Claude Code com Ollama: modelos locais grátis (guia 2026)

Como o Claude Code roda no Ollama

O Claude Code é o agente: o programa que lê os seus arquivos, roda comandos e pergunta antes de mudar qualquer coisa. O modelo é o cérebro por trás dele, normalmente o Claude, nos servidores da Anthropic.

Desde a versão 0.14.0, de janeiro de 2026 (segundo as notas de versão do Ollama), o Ollama responde no mesmo formato de mensagens da API da Anthropic, no seu próprio computador, na porta 11434. Aponte o Claude Code para lá e ele funciona com um modelo aberto (que qualquer pessoa pode baixar e rodar). O Claude Code em si não muda e continua sob os termos da Anthropic, seja qual for o modelo por trás.

Quem pesquisa "claude code ollama", "ollama claude code" ou "claude code ollama local" está atrás exatamente disto: o Claude Code de sempre, conversando com um modelo que roda no Ollama.

O que você precisa

A memória decide quase tudo: o modelo precisa caber na memória que o chip gráfico pode usar, com espaço para a conversa, ou fica lentíssimo. Você não precisa de plano do Claude nem de chave de API, e o Ollama pode instalar o Claude Code para você (ou veja como instalar o Claude Code). O melhor modelo do Ollama para Claude Code depende da sua memória, então comece por aqui:

As indicações de memória são as que o launcher do Ollama (o comando ollama launch) mostra, e os tamanhos de download vêm da biblioteca do Ollama, ambos conferidos em 22 de outubro de 2026. Num PC, compare a indicação com a memória da sua placa de vídeo. O app para Mac tem cerca de 214 MB.

Passo 1: instale o Ollama no Mac, no Windows ou no Linux

Instalar Claude Code com Ollama começa pelo próprio Ollama: o instalador em ollama.com/download traz um app que roda um pequeno servidor em segundo plano, mais o comando ollama.

1. Mac (macOS 14 ou mais novo): baixe o Ollama.dmg, arraste o Ollama para Aplicativos e abra; ele oferece adicionar o comando ollama ao seu terminal.
2. Windows 10 (22H2) ou 11: rode o OllamaSetup.exe, que não pede direitos de administrador.
3. Linux: rode o script de instalação abaixo; ele configura o Ollama como um serviço em segundo plano.
4. Confira: abra uma janela nova do terminal e rode ollama -v.

Os instaladores oficiais de uma linha, para Mac ou Linux:

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

No Windows, no PowerShell:

PS> irm https://ollama.com/install.ps1 | iex
PS> 

$ ollama -v
ollama version is 0.40.8
$ 

No Windows, placas NVIDIA precisam do driver 551.61 ou mais novo, e placas AMD Radeon rodam via ROCm ou Vulkan, segundo a documentação do Ollama para Windows.

Passo 2: ajuste o tamanho de contexto para 64K

O tamanho de contexto (context length) é quanto da conversa o modelo consegue ver de uma vez, medido em tokens (pequenos pedaços de texto). Só o pedido de abertura do Claude Code, com as instruções dele mais a descrição de cada ferramenta, deu cerca de 20.300 tokens nos nossos testes, sem plugins, e há usuários relatando até 36.000. Por isso o Ollama pede 64K.

O Ollama escolhe um padrão a partir da sua memória de vídeo, e a maioria dos computadores fica abaixo disso. No Mac, ele conta a parte da memória que o chip gráfico pode usar, e o log do nosso MacBook Pro de 48 GB mostra o resultado: vram-based default context total_vram="37.4 GiB" default_num_ctx=32768, ou seja, 32K.

