Wo Ollama, LM Studio und Hugging Face Modelle auf dem Mac speichern – und wie du sie entfernst

Lokale KI-Tools legen ihre Modellgewichte in versteckten Ordnern in deinem Benutzerordner ab: Ollama in ~/.ollama/models, LM Studio in ~/.lmstudio/models und die Hugging-Face-Tools in ~/.cache/huggingface/hub. Jedes Tool hat seine eigene Kopie, und ein einzelnes Modell ist typischerweise zwischen 2 GB und 70 GB groß. Entferne Modelle über den Befehl oder die App des jeweiligen Tools, nicht durch Löschen von Dateien in den Caches, denn diese Dateien teilen sich mehrere Modelle.

Wo jedes Tool seine Modelle ablegt

Ältere Versionen von LM Studio nutzten ~/.cache/lm-studio/models, und eine manuelle ComfyUI-Installation legt ihre Modelle im Ordner models des Installationsorts ab, oft ~/ComfyUI/models.

Ollama

Die FAQ von Ollama nennt ~/.ollama/models als Standard unter macOS. Darin enthält blobs die eigentlichen Daten, und manifests hält fest, aus welchen Blobs jedes Modell besteht. Mehrere Modelle mit derselben Basis können sich Blobs teilen; wer Dateien von Hand löscht, kann also andere Modelle beschädigen. Nutze stattdessen die CLI:

ollama list
ollama rm llama3.2

ollama list (auch ollama ls) zeigt jedes Modell mit seiner Größe. ollama rm entfernt das Modell und alle Blobs, die kein anderes Modell braucht. Das ist endgültig; ollama pull lädt das Modell erneut. Ist ein Modell im Arbeitsspeicher geladen, zeigt ollama ps es an, und ollama stop <model> entlädt es – Speicherplatz auf der Festplatte gibt aber keiner der beiden frei.

LM Studio

Aktuelle Versionen von LM Studio legen Modelle in ~/.lmstudio/models ab, sortiert nach Anbieter, dann Modell, dann den .gguf- oder MLX-Dateien. Im Tab My Models siehst du jedes Modell mit seiner Größe und löschst die, die du nicht mehr nutzt. Derselbe Tab zeigt auch den Modellordner und lässt dich ihn ändern.

Im Terminal listet lms ls die geladenen Modelle auf. Wenn du lieber den Finder nutzt, beende zuerst LM Studio und lege dann den Ordner eines Modells in den Papierkorb; LM Studio listet es danach nicht mehr.

Der Hugging-Face-Cache

Python-Bibliotheken wie transformers und diffusers, MLX-Tools, die aus der Organisation mlx-community laden, und viele darauf aufbauende Mac-Apps laden alle über huggingface_hub in einen gemeinsamen Cache. Er liegt in ~/.cache/huggingface/hub, sofern du nicht HF_HOME oder HF_HUB_CACHE setzt.

Stand Oktober 2026 heißt die offizielle CLI hf; sie hat das ältere huggingface-cli abgelöst. Die Anleitung zur Cache-Verwaltung beschreibt drei Befehle:

hf cache ls
hf cache rm model/openai/whisper-large-v3 --dry-run
hf cache rm model/openai/whisper-large-v3
hf cache prune

• hf cache ls listet jedes zwischengespeicherte Repository mit Größe, letztem Zugriff und Referenzen. Filter wie --filter "accessed>30d" oder --filter "size>1GB" grenzen die Liste ein.
• hf cache rm löscht ganze Repositorys, bestimmte Revisionen oder, mit einem hf://-Pfad, eine einzelne Datei wie eine GGUF-Quantisierung. --dry-run zeigt vorher, was gelöscht würde. Das Löschen ist endgültig.
• hf cache prune entfernt Revisionen, auf die kein Branch und kein Tag mehr zeigt, übrig gebliebene unvollständige Downloads (.incomplete) und gemeinsame Dateien, die nichts mehr nutzt.

Hat deine Installation nur huggingface-cli, erledigen dessen ältere Befehle scan-cache und delete-cache dieselbe Aufgabe; ein Update von huggingface_hub bringt dir hf.

Warum nicht einfach einen Ordner models--… löschen? In jedem davon enthält snapshots symbolische Links, die auf die echten Dateien in blobs zeigen. Aktuelle Versionen von huggingface_hub können über Xet geladene Dateien außerdem in einem gemeinsamen Ordner blobs auf oberster Ebene des Caches ablegen, den mehrere Repositorys gleichzeitig nutzen. Einen Modellordner von Hand zu löschen, gibt dann womöglich weniger frei als erwartet; ein anschließendes hf cache prune entfernt gemeinsame Dateien, die kein Modell mehr nutzt.

