Opslaggids voor ontwikkelaars

Waar lokale AI-modellen worden opgeslagen

Elk programma bewaart zijn gewichten ergens anders, geen enkel vertelt je waar, en samen zijn ze wat het snelst groeit op de schijf van een ontwikkelaar. Hier is de volledige lijst, per platform.

14 dagen gratis proberen, geen kaart nodig. Daarna eenmalig $ 15 voor 3 computers, macOS en Linux.

Bytesweep somt lokale AI-modelopslag op grootte op, op een ontwikkelaars-Mac

Waarom geen enkele opschoner ze vindt

Gangbare Mac-opschoners zijn geschreven voordat lokale modellen bestonden, en ze werken vanuit een vaste lijst met bekende cachemappen. ~/.ollama staat daar niet op. Een programma meldt dus vol vertrouwen dat je Mac schoon is terwijl 120 GB aan gewichten in een verborgen map in je thuismap ligt — en omdat het punt-mappen zijn, toont de Finder ze evenmin.

De paden

Ollama

macOS    ~/.ollama/models
Linux    /usr/share/ollama/.ollama/models
Windows  %USERPROFILE%\.ollama\models

Som op en verwijder met Ollama zelf, zodat het manifest consistent blijft:

ollama list
ollama rm llama3:70b

Verplaats de opslag naar een externe schijf door dit in te stellen OLLAMA_MODELS voordat je de server start.

LM Studio

macOS    ~/.lmstudio/models
Linux    ~/.lmstudio/models
Windows  %USERPROFILE%\.lmstudio\models

Oudere versies gebruikten ~/.cache/lm-studio/models; heb je door meerdere versies heen bijgewerkt, controleer dan beide. De map is instelbaar op het tabblad My Models in de app, en dat is de veilige manier om hem te verplaatsen.

Hugging Face — transformers, diffusers, datasets

macOS/Linux  ~/.cache/huggingface/hub
Windows      %USERPROFILE%\.cache\huggingface\hub

Meestal de grootste en de rommeligste, omdat elke bibliotheek die de Hub aanraakt hier schrijft. Bekijk en ruim interactief op met het officiële hulpmiddel:

pip install "huggingface_hub[cli]"
huggingface-cli scan-cache
huggingface-cli delete-cache

Verplaats hem met HF_HOME. Let op: de Hub-cache gebruikt symbolische koppelingen naar een blobs-map — hem kopiëren met een programma dat die koppelingen volgt verdubbelt de grootte.

PyTorch

~/.cache/torch/hub
~/.cache/torch/kernels

Voorgetrainde checkpoints, gedownload door torch.hub. Verplaatsen met TORCH_HOME.

Zeven paden, en dat ene dat je vergeten bent

Deze lijst klopt vandaag. Hij groeit met elk nieuw programma dat je probeert, en de opslag die je uit het oog verliest is de dure. Bytesweep vindt al deze en de sindsdien toegevoegde, meldt ze op grootte, en markeert gewichten als te beoordelen in plaats van op te ruimen — want een model dat je zelf hebt bijgetraind is geen cache, en niets anders op je schijf is zo duur om fout te doen.

GPT4All

macOS    ~/Library/Application Support/nomic.ai/GPT4All
Linux    ~/.local/share/nomic.ai/GPT4All
Windows  %LOCALAPPDATA%\nomic.ai\GPT4All

Whisper en whisper.cpp

~/.cache/whisper
./models  (inside a whisper.cpp checkout)

Ook het bekijken waard

~/.cache/torch/sentence_transformers
~/.keras/models
~/.cache/gguf
~/.cache/vllm

Voordat je een model verwijdert

Een cache is geen gewicht

Al het andere op de schijf van een ontwikkelaar bouwt zich in seconden opnieuw op. Een model van 40 GB is opnieuw downloaden over jouw verbinding, en een kwantisatie die je zelf hebt gemaakt of een model dat je zelf hebt bijgetraind komt helemaal niet terug. Deze mappen verdienen een beoordeling, geen opruimbeurt.

Verwijder via het programma waar er een is

Ollama en Hugging Face houden allebei een manifest naast de blobs bij. Bestanden met de hand verwijderen laat de index wijzen naar dingen die weg zijn, wat later als verwarrende fouten opduikt. ollama rm en huggingface-cli delete-cache bestaan precies daarvoor.

Verplaatsen in plaats van verwijderen

Elk programma hierboven kan zijn opslag verplaatsen via een omgevingsvariabele of een instelling. Heb je een externe schijf, dan is de opslag verplaatsen beter dan dezelfde gewichten steeds opnieuw verwijderen en ophalen.

Vind elke modelopslag op je schijf

Bytesweep kent al deze paden, meldt ze op grootte naast Docker, Xcode en node_modules, en markeert gewichten als te beoordelen in plaats van veilig op te ruimen — want een bijgetraind model is geen cache.

Zie ook: Docker disk space · Xcode cleanup · de volledige Mac-lijst

Vragen

Hoe verander ik waar Ollama modellen opslaat?

Stel de omgevingsvariabele OLLAMA_MODELS in op de gewenste map en start de Ollama-server opnieuw. Stel hem op macOS in voor de startomgeving van de app, niet alleen in je shell, anders ziet de desktop-app hem niet.

Is het veilig om ~/.cache/huggingface te verwijderen?

Veilig in de zin dat er niets stukgaat: wat ontbreekt wordt bij het volgende gebruik opnieuw gedownload. Duur in de zin dat „volgend gebruik” 30 GB opnieuw ophalen kan betekenen. Gebruik huggingface-cli scan-cache om te zien wat er staat en selectief te verwijderen.

Waarom verschijnen de modelmappen niet in de Finder?

De meeste beginnen met een punt, die macOS standaard verbergt. Druk in een Finder-venster op Cmd-Shift-. om ze te tonen, of open het pad rechtstreeks via Ga → Ga naar map.

Kan ik modellen op een externe schijf bewaren?

Ja, en voorbij de honderd gigabyte is dat het betere antwoord. Ollama gebruikt OLLAMA_MODELS, Hugging Face gebruikt HF_HOME, PyTorch gebruikt TORCH_HOME, en LM Studio heeft een instelling in de app. Reken op tragere eerste laadbeurten via USB.

Waarom is mijn modelmap groter dan de modellen die ik heb gedownload?

Meestal gedeeltelijke downloads en achterhaalde revisies. De Hugging Face-hubcache bewaart elke revisie van een repository die je ooit hebt opgehaald, niet alleen de huidige, en dat is precies wat scan-cache je moet laten zien.