Cara Mengatur dan Menjalankan Qwen 3 Secara Lokal dengan Ollama

Qwen3 adalah generasi terbaru model bahasa berbobot terbuka dari Alibaba. Dengan dukungan untuk 100+ bahasa dan performa kuat pada tugas penalaran, pemrograman, serta penerjemahan, Qwen3 menyaingi banyak model kelas atas saat ini, termasuk DeepSeek-R1, o3-mini, dan Gemini 2.5.

Dalam tutorial ini, saya akan menjelaskan langkah demi langkah cara menjalankan Qwen3 secara lokal menggunakan Ollama.

Kita juga akan membangun aplikasi ringan lokal dengan Qwen 3. Aplikasi ini memungkinkan Anda beralih antara mode penalaran Qwen3 dan menerjemahkan antar berbagai bahasa.

Kami menjaga pembaca tetap mengetahui kabar terbaru AI melalui The Median, buletin gratis setiap Jumat yang merangkum berita kunci pekan ini. Berlangganan dan tetap tajam hanya dalam beberapa menit setiap minggu:

Mengapa Menjalankan Qwen3 Secara Lokal?

Menjalankan Qwen3 secara lokal memberikan beberapa manfaat utama:

• Privasi: Data Anda tidak pernah meninggalkan mesin Anda.
• Latensi: Inferensi lokal lebih cepat tanpa perjalanan bolak-balik API.
• Efisiensi biaya: Tidak ada biaya token atau tagihan cloud.
• Kendali: Anda dapat menyetel prompt, memilih model, dan mengonfigurasi mode berpikir.
• Akses luring: Anda dapat bekerja tanpa koneksi internet setelah mengunduh model.

Qwen3 dioptimalkan untuk penalaran mendalam (mode berpikir) dan respons cepat (mode non-berpikir), serta mendukung 100+ bahasa. Mari kita siapkan secara lokal.

Menyiapkan Qwen3 Secara Lokal dengan Ollama

Ollama adalah alat yang memungkinkan Anda menjalankan model bahasa seperti Llama atau Qwen secara lokal di komputer Anda dengan antarmuka baris perintah yang sederhana.

Langkah 1: Instal Ollama

Unduh Ollama untuk macOS, Windows, atau Linux dari: https://ollama.com/download.

Ikuti petunjuk penginstal, dan setelah instalasi, verifikasi dengan menjalankan perintah ini di terminal:

ollama --versionDidukung oleh

Langkah 2: Unduh dan jalankan Qwen3

Ollama menawarkan beragam model Qwen3 yang terus bertambah, dirancang untuk berbagai konfigurasi perangkat keras, mulai dari laptop ringan hingga server kelas atas.

ollama run qwen3Didukung oleh

Menjalankan perintah di atas akan meluncurkan model Qwen3 default di Ollama, yang saat ini mengarah ke qwen3:8b. Jika Anda bekerja dengan sumber daya terbatas atau menginginkan waktu mulai yang lebih cepat, Anda dapat secara eksplisit menjalankan varian yang lebih kecil seperti model 4B:

ollama run qwen3:4bDidukung oleh

Qwen3 saat ini tersedia dalam beberapa varian, mulai dari yang terkecil 0,6b (523MB) hingga yang terbesar 235b (142GB) parameter. Varian yang lebih kecil ini menawarkan performa yang mengesankan untuk penalaran, penerjemahan, dan pembuatan kode, terutama saat digunakan dalam mode berpikir.

Model MoE (30b-a3b, 235b-a22b) sangat menarik karena hanya mengaktifkan sebagian subset pakar pada setiap langkah inferensi, memungkinkan jumlah parameter total yang sangat besar sambil menjaga biaya runtime tetap efisien.

Secara umum, gunakan model terbesar yang mampu ditangani perangkat keras Anda, dan kembali ke model 8B atau 4B untuk eksperimen lokal yang responsif pada mesin konsumen.

Berikut rekap singkat semua model Qwen3 yang dapat Anda jalankan:

Langkah 3: Jalankan Qwen3 di latar belakang (opsional)

Untuk menyajikan model melalui API, jalankan perintah ini di terminal:

ollama serveDidukung oleh

Ini akan membuat model tersedia untuk integrasi dengan aplikasi lain di http://localhost:11434.

