ติดตั้ง Ollama ทุก OS

System Requirements — เครื่องแบบไหนรันได้?

ก่อนติดตั้ง ต้องเช็คก่อนว่าเครื่องของคุณรองรับหรือไม่ Ollama ไม่ได้ต้องการเครื่องแรงมาก — Notebook ทั่วไปที่มี RAM 8 GB ก็รัน Model ขนาด 7-8B ได้ แต่ถ้ามี GPU จะเร็วขึ้นอย่างมาก

รายการ	ขั้นต่ำ	แนะนำ	สำหรับองค์กร
OS	macOS 11+, Windows 10+, Linux	macOS 14+, Windows 11, Ubuntu 22.04+	Ubuntu 22.04 LTS Server
RAM	8 GB	16 GB	64-128 GB
พื้นที่ว่าง	10 GB	50 GB	500 GB+ SSD
CPU	x86_64 หรือ Apple Silicon	Apple M1+ หรือ Intel i7+	AMD EPYC / Intel Xeon
GPU (ไม่บังคับ)	ไม่ต้องมี (ใช้ CPU ได้)	NVIDIA RTX 3060+ (VRAM 8 GB+)	NVIDIA RTX 4090 / A100 (VRAM 24-80 GB)
Model ที่รันได้	7-8B (Llama 3.1 8B, Gemma 2 9B)	14-34B (Phi-4, CodeLlama 34B)	70B+ (Llama 3.1 70B, Qwen 72B)

ติดตั้งบน macOS

macOS เป็น Platform ที่ Ollama รองรับตั้งแต่แรกและทำงานได้ดีที่สุด โดยเฉพาะบน Apple Silicon:

วิธีที่ 1: ดาวน์โหลดจากเว็บ (แนะนำ)

1. ไปที่ ollama.com แล้วกดปุ่ม "Download for macOS"
2. เปิดไฟล์ Ollama-darwin.zip ที่ดาวน์โหลดมา
3. ลาก Ollama.app ไปไว้ใน Applications
4. เปิด Ollama.app — จะเห็นไอคอน Llama ขึ้นที่ Menu Bar (มุมบนขวา)
5. เปิด Terminal แล้วพิมพ์ ollama run llama3.1

วิธีที่ 2: ผ่าน Homebrew

สำหรับ Developer ที่ใช้ Homebrew อยู่แล้ว:

brew install ollama
ollama serve

ติดตั้งบน Windows

Ollama รองรับ Windows 10 ขึ้นไป (64-bit) โดยรองรับทั้ง NVIDIA GPU, AMD GPU (Radeon RX 6000+) และ CPU-only:

1. ไปที่ ollama.com แล้วกดปุ่ม "Download for Windows"
2. รันไฟล์ OllamaSetup.exe
3. ทำตามขั้นตอนการติดตั้ง (กด Next → Install → Finish)
4. Ollama จะรันเป็น Background Service อัตโนมัติ — ดูไอคอนที่ System Tray
5. เปิด PowerShell หรือ Command Prompt แล้วพิมพ์ ollama run llama3.1

ติดตั้งบน Linux

Linux เป็น Platform ที่เหมาะที่สุดสำหรับการตั้ง Ollama Server ขององค์กร เพราะเสถียรและใช้ทรัพยากรน้อย:

วิธีที่ 1: Script อัตโนมัติ (แนะนำ)

curl -fsSL https://ollama.com/install.sh | sh

Script นี้จะดาวน์โหลด Ollama, ติดตั้ง, สร้าง systemd service และเริ่มต้น Ollama Server อัตโนมัติ รองรับ Ubuntu, Debian, Fedora, CentOS, RHEL, Arch Linux และอื่นๆ

วิธีที่ 2: ดาวน์โหลด Binary เอง

# ดาวน์โหลด Binary
curl -L https://ollama.com/download/ollama-linux-amd64 -o /usr/local/bin/ollama
chmod +x /usr/local/bin/ollama

# เริ่ม Server
ollama serve

วิธีที่ 3: Docker

สำหรับองค์กรที่ใช้ Docker อยู่แล้ว — วิธีนี้เหมาะกับการ จัดการ Infrastructure ระดับองค์กร:

# CPU only
docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

# NVIDIA GPU
docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

# รัน Model
docker exec -it ollama ollama run llama3.1

รัน AI Model ตัวแรก

หลังติดตั้งเสร็จ ไม่ว่าจะ OS ไหน ขั้นตอนถัดไปเหมือนกันหมด — เปิด Terminal แล้วพิมพ์:

ollama run llama3.1

ครั้งแรก Ollama จะดาวน์โหลด Model (~4.7 GB สำหรับ Llama 3.1 8B) อาจใช้เวลา 2-10 นาที ขึ้นอยู่กับความเร็วอินเทอร์เน็ต หลังจากดาวน์โหลดเสร็จ คุณจะเห็น prompt ให้พิมพ์คำถาม:

>>> สวัสดีครับ คุณคือ AI อะไร?

