Ollama Llama 3.2 Vision: lokal pullen und starten

TL;DR

Ollama Llama 3.2 Vision ist der Bibliotheks-Tag llama3.2-vision, nicht llama3.2 (1B/3B, nur Text) und nicht llava. Die Ollama-Bibliothek startet mit ollama run llama3.2-vision. Das Default-Tag llama3.2-vision:latest ist laut Tag-Seite identisch mit llama3.2-vision:11b und llama3.2-vision:11b-instruct-q4_K_M (Digest 6f2f9757ae97, Artefakt 7,8 GB, Kontext 128K, Text und Bild). Der 90B-Tag llama3.2-vision:90b teilt den Digest bee2a956f3a8 mit llama3.2-vision:90b-instruct-q4_K_M (55 GB, 128K, Text und Bild). Die Bibliothek zählt 5,5 Mio. Downloads und 9 Tags. Die Readme nennt instruction-tuned Bildmodelle in 11B und 90B (Text plus Bild hinein, Text hinaus). Für reinen Text nennt sie Englisch, Deutsch, Französisch, Italienisch, Portugiesisch, Hindi, Spanisch und Thai; für Bild plus Text nur Englisch. Die Chat-API liegt auf http://localhost:11434/api/chat. Gelesen in Bibliothek, Tags, Übersicht und Chat-Doku am 2026-10-27. Kein Ranking, kein Kaufguide.

Bild-Tag, nicht Llama-3.2-Text und nicht LLaVA

IT-Leiter suchen „ollama llama3.2-vision“, wenn sie den Tag llama3.2-vision ziehen und lokal starten — nicht, wenn sie den 1B/3B-Text-Tag ziehen. Der Text-Tag ohne Bild bleibt Ollama Llama 3.2. Der ältere Vision-Tag ohne diesen Pull-Befehl bleibt Ollama LLaVA. Die allgemeine Modellwahl bleibt Ollama Models.

Die Engine kommt von Ollama Download oder dem Linux-Dienst. Port und Bind-Adresse bleiben 11434. Der Python-Client spricht dieselbe API, beschrieben in Ollama Python.

Start: ollama run llama3.2-vision

Die Bibliotheksseite, erster Befehl:

ollama run llama3.2-vision

Das zieht llama3.2-vision:latest und öffnet die Chat-Sitzung. Die Tag-Seite setzt latest auf denselben Digest wie llama3.2-vision:11b und llama3.2-vision:11b-instruct-q4_K_M. Ein festes Tag setzen Sie per Suffix, zum Beispiel llama3.2-vision:90b. Vor dem Pull die aktuelle Liste auf der Tag-Seite prüfen.

Nur ziehen, ohne Sitzung:

ollama pull llama3.2-vision

Ohne laufenden Server antwortet der Client nicht. Unter systemd ist das die Unit aus Ollama Service.

Welche Tags die Bibliothek führt

Stand 2026-10-27 auf ollama.com/library/llama3.2-vision und der Tag-Seite. Größen sind Artefaktgrößen der Bibliothek, kein freier GPU-Speicher. Die Übersicht markiert den Eintrag mit vision und den Größen 11b, 90b.

Die Tag-Seite listet genau diese 9 Namen (latest und 11b teilen sich einen Digest mit 11b-instruct-q4_K_M; 90b teilt sich einen Digest mit 90b-instruct-q4_K_M). Das sind Quantisierungen derselben 11B- und 90B-Familie, keine zweite Runtime.

Die Readme beschreibt Llama 3.2 Vision als Sammlung instruction-tuned Bildmodelle (11B und 90B): visuelle Erkennung, Bildbegründung, Bildunterschriften und Fragen zu einem Bild. Das ist die Herstellerbeschreibung in der Bibliothek, keine eigene Messung.

Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Was dieser Tag nicht ist

Ein anderer Bibliotheks-Eintrag ist llama3.2 (86,3 Mio. Downloads in der Übersicht zum Text-Tag, 1B und 3B, nur Text). llava ist der ältere Vision-Eintrag (15,2 Mio., 7B, 13B, 34B). gemma3 (Vision und Text, 270M bis 27B) bleibt Ollama Gemma 3. qwen2.5vl (5,6 Mio.) und minicpm-v (5,6 Mio.) sind getrennte Vision-Familien. Dieser Text behandelt nur llama3.2-vision.

Die Bibliotheksseite verweist auf GitHub und Hugging Face. Vor dem Einsatz die aktuelle Lizenzzeile dort prüfen.

Chat-API auf Port 11434

Die Bibliothek zeigt denselben Host wie die Ollama-Chat-Doku (http://localhost:11434). Beispiel der Bibliotheksseite:

curl http://localhost:11434/api/chat \
  -d '{
    "model": "llama3.2-vision",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Die OpenAPI der Chat-Route bestätigt Server http://localhost:11434 und POST /api/chat. Für multimodale Modelle listet die Chat-Doku optional images als Liste im Nachrichtenobjekt. Die Bibliothek zeigt dasselbe Feld als Base64-Zeichenkette bzw. im Python-Beispiel als Dateipfad image.jpg. Die Tags llama3.2-vision:latest und llama3.2-vision:90b führen Text und Bild. Python-Paket laut Bibliothek:

from ollama import chat

response = chat(
    model='llama3.2-vision',
    messages=[{'role': 'user', 'content': 'Hello!'}],
)
print(response.message.content)

Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Häufige Fragen

Ist llama3.2-vision dasselbe wie llama3.2 oder llava?

Nein. Die Bibliothek führt llama3.2-vision als eigene Familie (11B und 90B). llama3.2 ist der 1B/3B-Text-Tag. llava, gemma3, qwen2.5vl und minicpm-v sind getrennte Einträge. Dieser Text behandelt nur llama3.2-vision.

Reicht ollama pull ohne run?

ollama run zieht und startet. ollama pull zieht nur. Die Bibliotheksbeispiele für Chat und CLI bleiben ollama run llama3.2-vision.

Warum antwortet die API leer?

Zuerst Serve und Tag prüfen (ollama list, ollama ps). Der Port bleibt 11434, beschrieben in Ollama Port 11434. Ohne laufenden Server liefert der Client keinen stillen Fallback.

Brauche ich Docker extra?

Nein für den Desktop- oder Linux-Dienst. Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Ist das ein zweiter Hardware-Kaufguide?

Nein. Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Fazit

„Ollama Llama 3.2 Vision“ ist der Pull- und Start-Pfad: ollama run llama3.2-vision, Tag mit Suffix (:11b, :90b), Serve dauerhaft, Chat nativ auf /api/chat. Größen stammen aus der Bibliothek, nicht aus einer eigenen VRAM-Rechnung. Kein Ranking, keine Preise.