产品
也叫：@ollama
基于 llama.cpp 的封装工具，提供本地服务器和 OpenAI 兼容 API。
最近变化
2026-06-10 · 使用 llama.cpp 可在消费级硬件上运行大型模型，支持 4-bit 量化。
Ollama 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
已收录 30 篇与「Ollama」相关的 AI 资讯和分析。
Gemma 4 12B 是面向本机运行的统一、无编码器多模态模型，将视觉与音频直接接入 LLM，性能接近 26B MoE 但内存仅其一半，可在 16GB VRAM 紧凑设备上运行，支持离线语音处理与低延迟多步推理。
入选理由：Gemma 4 12B 性能接近 26B MoE，内存仅其一半，适合在 16GB VRAM 现代本机运行。
AI代理系统的最优组织结构取决于任务复杂度与模型类型，Google研究通过150+实验发现：集中式或混合架构对OpenAI模型更有效，而Google模型在去中心化协作中表现更优。
入选理由：超过150次实验证明，OpenAI模型在集中式管理架构下性能提升37%，优于去中心化模式。
本地运行大语言模型（LLMs）可通过 llama.cpp、Ollama 和 LM Studio 等工具实现，兼顾隐私与学习。
入选理由：使用 llama.cpp 可在消费级硬件上运行大型模型，支持 4-bit 量化。
Gemma 4 QAT模型在Ollama和Hugging Face上线，显著降低内存需求并保持模型质量。
入选理由：Gemma 4 QAT模型在Ollama和Hugging Face上线，支持多种模型大小。
本文展示如何利用 Ollama 本地部署的开源 LLM（如 Llama 3、Mistral、Gemma）与 Scikit‑LLM 结合，完成零样本文本分类，且完全免费。
入选理由：通过 `ollama run <model>` 可在本地拉取并运行 Llama 3、Mistral 或 Gemma，端口默认 11434。
Ollama 是运行本地语言模型的强大工具，通过 Modelfile 和环境变量可优化模型性能与硬件效率。
入选理由：通过 Ollama Modelfile 可封装模型参数，简化本地模型调用流程。
通过构建一个具有错误恢复机制的多工具 Gemma 4 代理，学习如何优雅地处理工具调用中的失败。
入选理由：迭代代理循环需设置最大迭代次数以防止无限循环。
Gemma 4 模型通过本地沙箱工具实现真正代理行为，支持文件系统探索和受限 Python 解释器。
入选理由：Gemma 4 支持本地工具调用，如文件系统探索和受限 Python 执行，增强模型自主性
文章介绍了本地语言模型的优势，如无需API密钥、无需数据转移等。
入选理由：Local models are easier to run and maintain compared to cloud tools.
作者通过两次构建B2B文档提取器，比较了基于规则的传统方法和基于LLM的方法，探讨了复杂性和布局多样性对两种方法的影响。
入选理由：基于LLM的方法在处理复杂和多变的布局时更具优势。
文章介绍如何用开源工具构建AI驱动的学习管理系统，包含个性化路径、动态测验等功能。
入选理由：使用Ollama+Mistral 7B实现本地语言模型，无需云服务
OpenJarvis 是由斯坦福 HazyResearch 和 Scaling Intelligence 实验室开发的本地优先个人AI，可与 Ollama 集成运行，旨在实现高效低功耗本地化AI体验，支持用户在无网络环境下使用。
入选理由：OpenJarvis 可通过 Ollama 在本地部署，无需云端连接，保障隐私与离线可用性。
MiniMax M3 模型已通过 Ollama Cloud 发布，支持 US 部署与零数据保留，专为编码和代理任务设计，在 SWE-Bench Pro 基准中达 59%+ 正确率，结合稀疏注意力实现 1M 上下文长度。
入选理由：M3 在 SWE-Bench Pro 基准中取得 59.0% 正确率，优于多数开源模型。
Ollama 新增 NVIDIA Blackwell GPU 以更好支持 GLM-5.1 模型。
入选理由：Ollama 已扩展 NVIDIA Blackwell GPU 阵容以优化 GLM-5.1 模型性能。
Peekaboo 3.0 发布，带来基于 macOS 的操作自动化新功能。
入选理由：Peekaboo 3.0 是自 2.0 以来最大更新
Ollama 发布 OpenJarvis，支持在本地运行大模型，无需联网，提升隐私与响应速度，适配开发者与企业用户。
入选理由：OpenJarvis 可通过 Ollama 在本地运行，无需联网即可访问 LLM 模型。
Hermes 可以根据自然语言描述生成 Python 技能，并在使用过程中不断优化。
入选理由：Hermes 支持从自然语言生成 Python 技能。
Google 宣布其模型权重与主流开源生态兼容，可在 Hugging Face 和 Kaggle 直接下载，降低部署门槛。
入选理由：Gemma 4 权重与 llama.cpp、vLLM、Ollama 等生态兼容，便于本地部署与推理。
PewDiePie推出的Odysseus AI工作区是一款可自托管的AI工具，支持Gemma-4 26B等模型，提供代理模式、深度研究和文档编辑功能，但缺乏技术深度分析和性能数据。
入选理由：Odysseus支持Gemma-4 26B模型，本地运行需至少16GB内存，可通过Ollama快速部署
Ollama 0.24 新增对 Codex 应用的支持，用户可通过命令行启动。
入选理由：更新至 Ollama 0.24 后可使用 codex-app 功能。
Ollama 推荐了多个与 Codex 配合使用的模型，包括支持视觉的 kimi-k2.6 和 glm-5.1。
入选理由：kimi-k2.6 支持视觉功能，适合图像相关任务。
Ollama 推出新一代旗舰模型 GLM-5.1，代码生成能力显著提升。
入选理由：GLM-5.1 是 Ollama 的新一代旗舰模型。
文章介绍了Gemma 4模型的性能和适用场景，但信息密度较低，缺乏深度分析。
入选理由：Gemma 4模型适用于推理、代理工作流、编码和多模态理解。
Hermes Desktop 可通过 Ollama 在多平台运行，支持本地和云端部署。
入选理由：Hermes Desktop 支持 macOS、Windows 和 Linux 平台。
ollama 发布了 Hermes Agent，一个用于生成代码的 AI 工具。
入选理由：ollama 发布了 Hermes Agent，一个用于生成代码的 AI 工具。
ollama 宣布 Gemma 4 - 12B 模型已在其平台上可用。用户可以通过 MLX 运行该模型，支持 Hermes Agent 和 Claude Code 等工具。
入选理由：ollama 宣布 Gemma 4 - 12B 模型已在其平台上可用。
Ollama 宣布支持连接多个消息应用，但内容缺乏技术细节和实用价值。
入选理由：Ollama 支持连接 Telegram、Discord 等消息应用。
Ollama 在 X 平台发布 Minima 模型页面链接，但未提供模型架构、性能或部署方法，信息密度极低。
入选理由：Ollama 提供 Minima 模型页面（ollama.com/library/minima）供用户下载和运行轻量模型。
NVIDIA AI 在 X 平台发布了一条关于 @ollama 的推文，但内容缺乏具体技术细节。
入选理由：NVIDIA AI 在 X 平台上发布了与 @ollama 相关的内容。
Ollama 提供了恢复 Codex 默认设置的命令。
入选理由：使用 `ollama launch codex-app --restore` 可以恢复 Codex 的默认设置。
与「Ollama」经常一起出现的 AI 术语。
💡 想追踪「Ollama」的长期趋势？去 实体雷达 · Ollama 查看详细分析和跨材料问答。
