Как установить Ollama: запуск AI-моделей на своём компьютере

Ollama v0.30.10 (17-18 июня 2026) -- актуальная версия. MLX engine для Apple Silicon (начиная с v0.30.x) обеспечивает значительное ускорение для пользователей Mac. Ранее: v0.24.0 (14 мая 2026, историческое обновление): Gemma 4 support с MTP speculative decoding (Multi-Token Prediction) - скорость генерации увеличена в 2x+ без изменения качества. API caching улучшен в 6.7x - повторные запросы к одной модели значительно быстрее. Новые команды: ollama ps для просмотра запущенных моделей, ollama pull --insecure для локальных registry.

Актуальные модели в Ollama (июнь 2026): ollama pull llama4:17b (Llama 4 Scout), ollama pull qwen3.6-coder (Qwen3.6-Coder), ollama pull gemma4:4b (Gemma 4 для слабого железа), ollama pull phi4-mini (Microsoft Phi-4 Mini), ollama pull mistral3:7b. Полный каталог на ollama.com/library. ollama pull gemma4:12b (Gemma 4 12B, 3 июня 2026), ollama pull nemotron-3-nano (Nemotron 3 Nano 8B от NVIDIA), ollama pull deepseek-v4-pro (DeepSeek V4 Pro). Qwen 3.6 27B - лучший 27B вариант по соотношению качество/размер в 2026 году: ollama pull qwen3.6:27b. Llama 4 Scout - мультимодальный с контекстом 10M токенов: ollama pull llama4:scout.

Ollama REST API обновления: endpoint /api/generate поддерживает параметр cache_key для явного кэширования, /api/embeddings принимает батч запросы. OpenAI совместимый endpoint /v1/chat/completions поддерживает все параметры OpenAI API. Middleware режим через OLLAMA_PROXY=true для проксирования в облако при превышении локальных ресурсов.

Системные требования для актуальных моделей (середина 2026): 7B модели - 8 ГБ RAM/VRAM, 14B - 16 ГБ, 27B - 32 ГБ, 70B - 48 ГБ или CPU с 64 ГБ RAM в медленном режиме. Apple Silicon (M3/M4) использует унифицированную память: M3 Pro 18GB - комфортно для 14B, M4 Max 128GB - для 70B+.

Qwen3.6-27B теперь доступна в Ollama (лицензия Apache 2.0). Модель опережает значительно более крупные MoE-модели на задачах агентного кодинга -- при весе 27 ГБ она является одним из лучших соотношений качества и размера в 2026 году. Запуск: ollama run qwen3.6:27b.

По данным на май 2026, Ollama достигла 52 миллионов ежемесячных загрузок -- это крупнейшая open-source платформа для запуска локальных AI-моделей. Библиотека насчитывает более 4 500 моделей.

Structured Outputs (JSON schema) - новая возможность Ollama для получения ответов в строго заданном формате. Достаточно передать JSON-схему в API-запросе, и Ollama гарантирует, что ответ модели будет соответствовать ей. Это критически важно для приложений, которые парсят ответы модели программно.

Web Search API позволяет моделям в Ollama делать запросы в интернет прямо во время вывода. Модель самостоятельно решает, когда нужна актуальная информация, формирует поисковый запрос и включает результаты в ответ. Функция работает через настраиваемые поисковые плагины.

MLX-оптимизация для Apple Silicon значительно ускорила работу на Mac с чипами M-серии. Ollama теперь автоматически выбирает MLX-бэкенд при запуске на Apple Silicon, что даёт прирост скорости в 2-3 раза по сравнению с Universal-версией. Никаких дополнительных настроек не требуется.

MLX engine для Apple Silicon (Ollama v0.30.x, июнь 2026): Начиная с версий v0.30.x Ollama получил значительно улучшенный MLX engine для Apple Silicon. Прирост скорости генерации на чипах M-серии составляет 20-40% по сравнению с предыдущими версиями. Поддержка модели Cohere2Moe добавлена в v0.30.x. Новая функция: ollama pull cohere2moe. Для пользователей Mac -- это особенно значимое обновление: MLX backend теперь используется автоматически без дополнительных настроек, а скорость на M4 Max для 7B моделей достигает 100-130 токенов/сек.

Claude Desktop + Ollama: Интеграция с Claude Desktop поддерживается в текущих версиях Ollama. Для подключения: в Claude Desktop откройте Настройки -- найдите раздел 'Integrations' или 'Local AI Provider' -- укажите Ollama endpoint (http://localhost:11434). После этого Claude Desktop сможет использовать локальные модели через Ollama.

Обновление v0.23.4 (историческое, май 2026): кэширование API-ответов даёт 6.7-кратное улучшение задержки для повторяющихся запросов. Улучшена поддержка vision-моделей: более точное распознавание деталей на изображениях. Интеграция с Claude Desktop активна и поддерживается.