Dá para aumentar o contexto do Ollama para o Claude Code de quatro jeitos, todos do lado do Ollama:

• O app do Ollama (Mac e Windows): abra Settings (configurações) e ajuste Context length para 64k, que o app salva como 65.536 tokens.
• Um terminal, com o app fechado: rode OLLAMA_CONTEXT_LENGTH=65536 ollama serve e deixe a janela aberta (foi o que fizemos).
• Um serviço no Linux: rode sudo systemctl edit ollama, acrescente as duas linhas abaixo e reinicie o serviço.
• Um modelo só, em qualquer sistema: salve uma cópia do modelo com uma janela maior e use o nome novo (aqui, qwen3.8-64k) no lugar de qwen3.8:27b.

[Service]
Environment="OLLAMA_CONTEXT_LENGTH=65536"

$ sudo systemctl daemon-reload && sudo systemctl restart ollama
$ 

Para a cópia, coloque estas duas linhas num arquivo de texto simples chamado Modelfile (o Bloco de Notas serve) e crie o modelo a partir dessa pasta:

FROM qwen3.8:27b
PARAMETER num_ctx 65536

$ ollama create qwen3.8-64k -f Modelfile
$ 

Depois, carregue um modelo e confira o que o Ollama realmente deu a ele:

$ ollama ps
NAME           ID              SIZE     PROCESSOR    CONTEXT    RUNNER    UNTIL
qwen3.8:27b    47951e4a6661    22 GB    100% GPU     65536      mlx       4 minutes from now
$ 

A coluna CONTEXT deve mostrar 64K ou mais, e a PROCESSOR, 100% GPU; uma divisão como 48%/52% CPU/GPU quer dizer que parte do modelo foi parar numa memória mais lenta. No Mac, RUNNER mlx indica o motor MLX da Apple.

Passo 3: abra o Claude Code com ollama launch claude

Abra um terminal na pasta em que o Claude Code vai trabalhar (o Terminal no Mac, o PowerShell no Windows) e rode:

$ ollama launch claude
$ 

1. Escolha um modelo. Em "Recommended" (recomendados), a lista mostra primeiro os modelos na nuvem do Ollama (eles exigem login no ollama.com) e depois os locais, com a memória de que precisam, marcados como "not downloaded" (não baixado) até você ter cada um.
2. Deixe baixar. Se o modelo ainda não está no seu computador, o Ollama baixa antes. O qwen3.8:27b, de 18 GB, levou 6 minutos e 43 segundos na nossa conexão.
3. Instale o Claude Code se ele pedir. Se o Claude Code não estiver instalado, o Ollama pergunta "Claude Code is not installed. Install now?" (o Claude Code não está instalado, instalar agora?) e roda o instalador oficial da Anthropic.
4. Confie na pasta. Na primeira vez que abre, o Claude Code pergunta o tema e se você confia na pasta, sem tela de login. Depois, o cabeçalho mostra o modelo que responde: qwen3.8:27b · API Usage Billing.

Essa linha amarela importa: o Claude Code conhece o tamanho de contexto dos modelos do Claude, mas não o do qwen3.8:27b, então mostrou Model "qwen3.8:27b" isn't recognized · context assumed to be 200k tokens (modelo não reconhecido, contexto presumido de 200k tokens), como descreve a documentação de configuração de modelos da Anthropic. Com isso, ele esperaria tempo demais para compactar (resumir) uma conversa longa. Abra com um tamanho um pouco abaixo do que o Ollama usa e o aviso some:

$ CLAUDE_CODE_MAX_CONTEXT_TOKENS=64000 ollama launch claude --model qwen3.8:27b
$ 

PS> $env:CLAUDE_CODE_MAX_CONTEXT_TOKENS = "64000"
PS> ollama launch claude --model qwen3.8:27b
PS> 

Só para essa sessão, o launcher aponta o Claude Code para o Ollama com um token provisório, então não precisa de login do Claude, e coloca o seu modelo no lugar de todos os modelos que o Claude Code usaria, inclusive o dos agentes auxiliares. Ele não grava nenhuma configuração do Claude Code: um claude simples numa janela nova volta para o seu plano do Claude. O --yes (junto com --model) pula todas as perguntas, e tudo o que vem depois de -- vai para o Claude Code, como em ollama launch claude --model qwen3.8:27b -- --resume.