สวัสดีครับ! ผมเป็น Llama 3.1 ซึ่งเป็น Large Language Model ที่พัฒนาโดย Meta
ผมสามารถช่วยตอบคำถาม เขียนบทความ แปลภาษา และอื่นๆ ได้ครับ
มีอะไรให้ช่วยไหมครับ?

เสร็จแล้ว! คุณมี AI Chatbot ส่วนตัวบนเครื่องตัวเองแล้ว — ข้อมูลทุกอย่างที่คุณพิมพ์จะอยู่ในเครื่อง ไม่ส่งออกไปไหน กด /bye เพื่อออก หรือ Ctrl+D

คำสั่งพื้นฐานที่ต้องรู้

หลังติดตั้ง Ollama แล้ว นี่คือคำสั่งที่จะใช้บ่อยที่สุด:

คำสั่ง	ทำอะไร	ตัวอย่าง
ollama run <model>	รัน Model (ดาวน์โหลดอัตโนมัติถ้ายังไม่มี)	ollama run llama3.1
ollama pull <model>	ดาวน์โหลด Model ไว้ก่อน (ยังไม่รัน)	ollama pull qwen2.5:72b
ollama list	ดูรายชื่อ Model ที่ดาวน์โหลดไว้แล้ว	ollama list
ollama rm <model>	ลบ Model ออกจากเครื่อง	ollama rm mistral
ollama show <model>	ดูข้อมูลของ Model (ขนาด, พารามิเตอร์)	ollama show llama3.1
ollama ps	ดู Model ที่กำลังรันอยู่	ollama ps
ollama serve	เริ่ม Ollama Server (ปกติรันอัตโนมัติ)	ollama serve
ollama cp <src> <dst>	Copy Model เพื่อสร้าง Model ใหม่จากของเดิม	ollama cp llama3.1 my-assistant

ทดสอบ — รัน Model หลายตัวเปรียบเทียบ

หลังติดตั้งเสร็จ ลองรัน Model หลายตัวเปรียบเทียบกันดู — แต่ละตัวมีจุดแข็งต่างกัน:

# Model รอบด้าน (จาก Meta)
ollama run llama3.1

# Model ภาษาเอเชียดี (จาก Alibaba)
ollama run qwen2.5

# Model Reasoning - คิดก่อนตอบ (จาก DeepSeek)
ollama run deepseek-r1:8b

# Model เขียนโค้ด (จาก Alibaba)
ollama run qwen2.5-coder

# Model จาก Google — เร็วมาก
ollama run gemma2

# Model อ่านรูปภาพได้
ollama run llava

ลองถามคำถามเดียวกันกับหลาย Model แล้วเปรียบเทียบคำตอบ — คุณจะเห็นว่าแต่ละตัวมีสไตล์การตอบต่างกัน บาง Model เก่งภาษาไทย บางตัวเก่งเขียนโค้ด สำหรับรายละเอียดเปรียบเทียบ Model ต่างๆ ดูได้ใน EP.1 ตาราง Model ยอดนิยม

ติดตั้ง GUI — Open WebUI (ไม่ต้องใช้ Terminal)

สำหรับคนที่ไม่อยากพิมพ์คำสั่งใน Terminal สามารถติดตั้ง Open WebUI — หน้าเว็บสวยๆ คล้าย ChatGPT ที่เชื่อมกับ Ollama ได้ทันที:

# ติดตั้ง Open WebUI ด้วย Docker (ต้องมี Docker ก่อน)
docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  --restart always \
  ghcr.io/open-webui/open-webui:main

เปิดเบราว์เซอร์ไปที่ http://localhost:3000 — สร้างบัญชีผู้ดูแลระบบ เลือก Model ที่ดาวน์โหลดไว้ แล้วเริ่มใช้งานได้เลย! Open WebUI เหมาะมากสำหรับ องค์กรที่ต้องการให้พนักงานทุกคนใช้ AI โดยไม่ต้องเปิด Terminal — แค่เปิดเว็บแล้วพิมพ์เหมือนใช้ ChatGPT