Menggunakan Qwen3 Secara Lokal

Di bagian ini, saya akan memandu Anda melalui beberapa cara menggunakan Qwen3 secara lokal, dari interaksi CLI dasar hingga mengintegrasikan model dengan Python.

Opsi 1: Menjalankan inferensi melalui CLI

Setelah model diunduh, Anda dapat berinteraksi langsung dengan Qwen3 di terminal. Jalankan perintah berikut di terminal Anda:

echo "What is the capital of Brazil? /think" | ollama run qwen3:8bDidukung oleh

Ini berguna untuk uji cepat atau interaksi ringan tanpa menulis kode. Tag /think di akhir prompt menginstruksikan model untuk melakukan penalaran lebih dalam, langkah demi langkah. Anda dapat menggantinya dengan /no_think untuk respons yang lebih cepat dan dangkal atau menghapusnya sama sekali untuk menggunakan mode penalaran default model.

Opsi 2: Mengakses Qwen3 melalui API

Setelah ollama serve berjalan di latar belakang, Anda dapat berinteraksi dengan Qwen3 secara terprogram menggunakan HTTP API, yang sangat cocok untuk integrasi backend, otomasi, atau pengujian klien REST.

curl http://localhost:11434/api/chat -d '{
  "model": "qwen3:8b",
  "messages": [{ "role": "user", "content": "Define entropy in physics. /think" }],
  "stream": false
}'Didukung oleh

Begini cara kerjanya:

• curl membuat permintaan POST (cara kita memanggil API) ke server Ollama lokal yang berjalan di localhost:11434.
• Payload-nya adalah objek JSON dengan:
• "model": Menentukan model yang digunakan (di sini: qwen3:8b).
• "messages": Daftar pesan obrolan yang berisi role dan content.
• "stream": false: Memastikan respons dikembalikan sekaligus, bukan token per token.

Opsi 3: Mengakses Qwen3 melalui Python

Jika Anda bekerja di lingkungan Python (seperti Jupyter, VSCode, atau skrip), cara termudah berinteraksi dengan Qwen3 adalah melalui Ollama Python SDK. Mulailah dengan memasang ollama:

pip install ollamaDidukung oleh

Lalu, jalankan model Qwen3 Anda dengan skrip ini (kita menggunakan qwen3:8b di bawah):

import ollama
response = ollama.chat(
    model="qwen3:8b",
    messages=[
        {"role": "user", "content": "Summarize the theory of evolution. /think"}
    ]
)
print(response["message"]["content"])Didukung oleh

Pada kode di atas: 

• ollama.chat(...) mengirim permintaan bergaya chat ke server Ollama lokal.
• Anda menentukan model (qwen3:8b) dan daftar pesan dalam format yang mirip dengan API OpenAI.
• Tag /think memberi tahu model untuk bernalar langkah demi langkah.
• Terakhir, respons dikembalikan sebagai dictionary, dan Anda dapat mengakses jawaban model menggunakan ["message"]["content"].

Pendekatan ini ideal untuk eksperimen lokal, pembuatan prototipe, atau membangun aplikasi berbasis LLM tanpa bergantung pada API cloud.

Membangun Aplikasi Penalaran Lokal dengan Qwen3

Qwen3 mendukung perilaku inferensi hibrida menggunakan tag /think (penalaran mendalam) dan /no_think (respons cepat). Di bagian ini, kita akan menggunakan Gradio untuk membuat aplikasi web lokal interaktif dengan dua tab terpisah:

1. Antarmuka penalaran untuk beralih di antara mode berpikir.
2. Antarmuka multibahasa untuk menerjemahkan atau memroses teks dalam berbagai bahasa.