O caminho manual: variáveis de ambiente

Para abrir o claude simples, defina as variáveis você mesmo. A documentação do Claude Code do Ollama lista as três primeiras; as linhas de modelo são o que o launcher acrescenta, porque sem elas alguns ajudantes do Claude Code pedem ao Ollama um modelo do Claude e recebem "model not found" (modelo não encontrado). No Mac ou no Linux:

$ export ANTHROPIC_BASE_URL=http://localhost:11434
$ export ANTHROPIC_AUTH_TOKEN=ollama
$ export ANTHROPIC_API_KEY=""
$ export ANTHROPIC_DEFAULT_OPUS_MODEL=qwen3.8:27b
$ export ANTHROPIC_DEFAULT_SONNET_MODEL=qwen3.8:27b
$ export ANTHROPIC_DEFAULT_HAIKU_MODEL=qwen3.8:27b
$ export CLAUDE_CODE_SUBAGENT_MODEL=qwen3.8:27b
$ export CLAUDE_CODE_MAX_CONTEXT_TOKENS=64000
$ claude --model qwen3.8:27b
$ 

No Windows, no PowerShell:

PS> $env:ANTHROPIC_BASE_URL = "http://localhost:11434"
PS> $env:ANTHROPIC_AUTH_TOKEN = "ollama"
PS> Remove-Item Env:ANTHROPIC_API_KEY -ErrorAction SilentlyContinue
PS> $env:ANTHROPIC_DEFAULT_OPUS_MODEL = "qwen3.8:27b"
PS> $env:ANTHROPIC_DEFAULT_SONNET_MODEL = "qwen3.8:27b"
PS> $env:ANTHROPIC_DEFAULT_HAIKU_MODEL = "qwen3.8:27b"
PS> $env:CLAUDE_CODE_SUBAGENT_MODEL = "qwen3.8:27b"
PS> $env:CLAUDE_CODE_MAX_CONTEXT_TOKENS = "64000"
PS> claude --model qwen3.8:27b
PS> 

O PowerShell não guarda uma variável vazia, então a versão para Windows remove a variável ANTHROPIC_API_KEY, com o mesmo efeito. As configurações valem até você fechar a janela. Para conferir qualquer um dos dois caminhos, digite /status: a linha do auth token deve citar ANTHROPIC_AUTH_TOKEN, e a base URL deve ser o seu próprio computador, na porta 11434.

Os melhores modelos do Ollama para o Claude Code

Os modelos do Ollama que o launcher recomenda para o Claude Code mudam com o tempo. Em 22 de outubro de 2026, as escolhas locais eram as três da tabela lá em cima: todas sabem chamar ferramentas, algo de que o Claude Code depende (ler um arquivo, editar, rodar um comando), todas chegam a um contexto máximo de 256K e todas usam a licença Apache 2.0. As escolhas na nuvem:

Agora a parte honesta. O Terminal-Bench 4.0 é um conjunto de tarefas reais de terminal que a Artificial Analysis roda do mesmo jeito para todos os modelos:

O GLM-5.3-Flash e o DeepSeek V4.1 Flash, ambos na nuvem do Ollama, marcam cerca de seis vezes o que o Qwen3.8 27B marca, e o Claude continua muito à frente de todos eles. O nosso ranking de modelos de IA mostra o quadro mais amplo.

O que vimos num Mac de 48 GB

Para ver a diferença num trabalho pequeno e real, entreguei aos dois modelos locais a lista de aulas de um estúdio de yoga de demonstração e o prompt de teste do nosso guia de agentes de IA para programar, que você pode rodar nos seus próprios arquivos:

Trabalhe só dentro desta pasta. Leia [ARQUIVO COM OS SEUS PREÇOS OU SERVIÇOS] e crie uma lista de preços de uma página chamada precos.html que fique boa no celular. Antes de mudar qualquer coisa, me conte o seu plano em três tópicos e espere o meu OK. Quando terminar, liste cada arquivo que você criou ou alterou e como eu desfaço isso.

