title: “Ollama”
date: 2026-03-15 13:28:28
categories:

- **qwen2.5:3b**(通义千问3B版本)
* **优势**:模型较小,推理速度快,内存占用低。对中文支持非常好(由阿里开发),适合处理中文任务。对于一般的问答、文本分析等任务,如果对质量要求不是极高,这个模型可以快速给出结果。
* **劣势**:由于参数较少,在复杂推理、逻辑性要求高的任务上可能表现不如更大模型。
- **deepseek-r1:14b**(深度求索14B版本)
* **优势**:参数规模较大,具有更强的理解和推理能力,尤其在数学、代码、逻辑推理等方面表现突出。对中英文支持都很好。
* **劣势**:需要更多的内存和显存,推理速度较慢。
- **gemma3:12b**(谷歌Gemma 12B版本)
* **优势**:由谷歌开发,基于Gemini技术,在英文任务上表现优秀,同时也在多语言任务上有不错的表现。在代码生成、数学推理和常识推理方面有较好的能力。
使用时机:
举例:
“从这段聊天记录里快速找出所有提到‘转账’的句子。”
“把这份日志里所有的时间戳提取出来,整理成表格。”
“用一句话概括这篇文档的核心内容。”
使用时机:
举例:
“分析这个网络攻击的完整攻击链,推断攻击者的下一步可能行动。”
“解释这段加密算法的原理,并给出破解思路。”
“根据这些财务数据,找出异常交易并分析其模式。”
使用时机:
举例:
“基于目前的线索,生成三个可能的调查方向。”
“为这份证据清单创建一个分类体系。”
“将这段中文技术文档的关键部分翻译成英文摘要。”
对于重要任务,可以采用组合拳:
在你的Ollama中,使用以下命令调用不同模型:
bash
# 快速任务 - 使用 qwen
ollama run qwen2.5:3b "快速总结这份文档的要点:[文档内容]"
# 深度分析 - 使用 deepseek
ollama run deepseek-r1:14b "详细分析这个攻击代码的工作原理:[代码片段]"
# 平衡任务 - 使用 gemma
ollama run gemma2:9b "为这些证据创建一个调查时间线:[证据列表]"
把这三个模型想象成你的专属调查团队:
cd C:\Users\glj07\AppData\Local\Programs\Ollama
ollama serve