第一步：检查模型文件
ollama list这个列表展示本机已有的模型。看到模型名称，说明文件已存在，不能据此判断它当前正在显卡上运行。
第二步：发起一次真实请求
ollama run qwen2.5:7b "用一句话解释什么是显存。"这是使用 qwen2.5:7b 的示例，要求 Ollama 服务已经启动。模型尚不存在时，这条命令可能开始下载。成功得到回答后，再检查模型运行状态。
第三步：检查运行中的模型
ollama ps
nvidia-smi在另一个终端或单元格检查。ollama ps 显示当前加载的模型；NVIDIA 工具帮助观察 GPU 显存与利用率。模型卸载后列表可能为空，生成结束后的瞬间利用率也可能降到零。
如果处理器列显示 CPU/GPU 混合，说明不能把这次运行描述为完全 GPU 推理。即使显示 GPU，也需要额外查看每张卡的占用，才能判断是否使用双卡。
最后：记录性能时写清条件
记录模型标签、量化方式、上下文长度、输入文本、首次加载与后续请求的区别。tokens/s 是 token 生成速度，不等于每秒汉字数。
本文提供命令含义与检查顺序；没有声称这些命令已在新的 Kaggle 会话跑通。完整教程会在端到端复测后补充。
参考：Ollama CLI 文档。