O qwen3.8:27b acertou: página limpa, os oito preços exatos, um plano correto e nenhum erro de ferramenta. A primeira resposta levou 3 minutos e 27 segundos porque ele leu o pedido de abertura do Claude Code, de 20.300 tokens, a cerca de 117 tokens por segundo; depois, o cache do Ollama deixou cada passo rápido.

O qwen3.5:4b leu o mesmo pedido em cerca de 28 segundos e terminou em menos de dois minutos, mas é uma demonstração rápida, não um trabalhador confiável: preços certos, uma linha difícil de ler e um travessão (em dash) na resposta, que o CLAUDE.md da pasta proíbe. Na primeira execução, com o padrão de 32K, o plano dele cobrou US$ 29 por uma aula (o arquivo diz US$ 28), depois disto:

O Ollama mandou um erro HTTP 500 depois de 5 minutos e 22 segundos, enquanto o modelo ainda estava ocupado com um pequeno pedido paralelo; o Claude Code mostrou API error · Retrying in 0s · attempt 1/10 e tentou de novo por conta própria. Não consertamos nada à mão em nenhuma execução.

O que para de funcionar sem o Claude

O agente é o mesmo programa, então a maior parte do Claude Code continua funcionando. Muda o que depende dos servidores da Anthropic ou de um login do Claude, e é aí que o Claude Code grátis com Ollama mostra os seus limites:

Fontes: a página de disponibilidade de recursos da Anthropic e a lista de compatibilidade com a API da Anthropic do Ollama.

Modelos na nuvem do Ollama para o Claude Code

Os modelos que terminam em :cloud rodam nos servidores do Ollama: nada para baixar, nenhum chip gráfico forte e notas bem mais altas. O porém: eles exigem conta no ollama.com (ollama signin), e os seus prompts saem do seu computador.

$ ollama launch claude --model gemma4:cloud
$ 

O plano gratuito traz créditos de uso iniciais, num valor que o Ollama não publica, para alguns modelos de entrada como o gemma4:cloud. O Pro custa US$ 20 por mês (US$ 200 por ano) com US$ 60 de uso por mês, e o Max, US$ 100 com US$ 300, segundo a página de preços do Ollama.

O Ollama diz que não armazena, não registra e não usa os prompts da nuvem para treinar modelos, e que hospeda principalmente nos Estados Unidos. Se os seus prompts levam dados pessoais de clientes, lembre que mandar esses dados para fora do Brasil é uma transferência internacional, que também precisa seguir a LGPD.

ollama.com/pricing

O que sai do seu computador

Problemas comuns do Claude Code com Ollama

A maioria dos erros de API do Claude Code com Ollama vem de quatro coisas: o Ollama desligado ou ocupado, um nome de modelo errado, contexto de menos ou memória de menos.

As linhas de login e de conexão seguem a documentação de solução de problemas de gateways da Anthropic; para o resto, o log do Ollama no Mac fica em ~/.ollama/logs/server.log.

Outras formas de rodar o Claude Code com modelo local

Os detalhes vêm da documentação do LM Studio e do OpenRouter. Para um agente feito para funcionar com qualquer modelo, leia Claude Code vs OpenCode.

O que fazer agora

Instale o Ollama, ajuste o contexto para 64K e dê ao qwen3.8:27b (ou ao qwen3.5:4b, num computador menor) a nossa tarefa pequena numa cópia de uma pasta real. Cronometre e confira o resultado você mesmo antes de confiar mais trabalho a ele. Se a diferença para o Claude for grande demais para o seu trabalho, compare os planos no nosso guia de preços do Claude Code e, se você quer um caminho guiado por projetos reais, o curso de Claude Code está aberto em acesso antecipado.