Ollamaの新バージョンはAppleチップ搭載機器で特定モデルのメモリ負荷を減らし、Responses APIが通知なく入力を切り詰めていたデフォルト動作を変更した。ローカルモデルを動かす開発者はメモリの余裕を、サービスを連携させる開発者は入力内容の保持を軸に変更点を確認できる。ARMベースのWindows機器向けにグラフィックス演算のサポートも追加された。

1. Apple siliconでメモリ負荷を軽減した

11月9日に公開されたv0.40.16では、同社の発表によるとQwen3.8 Flash NextのAppleチップ搭載機器でのメモリ使用量が約27 GiB減った。モデルの実行に必要なメモリ領域が減ったという発表で、実行環境を選ぶ際に注目したい主な変更点だ。

メモリはモデルを載せる作業領域であり、使用量の削減は同じ機器の容量制約を緩和する変化と捉えられる。モデルの実行とほかの作業を併せて考えるユーザーなら、速度改善の数値とは別の観点から今回の削減量を検討する価値がある。

発表には測定機種やモデル設定、削減前後の総メモリ使用量がなく、27 GiBだけで特定の機器で実行可能かどうかを判断するのは難しい。

2. Responses APIはデフォルトで通知なく入力を切り詰めない

/v1/responsesは入力を切り詰めるかどうかを決める設定であるtruncationに従うようになり、デフォルトでは通知なく入力を切り詰めない。ユーザーが送ったリクエストの一部を通知なく削っていた動作が変わり、サービスが意図する入力処理方針を点検しやすくなる。

開発者にとっての利点は、入力の一部が意図せず欠落する事態を減らせることだ。その代わり、デフォルト動作に任せていた入力処理をサービス側で確認する作業が重要になる。自動切り詰めの便利さから、リクエスト処理方針を自ら管理する方向へ点検の重点が移ることになる。

3. Windows ARMにCUDA 13.5対応を追加した

今回のバージョンはWindows on ARMでCUDA 13.5をサポートする。ARMベースのWindows環境でグラフィックス演算を活用してモデルを実行したいユーザーが注目すべき変更だ。前述のメモリ削減がモデルとメモリ領域に関する話題であるのに対し、この項目は実行プラットフォームのサポートに関する話題だ。

配布一覧にはWindows ARM64向けのollama-windows-arm64.zipがある。この環境を使うユーザーは、この配布ファイルと新たなCUDA対応の項目を併せて確認できる。

4. 連携サービスは長い入力と空のモデル一覧を点検する

/v1/modelsはインストール済みモデルがない場合、nullではなく空のリストを返す。応答を解釈するクライアントは、モデルがない状態を空のリストとして処理するよう確認する必要がある。

更新を準備するサービスは、長い入力を送るリクエストと、インストール済みモデルがない状態をテスト対象にするとよい。入力をどう扱うか、モデル一覧が空のときに何を表示するかをそれぞれ確認すれば、今回のAPI変更を実際の連携点検項目に落とし込める。

5. Ripple Previewモデルを紹介した

リリースではRicursive IntelligenceのRipple Previewも紹介された。開発作業を行うエージェント向けに作られた650億パラメータのモデルで、一部だけを選ぶのではなくパラメータ全体を演算に使う密な構造だ。次はリリースに掲載された実行コマンドで、新モデルを試したいユーザーの出発点となる。

ollama run ripple-preview

Ollama v0.40.16はローカル実行のメモリ負荷とプラットフォームの選択肢を改善し、連携サービスには入力処理方針を見直すきっかけを与える更新だ。