Ollama

一行命令在本地跑开源大模型，MIT 协议，完全免费，数据不出本机。

当前最新正式版 v0.40.16（published_at 2026-11-09 18:21 UTC，prerelease 标记为 false，17 个构建产物齐全，本站 2026-11-10 一手核验 GitHub Releases API 与官方 release 说明）：新增 Ricursive Intelligence 的 Ripple Preview（ripple-preview，65B 稠密模型，官方定位面向 Agentic 编码，ollama run ripple-preview 即可运行）；

Qwen3.8 Flash Next 在 Apple silicon 上少占用约 27 GiB 内存；

ollama launch claude 现总把 Claude Code 路由到用户选中的模型；

ollama launch 在云端模型已退役时给出说明而非默默失败；

/v1/responses 开始尊重 truncation 参数、默认不再静默截断；

未安装任何模型时 /v1/models 返回空数组而不是 null；

Windows on ARM 支持 CUDA 13.5；

内置 llama.cpp 同步更新。

上一版 v0.40.15（published_at 2026-11-03 22:52 UTC，prerelease 标记为 false，17 个构建产物，本站 2026-11-07 一手核验官方 release 说明）：新增小米 MiMo V2.6（mimo-v2.6，9B 参数，官方定位面向编码与 Agent 工作流，ollama run mimo-v2.6 即可运行）与 AutoTrust 决策模型族（autotrust-jev，含 9b / 35b / 27b-vl 三档，后两档可读图，用法 ollama run autotrust-jev --ask 提问；

官方注明本版仅 Apple silicon 支持）；

ollama launch 支持 Kimi Code CLI（kimi-cli 的继任者）并提供既有 kimi-cli 配置迁移，ollama launch 会自动填充 Pi 的模型列表、Claude Desktop 的模型选择器改为显示 Ollama 的真实模型名；

循环（Recurrent）与视觉 GGUF 模型现可同时服务多个请求；

Qwen3 与 Qwen3.5 模型支持长上下文（YaRN）缩放；

不带参数运行 ollama 会打开欢迎启动器。

上一版 v0.40.14（published_at 2026-11-03 01:40 UTC，prerelease 标记为 false，17 个构建产物，本站 2026-11-04 一手核验官方 release 说明）：维护性小版本，共 7 条改动 —— `ollama launch claude` 现按模型自带的输出 Token 上限运行，云端模型不再撞上 Claude Code 默认的 128K 上限；

云端联网搜索在 /api/chat 的响应解码修正（含压缩响应）；

OpenAI 兼容端点不再覆盖模型打包的采样器默认值 —— 客户端未传 temperature / top_p 时改用模型自带默认值（此前会被强制成 1.0），与 /api/chat 行为对齐；

/v1/responses 保留可读的输入内容（含此前的助手拒答内容），不再被扁平化；

Ollama 应用可重试 ChatGPT 断连失败，不再把连接留在损坏状态；

`ollama launch codex` 在配置前先校验 ChatGPT 路由，路由不可用时给出明确报错；

MLX 侧大词表下的 top-k 采样提速。

上一版 v0.40.13（published_at 2026-10-28 19:55 UTC，prerelease 标记为 false，17 个构建产物，本站 2026-10-30 一手核验官方 release 说明）：Liquid AI LFM3 模型家族（含 lfm3-audio 与 lfm3-omni 的语音合成能力）在原有 Apple Silicon 之外正式扩展支持 Linux 与 Windows 平台（官方 release 正文仅此一节，其余改动以 Full Changelog compare v0.40.12...v0.40.13 为准）。

上一版 v0.40.12（published_at 2026-10-27 00:07 UTC，本站 2026-10-28 一手核验官方 release 说明）：新增 Liquid AI LFM3 模型家族（官方称基于全新 tri-hybrid 混合架构，面向本地 Agent、工具调用与结构化输出）—— lfm3（1.7B 文本模型、256K 上下文）、lfm3-vl（加图像理解）、lfm3-audio（18 种语言的语音识别、翻译与语音合成）、lfm3-omni（单模型同时处理文本、图像与音频），ollama run lfm3 即可运行；

d1 决策模型新增基于 LFM3 的 2B 尺寸（d1-omni 加音频输入，示例 ollama run d1:2b --ask "Is this a billing issue?"）；

官方注明 lfm3 与 d1 2B 本版仅支持 Apple 硬件，Linux/Windows 支持待后续版本；

Apple Silicon 上 Gemma 4、Flint、Laguna 模型的提示处理提速；

MLX 投机解码新增 DFlash2 draft 模型支持；

Gemma 4 处理小尺寸图像时保留更多细节；

ollama launch 现兼容 OpenCode v2；

修复 Kimi CLI 的 tool-only 助手回合问题；

内置 MLX 与 llama.cpp 同步更新。

上一版 v0.40.11（published_at 2026-10-24 00:30 UTC，17 个构建产物齐备；

本站 2026-10-25 一手核验 GitHub Releases API 与 compare 提交列表）：小版本修补，v0.40.10...v0.40.11 共 6 个提交 —— 修复 qwen3coder 在工具参数中丢失字面量函数闭合标签；

ollama launch 为 OpenCode 传入已分配的上下文长度；

d3 决策模型（vllm-d3）允许传入空 state；

内置 llama.cpp 升级至 b11845；

MLX 侧为 Phonon 语音朗读逐个拼出符号、数字与链接，并新增 Phonon 音色目录（voice catalog）。

注意：该版本 release 说明正文与 v0.40.9 高度重合（同列 Speech 与 d3 两节），实际改动以上述提交与 Full Changelog（compare v0.40.10...v0.40.11-rc0）为准。

