Ollama 上线自主多模态 AI 引擎：本地推理性能飙升

数码芝华士

科技媒体 WinBuzzer 昨日（5 月 16 日）发布博文，报道称开源大语言模型服务工具 Ollama 推出自主研发的多模态 AI 定制引擎，摆脱对 llama.cpp框架的直接依赖。

llama.cpp项目近期通过 libmtmd 库整合了全面视觉支持，而 Ollama 与其关系也引发社区讨论。

Ollama 团队成员在 Hacker News 上澄清，Ollama 使用 golang 独立开发，未直接借鉴 llama.cpp的 C++ 实现，并感谢社区反馈改进技术。

Ollama 在官方声明中指出，随着 Meta 的 Llama 4、Google 的 Gemma 3、阿里巴巴的 Qwen 2.5 VL 以及 Mistral Small 3.1 等模型的复杂性增加，现有架构难以满足需求。

因此 Ollama 推出全新引擎，针对在本地推理精度上实现突破，尤其是在处理大图像生成大量 token 时表现突出。

Ollama 引入图像处理附加元数据，优化批量处理和位置数据管理，避免图像分割错误导致输出质量下降，此外，KVCache 优化技术加速了 transformer 模型推理速度。

新引擎还大幅优化内存管理新增图像缓存功能，确保图像处理后可重复使用，避免提前丢弃。Ollama 还联合 NVIDIA、AMD、Qualcomm、Intel 和 Microsoft 等硬件巨头，通过精准检测硬件元数据，优化内存估算。

针对 Meta 的 Llama 4 Scout（1090 亿参数混合专家模型 MoE）等模型，引擎还支持分块注意力（chunked attention）和 2D 旋转嵌入（2D rotary embedding）等技术。

Ollama 未来计划支持更长的上下文长度、复杂推理过程及工具调用流式响应，进一步提升本地 AI 模型的多功能性。