Скачайте Ollama с ollama.com. Откройте .dmg файл и перетащите Ollama в Applications. Запустите Ollama -- в строке меню появится иконка. В терминале: ollama run llama4 -- модель скачается и запустится.

В 2026 году Ollama выпустил Windows Desktop GUI. Скачайте .exe установщик с ollama.com. После установки откроется графический интерфейс: вкладка Models (доступные для скачивания), Running (запущенные модели), Settings (настройки GPU). Больше не нужно запоминать команды CLI -- всё через интерфейс.

Установка одной командой: curl -fsSL https://ollama.com/install.sh | sh. Ollama запустится как systemd-сервис автоматически.

Ollama v0.23+ поддерживает облачные модели через единый API. Это означает что одним интерфейсом вы можете обращаться как к локальным, так и к облачным моделям. GPT-OSS 120B -- 120-миллиардная модель от OpenAI для enterprise-клиентов, доступна через Ollama API с соответствующими API-ключами. Настройка: добавьте API-ключ в Ollama settings, затем используйте ollama run gpt-oss-120b как обычную модель.

Ollama предоставляет REST API на порту 11434. Вы можете использовать его из любого языка программирования. Пример на Python:

import requests
response = requests.post('http://localhost:11434/api/generate', json={'model': 'qwen3.6:7b', 'prompt': 'Привет! Расскажи кратко о Python.', 'stream': False})
print(response.json()['response'])

Официальная Python-библиотека: pip install ollama. Затем:

import ollama
response = ollama.chat(model='qwen3.6:7b', messages=[{'role': 'user', 'content': 'Объясни рекурсию'}])
print(response['message']['content'])

OpenWebUI -- веб-интерфейс для Ollama, аналог ChatGPT но для локальных моделей. Установка через Docker:

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui ghcr.io/open-webui/open-webui:main

После запуска откройте http://localhost:3000. Вы увидите интерфейс как у ChatGPT, но работающий полностью локально с вашими Ollama моделями. Поддерживает: историю чатов, загрузку документов (RAG), мультимодальные модели (загрузка изображений).

Ollama позволяет создавать кастомные модели на основе существующих. Создайте файл Modelfile:

FROM qwen3.6:7b
SYSTEM "Ты -- корпоративный ассистент компании. Отвечай кратко и по делу. Никогда не обсуждай конкурентов."
PARAMETER temperature 0.3

Сборка: ollama create my-corp-assistant -f Modelfile. Запуск: ollama run my-corp-assistant. Кастомная модель работает как обычная но с заданными инструкциями и настройками.

Ollama v0.30.7 -- актуальная версия на момент написания (7 июня 2026). Ключевые обновления v0.30:

Обновление до v0.30.7: ollama update (macOS/Linux) или скачайте установщик с ollama.com. На Linux: curl -fsSL https://ollama.com/install.sh | sh перезапишет старую версию.

Начиная с Ollama v0.24.0, поддерживается интеграция с Codex App - десктопным приложением OpenAI для параллельных задач программирования. Запуск: ollama launch codex-app. Ollama настраивает Codex на использование локального OpenAI-совместимого endpoint, и вы можете использовать любую локальную модель (llama4, qwen3, gemma4) как AI-агент в редакторе кода. Codex App умеет открывать проект, понимать структуру файлов, вносить изменения и запускать задачи - всё локально. Рекомендуемые модели для Codex App: модели с контекстом от 64K токенов (Llama 4 Scout с 10M токенов - идеальный выбор).

На чипах Apple M5, M5 Pro и M5 Max Ollama использует GPU Neural Accelerators - выделенные блоки матричного умножения в каждом GPU-ядре. Это ускоряет время до первого токена (TTFT) и скорость генерации в 3-4 раза по сравнению с M4. Все MLX-оптимизации работают автоматически - дополнительных настроек не требуется.

Обновления Ollama (июнь 2026): Актуальная версия: v0.30.10 (17-18 июня 2026). Предыдущие версии: v0.30.8 (12 июня 2026). Добавлена поддержка нативного интерфейса Hermes Desktop. Кэширование ответов API /show: медианная задержка снижена в 6,7 раза. Добавлена поддержка пути конфигурации Windows. Предыдущая версия v0.30.7 (7 июня) добавила поддержку модели Nemotron-3-Ultra от NVIDIA. Для Gemma 4 доступны QAT-веса в формате Q4_0 и мобильном формате: значительно снижают требования к памяти на устройствах с ограниченными ресурсами. Исправлена ошибка Metal GPU для мультимодальных задач на Mac.

Новые модели в Ollama (июнь 2026): MiniMax M3, DeepSeek V4 Pro и NVIDIA Nemotron 3 Ultra теперь доступны через ollama pull. Также добавлен улучшенный планировщик памяти для работы с несколькими моделями одновременно -- смена активной модели происходит быстрее благодаря оптимизированному управлению VRAM.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.