上一版 v0.40.10（published_at 2026-10-23 15:03 UTC，本站 2026-10-24 一手核验官方 release 说明）：新增 NVIDIA Nemotron 3.5 Bolt E4B（基于 Gemma 4 的视觉语言模型，面向快速本地对话、图像理解与工具调用，128K 上下文窗口，内置 DFlash draft 支持投机解码，示例 ollama run nemotron-3.5-bolt:e4b）。

上一版 v0.40.9（published_at 2026-10-22 01:33 UTC）：新增语音合成能力 —— Apple Silicon 上可用 Phonon 生成语音，ollama run 在生成过程中即可朗读文本或对话模型的回复，应用侧也可经 OpenAI 兼容的 /v1/audio/speech 端点流式获取音频（示例 ollama run phonon）；

新增 d3 决策模型族（把 vLLM Semantic Router 的决策模型带入 Ollama，含 2B / 4B / 9B / 27B 四档，输入文本、结构化状态或图片后可做分类、是非判断或按概率给选项打分，示例 ollama run d3 --ask "Is this a billing issue?"）；

Flint 编程模型的支持平台由 macOS 扩至 Linux 与 Windows；

修复流式 OpenAI Responses 与 Anthropic Messages 请求在部分输出后静默结束、不报生成失败的问题；

ollama launch 现会把云端模型的上下文长度与能力透传给编程工具，修正此前上下文与压缩设置不准的问题；

Anthropic 兼容的联网搜索在后续请求中改用模型支持的思考档位。

上一版 v0.40.8（GitHub Releases API 显示 published_at 2026-10-21 16:20 UTC、prerelease 标记为 false、17 个构建产物齐备）：新增 Recursive 的编程模型 Flint（Apache 2.0、40B MoE 每 Token 激活约 2.5B、262K 上下文，面向编码 Agent 的仓库级理解、排错、功能实现与补测，官方引用其 Terminal-Bench 2.1 54.9%、SWE-bench Verified 74.2%，ollama run flint 即可运行；

发布时仅支持 macOS，v0.40.9 已扩至 Linux 与 Windows）。

上一版 v0.40.7（published_at 2026-10-18 00:28 UTC、prerelease 标记已由 true 转 false、17 个构建产物齐备）：新增 Perplexity 的 27B 决策模型 pplx-decider（由 Qwen3.8-27B 微调）；

修复 OpenAI 兼容 Responses 会话在思考/非思考模型间切换、以及历史含其它厂商压缩项时续聊失败的问题；

修复流式 Responses 请求中客户端工具调用先于思考项输出、导致工具调用事件乱序或重复；

客户端断开时发往 ollama.com 的云端模型请求随之取消；

ollama show 现可显示模型使用的渲染器与解析器、以及对话模板来源（API 同步暴露 renderer / parser / template_source 字段）；

更多草稿模型可用于投机解码（由 llama-server 自行推断草稿类型）；

ollama launch claude 将 CLAUDE_CODE_AUTO_COMPACT_WINDOW 收敛到 Claude Code 支持区间；

同步更新内置 llama.cpp 与 MLX。

上一版 v0.40.6（GitHub Releases API 显示 published_at 2026-10-16 22:00 UTC、prerelease 标记为 false、17 个构建产物齐备；

该版本首次出现时为预发布，本站 2026-10-17 复核 prerelease 仍为 true 故未写入，2026-10-18 复核已由预发布转为正式版、Latest 标记随之指向它）：Windows 端修复遗留的孤儿 runner 进程；

GGUF 新增 q2_0 张量类型与对应文件类型（支持 2-bit 量化模型）；

clef 决策模型可在 Ollama 云端启动运行；

--ask 模式的问题键改用标识符（identifiers），避免会话内按位置索引取错问题。

上一版 v0.40.5（GitHub Releases API 显示 published_at 2026-10-14 19:45 UTC、created_at 2026-10-15 16:11 UTC，prerelease 标记为 false、17 个构建产物齐备）：新增 NVIDIA Nemotron 3.5 Super 视觉语言模型（120B 参数混合 Mamba-2/Transformer MoE 主干、每 Token 激活 12B，配 C-RADIO 视觉编码器，支持工具调用、思考模式开关与最长 1M Token 上下文，ollama run nemotron-3.5-super 即可运行；

同族轻量版 Nemotron 3.5 Bolt 由 Super 蒸馏至 74B 参数 / 激活 9B，面向 24GB 显存的日常 Agentic 任务，自带 drafter 可做投机解码）；