Langkah 1: Demo penalaran hibrida 

Pada langkah ini, kita membangun tab penalaran hibrida dengan tag /think dan /no_think.

import gradio as gr
import subprocess
def reasoning_qwen3(prompt, mode):
    prompt_with_mode = f"{prompt} /{mode}"
    result = subprocess.run(
        ["ollama", "run", "qwen3:8b"],
        input=prompt_with_mode.encode(),
        stdout=subprocess.PIPE
    )
    return result.stdout.decode()
reasoning_ui = gr.Interface(
    fn=reasoning_qwen3,
    inputs=[
        gr.Textbox(label="Enter your prompt"),
        gr.Radio(["think", "no_think"], label="Reasoning Mode", value="think")
    ],
    outputs="text",
    title="Qwen3 Reasoning Mode Demo",
    description="Switch between /think and /no_think to control response depth."
)Didukung oleh

Pada kode di atas:

• Fungsi reasoning_qwen3() menerima prompt pengguna dan mode penalaran ("think" atau "no_think").
• Fungsi menambahkan mode yang dipilih sebagai akhiran pada prompt.
• Lalu, metode subprocess.run() menjalankan perintah ollama run qwen3:8b, dengan memasukkan prompt sebagai input standar.
• Terakhir, keluaran (respons dari Qwen3) ditangkap dan dikembalikan sebagai string yang telah didekode.

Setelah fungsi pembangkit keluaran didefinisikan, fungsi gr.Interface() membungkusnya menjadi UI web interaktif dengan menentukan komponen input—sebuah Textbox untuk prompt dan tombol Radio untuk memilih mode penalaran—serta memetakkannya ke input fungsi.

Langkah 2: Demo aplikasi multibahasa

Sekarang, mari kita siapkan tab aplikasi multibahasa.

import gradio as gr
import subprocess
def multilingual_qwen3(prompt, lang):
    if lang != "English":
        prompt = f"Translate to {lang}: {prompt}"
    result = subprocess.run(
        ["ollama", "run", "qwen3:8b"],
        input=prompt.encode(),
        stdout=subprocess.PIPE
    )
    return result.stdout.decode()
multilingual_ui = gr.Interface(
    fn=multilingual_qwen3,
    inputs=[
        gr.Textbox(label="Enter your prompt"),
        gr.Dropdown(["English", "French", "Hindi", "Chinese"], label="Target Language", value="English")
    ],
    outputs="text",
    title="Qwen3 Multilingual Translator",
    description="Use Qwen3 locally to translate prompts to different languages."
)Didukung oleh

Serupa dengan langkah sebelumnya, kode ini bekerja sebagai berikut:

• Fungsi multilingual_qwen3() menerima prompt dan bahasa target.
• Jika target bukan bahasa Inggris, fungsi menambahkan instruksi “Translate to {lang}:” di depan untuk membimbing model.
• Sekali lagi, model berjalan secara lokal melalui subprocess menggunakan Ollama.
• Hasil dikembalikan sebagai teks biasa.

Langkah 3: Luncurkan kedua tab di Gradio

Mari gabungkan kedua tab dalam satu aplikasi Gradio.

demo = gr.TabbedInterface(
    [reasoning_ui, multilingual_ui],
    tab_names=["Reasoning Mode", "Multilingual"]
)
demo.launch(debug = True)Didukung oleh

Berikut yang kita lakukan pada kode di atas:

• Fungsi gr.TabbedInterface() membuat UI dengan dua tab:
• Satu untuk mengontrol kedalaman penalaran.
• Satu lagi untuk penerjemahan prompt multibahasa.
• Fungsi demo.launch(debug=True) menjalankan aplikasi secara lokal dan membukanya di browser dengan debugging diaktifkan.

Kesimpulan

Qwen3 menghadirkan penalaran tingkat lanjut, decoding cepat, dan dukungan multibahasa ke mesin lokal Anda menggunakan Ollama.

Dengan penyiapan minimal, Anda dapat:

• Menjalankan inferensi LLM lokal tanpa ketergantungan cloud
• Beralih antara respons cepat dan mendalam
• Menggunakan API atau Python untuk membangun aplikasi cerdas

Untuk mempelajari lebih lanjut tentang Qwen3, saya merekomendasikan:

• Membaca blog pengantar ini tentang Qwen3
• Mempelajari cara fine-tune Qwen3