Ollama v0.40.12：支持 LFM3，优化 Apple silicon

1. 按用途选择文本、图像和音频模型

2026年10月27日发布的 v0.40.12 的核心是支持 Liquid AI 的 LFM3。这一小型模型系列面向本地智能体、工具调用和结构化输出。需要调用工具并以指定格式接收结果的应用由此有了新选择。

基础文本模型 lfm3 的规模为 1.7B，上下文窗口，即一次可参考的输入范围，为 256K 个 token。同时还提供新增图像理解能力的 lfm3-vl。开发者可根据任务是专注文本，还是同时解读图像内容来选择。

lfm3-audio 支持以 18 种语言进行语音识别与翻译，以及将文字转为语音的语音合成。lfm3-omni 则在一个模型中处理文本、图像和音频。两者分别适用于以语音为主的任务和同时处理多种输入的任务。

2. 判断模型可用于账单咨询分类等任务

Liquid AI 的 d1 系列新增了基于 LFM3 的 2B 规模模型。该模型可针对文本和图像作出判断。

同系列的 d1-omni 还可处理音频。与前述模型按输入类型划分一样，判断模型也可根据待处理资料的类型来选择。

发行说明给出了一个运行示例：输入关于重复收费的句子，并询问其是否属于账单问题。这种方式针对输入提出具体问题以获得判断，只需一行命令即可了解模型的用途。

ollama run d1:2b "I was charged twice for order 4417." --ask "Is this a billing issue?"

示例输入表示订单款项被收取了两次，问题则是询问这是否属于账单相关问题。考虑在本地实现咨询内容分类的开发者，可将这种提问形式作为起点。

3. Apple silicon 上现有模型的输入处理也得到改进

据公司公告，Gemma 4 和 Flint 在 Apple silicon 上的提示处理速度有所提升。Laguna 也在同一改进范围内。本次发布不仅新增模型，还调整了向现有模型传入输入并进行处理的阶段。

Gemma 4 经过调整，可保留小尺寸图像的更多细节。除了新增图像理解模型供选择，现有模型处理小尺寸图像的方式也得到了改进。

推理运行环境 MLX 支持利用 DFlash2 草稿模型进行推测解码，该草稿模型是一种预先尝试生成的辅助模型。这种方式通过提前提出后续 token 候选来辅助生成。除了改进提示处理，推理过程中的模型支持也有所扩展。

4. 同时衡量功能扩展的收益与支持环境的成本

开发者的收益在于可按任务选择的模型更多，而在评估是否引入时，运行模型所需的硬件会成为成本因素。除了查看功能列表，确认实际部署环境也变得重要。

根据发行说明，本版本的 lfm3 和 d1 2B 支持 Apple 硬件，Linux 和 Windows 支持将于后续提供。本次发行说明未以数值形式给出提示处理的改进幅度及测量环境。

可按引入目的是处理新的输入类型，还是改进现有模型的输入处理来分别评估。前者应优先考察各模型的功能配置，后者则应先确认正在使用的模型是否在改进范围内。

本次发布的价值不在于模型数量增加本身，而在于同时提供按任务选择模型的空间，以及对现有模型输入处理的改进。