Ollama: оновлення за 12–18 жовтня 2026 року

Коротко

Цього тижня Ollama отримала версії з 0.40.4 по 0.40.7. Серед головних нововведень — пряма підтримка decision models у терміналі та хмарі, запуск нових моделей NVIDIA Nemotron 3.5 і pplx-decider, а також робота з multimodal embeddings через llama-server. Окрім цього, розробники покращили сумісність з форматом відповідей OpenAI, автоматизували визначення типів моделей для speculative decoding та оптимізували MLX runner.

Нові можливості

Робота з decision models

• Підтримка в CLI: Decision models тепер можна запускати безпосередньо з терміналу за допомогою ollama run для відповідей «так/ні», класифікації тексту або оцінювання за критеріями, використовуючи синтаксис на зразок ollama run nimble --ask "Is a refund being requested?" < ticket.txt. Пізніше для ключів запитань у режимі --ask було додано використання ідентифікаторів.
• Підтримка на Apple silicon: Моделі Kev decision отримали підтримку в MLX runner.
• Оновлення бібліотек: У llama.cpp додано нативну підтримку decision models.
• Хмарний запуск: Decision models стали доступні в хмарі без локального завантаження моделей за допомогою clef:cloud та clef-flash:cloud через ollama.com cloud. Також реалізовано запуск clef у хмарі Ollama.
• Нова модель pplx-decider: Додано pplx-decider — 27B decision model від Perplexity, створену шляхом fine-tuning моделі Qwen3.8-27B.

Нові моделі та формати

• NVIDIA Nemotron 3.5 Super: Представлено vision-language модель для кодингу, міркувань, роботи з інструментами та розуміння документів (ollama run nemotron-3.5-super). Вона поєднує 120B-параметричну гібридну MoE-архітектуру Mamba-2/Transformer (12B активних параметрів на токен) із vision-енкодером C-RADIO, підтримує tool calling, режим міркувань (thinking mode) із перемикачем on/off та контекст до 1M токенів.
• NVIDIA Nemotron 3.5 Bolt: Компактна версія Super, зменшена до 74B параметрів (9B активних) для роботи на GPU NVIDIA з 24 GB пам'яті в повсякденних агентних задачах із підтримкою speculative decoding через вбудований drafter.
• Підтримка GGUF: Додано типи тензорів і файлів q2_0.
• Multimodal embeddings: Додано підтримку мультимодальних ембеддінгів через llama-server.

Інструменти CLI та API

• Метадані моделей: Команда ollama show тепер виводить інформацію про те, які renderer і parser використовує модель, а також звідки походить її chat template. Відповідні дані з'явилися і в API у нових полях renderer, parser та template_source.
• Оновлення ollama launch: Команда тепер дозволяє використовувати usage credits без переходу на платний план.
• Інтеграція з Codex: Команда ollama launch codex додає локально встановлені моделі Ollama до списку вибору моделей; для перемикання всередині Codex CLI передбачено команду /model.
• Інтеграція з Claude Code: ollama launch claude тепер обмежує значення CLAUDE_CODE_AUTO_COMPACT_WINDOW підтримуваним діапазоном Claude Code, що запобігає попередженню «window too large».

Виправлення та покращення

• Продуктивність інференсу: Прискорено роботу за рахунок повторного використання перевірених маніфестів і вже завантажених моделей.
• MLX runner: Покращено продуктивність prefill для Gemma 4 на GPU NVIDIA; додано обрізання (clipping) довгих станів Laya замість відхилення; підвищено надійність speculative decoding, зокрема обробку рекурентних станів після rollback.
• Speculative decoding: llama-server тепер автоматично визначає тип чернетки (draft type), що розширило перелік draft-моделей без необхідності ручної ідентифікації з боку Ollama.
• Сумісність з OpenAI Responses API: Продовження діалогів із кастомними викликами інструментів більше не завершується помилкою. Також усунено збої під час перемикання між моделями з увімкненим режимом thinking та без нього, або якщо історія містить елементи компактизації від іншого провайдера.
• Потокові запити: Виправлено помилку в потокових запитах Responses, коли клієнтські виклики інструментів надсилалися раніше за незавершені елементи міркувань, спричиняючи дублювання або неправильний порядок подій.
• Віддалені запити: Запити до віддалених моделей тепер скасовуються на ollama.com у разі відключення клієнта, а не продовжують виконуватися.
• Зрозуміліші помилки: Додано детальні повідомлення про причини збоїв під час доступу до хмари, зокрема проблеми з авторизацією, оплатою в десктопному застосунку чи помилками доступу від шлюзу ChatGPT.
• Windows: Запобігли появі процесів-сиріт (orphaned runners).
• Виправлення ембеддінгів: Виправлено завантаження моделей мультимодальних ембеддінгів з малими вікнами контексту.
• Оновлення залежностей: Оновлено llama.cpp (із додаванням підтримки Nemotron 3.5) та бібліотеку MLX.

Версії тижня

• v0.40.4 — 12 жовтня 2026 року
• v0.40.5 — 14 жовтня 2026 року
• v0.40.6 — 16 жовтня 2026 року
• v0.40.7 — 18 жовтня 2026 року