问题出现得很突然，日志倒是留得挺全。每次请求之间隔了五六分钟，第二次调用又要重新加载模型，日志显示 loading model，首字延迟从 0.8 秒涨到 12 秒。
刚开始盯着「客户端每次请求都新建会话，没有复用连接」，折腾了半个多小时，排掉了。
把日志和配置对完，能解释这个现象的基本就这几处。默认 keep_alive 只有五分钟，空闲后被卸载。还有一种是显存紧张时服务端会提前回收模型。
还有一种情况，用了无状态的 HTTP 调用，没有传 keep_alive 参数。
请求里显式指定保活时长
curl http://localhost:11434/api/generate -d '{"model":"qwen2.5:7b","prompt":"hi","keep_alive":"2h"}'再往下把默认值写进服务端环境变量
$env:OLLAMA_KEEP_ALIVE='2h'; ollama serve接着确认模型当前是否还在内存里
ollama ps批量任务结束后主动卸载，避免长期占显存
ollama stop qwen2.5:7b怎么算真的好了，看的是同一批现象。连续多次请求之间首字延迟稳定在 1 秒左右，ollama ps 里模型一直处于运行状态，不再反复出现 loading。
keep_alive 设成负数表示常驻，长期占着显存会影响其他模型加载，本地开发用完最好手动 stop 一次。报错文案容易误导，真正的原因往往在相邻那一层的日志里。