---
title: "Cum folosesc modele locale (Ollama) cu GPT-Researcher?"
description: "Implicit, GPT-Researcher folosește modele OpenAI dar poate lucra și cu **modele locale** prin Ollama sau cu orice API compatibil OpenAI. Astfel reduci costurile și păstrezi datele pe serverul tău. ## De ce modele locale? Cercetarea generează multe apeluri către model…"
url: "https://www.hostx.ro/kb/cum-folosesc-modele-locale-ollama-cu-gpt-researcher/"
updated: "2026-08-10"
category: "AI & Automatizări / GPT-Researcher"
tags:
  - API
  - configurare
  - debugging
  - deployment
  - "GPT-Researcher"
  - optimizare performanță
---

# Cum folosesc modele locale (Ollama) cu GPT-Researcher?

Implicit, GPT-Researcher folosește modele OpenAI dar poate lucra și cu **modele locale** prin Ollama sau cu orice API compatibil OpenAI. Astfel reduci costurile și păstrezi datele pe serverul tău.

## De ce modele locale?

Cercetarea generează multe apeluri către model deci costul cu un furnizor comercial poate crește. Un model local elimină costul per token și îți păstrează temele de cercetare private.

## 1. Pregătește Ollama

Instalează Ollama și descarcă un model capabil (cercetarea beneficiază de un model bun la raționament):

```
ollama pull llama3.1
```

## 2. Indică API-ul compatibil OpenAI

GPT-Researcher acceptă un `OPENAI_BASE_URL` personalizat. Îl setezi către endpointul compatibil OpenAI al Ollama:

```
OPENAI_BASE_URL=http://host.docker.internal:11434/v1
OPENAI_API_KEY=ollama
```

## 3. Alege modelele locale

Setează variabilele de model (FAST/SMART/STRATEGIC) către modelul local descărcat, conform documentației. Ai grijă ca modelul să fie suficient de capabil pentru sinteza rapoartelor.

## 4. Motorul de căutare

Chiar și cu model local, ai nevoie de un motor de căutare pentru surse (de exemplu DuckDuckGo, fără cheie, sau Tavily).

## 5. Testează

Generează un raport scurt și verifică viteza și calitatea. Modelele locale mari cer resurse serioase — vezi ghidul despre hardware pentru Ollama.

**Sfat:** Cercetarea este solicitantă pentru model. Dacă rezultatele locale sunt slabe, folosește un model local mai capabil (dacă hardware-ul permite) sau combină: model local pentru pași simpli, model comercial pentru sinteza finală.