แก้ปัญหาที่พบบ่อย

ปัญหา	สาเหตุ	วิธีแก้
"Error: model requires more memory"	RAM ไม่พอสำหรับ Model ที่เลือก	ใช้ Model ขนาดเล็กลง เช่น เปลี่ยนจาก 70B เป็น 8B หรือใช้ Quantized version ollama run llama3.1:8b-q4_0
"Error: listen tcp 127.0.0.1:11434: bind: address already in use"	Ollama รันอยู่แล้ว (อาจรัน Background)	ปิด Ollama ที่รันอยู่ก่อน: pkill ollama (Linux/macOS) หรือปิดจาก System Tray (Windows)
GPU ไม่ถูกใช้ (ช้ามาก)	Driver ไม่อัพเดท หรือ Ollama ตรวจ GPU ไม่เจอ	อัพเดท NVIDIA Driver เป็นเวอร์ชันล่าสุด ตรวจสอบด้วย nvidia-smi แล้ว restart Ollama
ตอบภาษาไทยไม่ได้ / ตอบมั่ว	Model บางตัวไม่เก่งภาษาไทย	เปลี่ยนไปใช้ qwen2.5 หรือ llama3.1:70b ที่ภาษาไทยดีกว่า
ดาวน์โหลด Model ช้า / หลุด	เน็ตช้าหรือไม่เสถียร	รัน ollama pull <model> ใหม่ — จะดาวน์โหลดต่อจากที่ค้าง (resume)
เข้าจากเครื่องอื่นไม่ได้ (Server)	Ollama ฟัง localhost เท่านั้น	ตั้ง environment variable: OLLAMA_HOST=0.0.0.0 ollama serve
พื้นที่เต็ม	ดาวน์โหลด Model หลายตัว	ลบ Model ที่ไม่ใช้: ollama rm <model> ดูรายชื่อด้วย ollama list

สำหรับองค์กร — ตั้ง Ollama Server ให้ทุกคนใช้

ถ้าต้องการให้พนักงานทั้งองค์กรใช้ Ollama ร่วมกัน ไม่ต้องติดตั้งทุกเครื่อง — แค่ตั้ง เซิร์ฟเวอร์ 1 เครื่อง แล้วให้ทุกคนเข้าผ่าน Open WebUI:

# 1. ติดตั้ง Ollama บนเซิร์ฟเวอร์ Linux
curl -fsSL https://ollama.com/install.sh | sh

# 2. ตั้งค่าให้ฟังทุก IP (ไม่ใช่แค่ localhost)
sudo systemctl edit ollama
# เพิ่มบรรทัดนี้:
# [Service]
# Environment="OLLAMA_HOST=0.0.0.0"

# 3. Restart Ollama
sudo systemctl restart ollama

# 4. ดาวน์โหลด Model ที่ต้องการ
ollama pull llama3.1
ollama pull qwen2.5
ollama pull deepseek-r1:8b

# 5. ติดตั้ง Open WebUI ด้วย Docker
docker run -d -p 3000:8080 \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  -v open-webui:/app/backend/data \
  --name open-webui \
  --restart always \
  ghcr.io/open-webui/open-webui:main

เสร็จแล้วบอกพนักงานเปิด http://<server-ip>:3000 ในเบราว์เซอร์ — ทุกคนจะได้ AI Chatbot ที่หน้าตาคล้าย ChatGPT ใช้ได้ทันที ข้อมูลทุกอย่างอยู่ภายในเครือข่ายองค์กร ซึ่งสอดคล้องกับ การปฏิบัติตาม PDPA และนโยบาย ความปลอดภัยข้อมูล ขององค์กร

Ollama Series — อ่านต่อ

"ติดตั้ง Ollama ใช้เวลาแค่ 5 นาที แต่สิ่งที่คุณได้คือ AI ส่วนตัวที่ทำงานได้ตลอด 24 ชั่วโมง โดยไม่ต้องจ่ายค่าสมาชิกรายเดือน"

- ทีมงาน Saeree ERP

แหล่งอ้างอิง

• Ollama — Download Page (Official)
• Ollama — GitHub README (Installation Guide)
• Ollama — GPU Compatibility Guide
• Open WebUI — GitHub (GUI for Ollama)