决策模型上云，可用 clef:cloud 与 clef-flash:cloud 经 ollama.com 云端直接运行、无需先拉取本地权重；

修复带自定义工具调用的 OpenAI 兼容 Responses 会话续聊报错；

云端访问失败时给出更清晰的错误原因（登录问题、桌面端支付问题、ChatGPT 网关上游访问错误）；

内置 llama.cpp 更新至支持 Nemotron 3.5，MLX 同步更新。

上一版 v0.40.4（2026-10-12 发布、prerelease 标记为 false、17 个构建产物齐备）：决策模型可直接在终端使用 —— ollama run 就能问是非题、把文本分类到指定标签或按评分标准打分（官方示例：ollama run nimble --ask "Is a refund being requested?" < ticket.txt）；

Kev 决策模型现由 Apple Silicon 上的 MLX 运行时支持；

ollama launch 在未升级到付费套餐的情况下也能使用用量额度（credits）；

ollama launch codex 的模型选择器会列出本地已安装的 Ollama 模型（可在 Codex CLI 内用 /model 切换）；

通过复用已校验的清单与已加载模型提升推理性能；

llama-server 新增多模态嵌入支持，并修复小上下文窗口下多模态嵌入模型加载失败的问题；

改进 NVIDIA GPU 上 Gemma 4 的 prefill 性能（MLX 运行时）；

MLX 侧对过长的 Laya 状态改为截断而非拒绝，并改进投机解码可靠性（含回滚后的循环状态处理）；

内置 llama.cpp 更新至原生支持决策模型；

README 与文档补充更清晰的隐私与云服务说明。

上一版 v0.40.3（2026-10-11 发布、prerelease 标记为 false、17 个构建产物齐备）：改动较小 —— ollama launch claude 不再显示 Claude connectors 相关警告、ollama launch codex 不再提示服务层级，并暂停后台模型自动升级以改善嵌入等请求的性能（此前 v0.40.2 引入的后台自动升级在部分场景影响请求性能，官方本次先行暂停）。

上一版 v0.40.2（2026-10-08 发布、prerelease 标记为 false、17 个构建产物齐备；

该 tag 最初以 v0.40.2-rc0 预发布形式出现，2026-10-10 复核时已由预发布转为正式版）：引入模型自动升级机制 —— 用旧版本下载的模型首次运行时会在后台升级到新的 llama.cpp 运行时（为便于降级会把原模型留作备份、可能暂时占用磁盘，官方称后续版本会自动清理并给出用 jq 手动清理备份的命令）；

另含 ollama list 不再显示升级后模型的重复条目、ollama launch claude 使用模型的完整上下文长度、README 增加 oxi 社区集成等改动。

上一版 v0.40.1（2026-10-07 发布、prerelease 标记为 false、17 个构建产物齐备）：修复 Windows 上 clef 决策模型头部读取越过 2GiB，另含 Windows 清单符号链接处理、CLI 引导去掉账户步骤、MLX 侧移除已上游化的 Metal residency 补丁、云端用量与余额接口代理、文档死链修复等维护性改动。

再上一版 v0.40.0（正式版，release 记录创建时间为 2026-10-06 17:46 UTC；

该 tag 最初以 v0.40.0-rc0 预发布形式出现于 2026-09-25）：在 Apple Silicon 设备上，MLX 运行时支持的模型架构会自动改用 MLX 运行（官方示例 ollama pull qwen3.8 / ollama run qwen3.8），并新增 gemma4、qwen3.6、qwen3.5 等 MLX 可用模型；

决策模型 Nimble、tev1、clef、clef-flash 同样已支持 MLX；

MLX 侧新增嵌入模型 embeddinggemma-2。

官方称将继续测试并启用更多模型。

v0.35.1（2026-09-29）仍是并行的另一条稳定线：新增 Cloudflare 开源决策模型 Clef（27B）与 Clef Flash（9B）支持，仍通过 /v1/systemone 端点按决策规范调用，两款模型均为多模态（请求可携带图片并参与联合打分）；

使用联网搜索的模型每次响应最多可执行 10 次搜索（此前为 3 次）；

Modelfile 新增 CAPABILITY 能力声明（从 GGUF / safetensors 创建、模型继承与 Modelfile 导出时均保留）；

决策模型的能力标识只报 decision，客户端不再把它们当作通用聊天 / 工具 / 思考模型；

同时更新了内置 llama.cpp 与 MLX 引擎。

此前 v0.35.0（2026-09-28）已新增决策模型（Decision Models）支持，首批可用模型为 Bespoke Labs 的 Nimble 与 Together AI 的 Tev1（ollama pull nimble 即可），并修复设置页需等待模型发现才能打开、macOS 更新菜单与图标不随更新变化、MLX 模型下载卡死三个问题，弃用的 typical_p 参数改为仅告警不报错。

此前 v0.34.4（2026-09-23）已把思考模型结构化输出改为单次通过、修复本地模型库较大时偶发「model not found」、修复 macOS 应用检测 ChatGPT/Codex 时卡死、让 Apple Silicon 上 Qwen 3.8 提示处理更快且 Gemma 4 按图自适应最优分辨率（v0.34.3 于 2026-09-19 已让 GET /api/show 公布各模型的思考档位与默认值）。