Zwei Nachbarn des Hub-Caches wachsen ebenfalls: ~/.cache/huggingface/datasets enthält Datensätze, die die Bibliothek datasets verarbeitet hat, und ~/.cache/huggingface/xet Daten für das Speichersystem Xet von Hugging Face. Aktuelle Versionen nutzen es vor allem für Uploads; ältere Versionen legten dort auch einen Chunk-Cache für Downloads ab.

ComfyUI, Draw Things und andere Apps

• ComfyUI sortiert Modelle nach Typ in Ordner wie checkpoints, loras und vae. Die meisten lassen sich erneut laden, manche Community-Modelle sind später aber schwer zu finden. Archiviere also lieber, was du nicht sicher zuordnen kannst, statt es zu löschen. Der Ordner output enthält die Bilder, die du generiert hast: Das ist deine Arbeit, kein Cache.
• Draw Things speichert Modelle in seinem App-Container. Lösche sie im Modellmanager der App, nicht im Finder.
• PyTorch Hub (~/.cache/torch) und openai-whisper (~/.cache/whisper) laden Gewichte bei der ersten Nutzung und holen sie erneut, wenn ein Skript sie braucht.

Verstreute Modelldateien finden

Modelldateien landen auch in „Downloads“, in Projektordnern und in alten Experimenten. Dieser Befehl listet .gguf-, .safetensors- und .ckpt-Dateien über 1 GB in deinem gesamten Benutzerordner auf, die größten zuletzt:

find ~ -type f \( -name "*.gguf" -o -name "*.safetensors" -o -name "*.ckpt" \) -size +1G -exec du -h {} + 2>/dev/null | sort -h

Er liest nur; nichts wird gelöscht. Ollama und Hugging Face speichern ihre Blobs unter Hash-Namen ohne Endung, die Ergebnisse zeigen also Dateien außerhalb dieser Caches. Das Terminal fragt eventuell nach Zugriff auf Ordner wie „Dokumente“ oder „Schreibtisch“. Prüfe vor dem Löschen eines Treffers, ob es deine eigene Feinabstimmung ist oder ein Modell, das du nicht erneut laden kannst.

Modelle auf eine externe SSD verschieben

Nutze die Einstellung des jeweiligen Tools, statt Ordner zu verschieben und zu hoffen, dass es folgt:

• Ollama: Aktuelle Versionen der Ollama-App haben die Einstellung Model location. Die dokumentierte Alternative ist die Umgebungsvariable OLLAMA_MODELS; für die Mac-App setzt du sie mit launchctl setenv OLLAMA_MODELS "/Volumes/AI/ollama" und startest Ollama neu. Diese Einstellung übersteht keinen Neustart des Mac. Vorhandene Modelle werden nicht automatisch verschoben: Beende Ollama und verschiebe den Inhalt von ~/.ollama/models selbst oder lade die Modelle erneut.
• LM Studio: Ändere den Modellordner unter My Models.
• Hugging Face: Ergänze export HF_HOME="/Volumes/AI/huggingface" in ~/.zshrc oder setze HF_HUB_CACHE, um nur den Hub-Cache zu verschieben. Siehe die Referenz der Umgebungsvariablen. Apps, die du aus dem Finder öffnest, lesen ~/.zshrc nicht.
• ComfyUI: Füge Ordner in den Einstellungen unter Storage der Desktop-App oder in extra_model_paths.yaml hinzu, wie in der Modell-Dokumentation von ComfyUI beschrieben.

Formatiere das Laufwerk als APFS: Der Hugging-Face-Cache setzt auf symbolische Links, die exFAT nicht unterstützt. Ist das Laufwerk nicht angeschlossen, können die Tools ihre Modelle nicht laden oder beginnen, sie erneut an den Standardort herunterzuladen.

So hilft MoreRoom

Die Gratisversion von MoreRoom erkennt die Ordner von Ollama, LM Studio, Hugging Face, PyTorch, Whisper, ComfyUI, Draw Things und anderen KI-Tools, zeigt ihre echte Größe und markiert sie mit „Erst prüfen“: Sie lassen sich erneut laden, aber nur du weißt, welche du noch nutzt. Ollama-Modelle werden mit ollama rm entfernt, einem endgültigen Befehl, der entsprechend gekennzeichnet ist. Hugging-Face-Modelle legst du einzeln in den Papierkorb, mit Widerrufen; mit einem aktuellen huggingface_hub führst du danach hf cache prune aus, um gemeinsame Dateien freizugeben. Für LM Studio und Draw Things zeigt dir MoreRoom, wo du sie in der App löschst. Große Modelldateien an anderen Orten und die Ausgaben von ComfyUI sind zum Behalten markiert; sie aus MoreRoom auf ein externes Laufwerk auszulagern, kommt demnächst.

Pro ergänzt den Sammler, um mehrere Objekte auf einmal aufzuräumen, und den Zielmodus.