensione non è overhead, è il modello: miliardi di parametri richiedono comunque gigabyte anche dopo la quantizzazione, e modelli più grandi o a precisione più alta ne richiedono molti di più, perché i pesi sono la cosa. La cache di Hugging Face funziona allo stesso modo, memorizzando snapshot immutabili chiave per revisione così i pull ripetuti si deduplicano. Ecco perché la regola è «rimuovi con il comando dello strumento»: mantiene coerente l’archivio content-addressed invece di lasciare blob orfani.
Due manifest di modello con nome puntano a un pool condiviso di blob con nome hash, un blob referenziato da entrambi, così rimuovere un modello libera un blob solo quando non è più referenziato
Gli strumenti locali per modelli usano un archivio content-addressed: i modelli condividono i blob, quindi rimuoverne uno libera spazio solo per i blob che nient’altro referenzia; per questo il comando di rimozione dello strumento mantiene la coerenza.
## Dove aiuta una mappa del disco Una mappa del disco come la vista Analyze di [Mole](https://mole.fit/) può rivelare un archivio modelli inatteso, ma nomi dei modelli, blob condivisi e riferimenti alle revisioni appartengono a Ollama, LM Studio o Hugging Face. Un cleaner generico dovrebbe evitare archivi modelli e trascrizioni di chat a meno che l’utente non indichi un target esatto. ## Un ordine di operazioni sicuro Elenca i modelli con lo strumento proprietario, distingui i pesi pubblicati dagli artefatti privati o trasformati localmente, esporta conversazioni e adapter unici, poi rimuovi un modello per nome alla volta. Ricontrolla l’uso del disco perché i blob condivisi possono limitare lo spazio recuperato. Rimuovi intere directory di supporto solo come parte di una disinstallazione verificata, senza dati da conservare. --- Canonical HTML page: https://mole.fit/it/blog/how-to-remove-ai-tool-leftovers-mac Blog index for agents: https://mole.fit/it/blog/llms.txt Site index for agents: https://mole.fit/llms.txt