前言

发布时间：2025年10月11日

在 v0.12.5 版本中，Ollama 带来了多项功能改进、问题修复及平台兼容性调整。本次更新主要涉及运行流程优化、错误处理改进、模型输出优化以及平台支持范围调整。以下是详细解析。

---

一、主要更新内容

1. 1. 应用启动等待机制优化
      Ollama 的应用在启动对话前，将等待 Ollama 服务运行完成，避免了在服务尚未启动的情况下进行会话操作。
2. 2. Think 参数兼容性改进
      修复了在 "think": false 时，以前会出现错误提示的问题，现版本将改为静默忽略，提升了非思考模型的兼容性。
3. 3. 模型输出问题修复
      修正了 deepseek-r1 模型的输出异常问题，提升了生成结果的稳定性。
4. 4. 平台支持变更

• • macOS 12 Monterey 与 macOS 13 Ventura 不再支持。
• • AMD gfx900 和 gfx906 系列 GPU（如 MI50、MI60）不再通过 ROCm 支持，未来将尝试通过 Vulkan 提供支持。

---

二、代码层面变更解析

1. 内置函数 min/max 应用

在多个图像处理模块中，替换了 math.Min、math.Max 为 Go 语言的内置 min()、max() 方法：

• • llama4 及 mllama 模型的 process_image.go 调整了分辨率计算方法，提升了代码简洁性与性能。

2. 运行时度量优化

• • llamarunner 与 ollamarunner 都引入了新的运行时间度量方式，将处理阶段与生成阶段拆分，对处理耗时和生成耗时进行单独统计。
• • 新增了 processingDuration 与 generationDuration/samplingDuration 变量，用于区分不同阶段的运行时间。
• • 在批量处理过程中，增加了 startedAt、lastUpdatedAt 的记录，以便更精准地分析性能数据。

3. 批量处理与异步支持调整

• • 在 ollamarunner 中，批量处理逻辑修改为使用 previousBatch 和 nextBatch 交替进行。
• • 当模型支持异步运算时（pooling_type == none），批处理计算会并行执行，提升模型运行效率。

4. Thinking 能力判断优化

• • 在 server/routes.go 中，GenerateHandler 和 ChatHandler 的逻辑调整为：

• • 如果模型支持 thinking，则默认开启；
• • 如果模型不支持 thinking 且用户设置了 true，将返回错误；
• • 如果设置为 false，则不报错，正常执行。

---

三、测试用例改动

在 server/routes_generate_test.go 中：

• • 错误提示信息调整为更简洁的 "\"test\" does not support thinking"。
• • 新增测试用例，验证模型不支持 thinking 且 think=false 时的执行结果，确保返回状态码 200。

---

四、版本影响与展望

本次 ollama v0.12.5 更新在性能优化、运行时度量、错误处理等方面都有显著提升，尤其是：

• • 提升模型执行阶段的时间统计精度
• • 改善非思考模型的兼容性
• • 优化批处理执行流程

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。

最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

AI大模型系统学习路线

在面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。

但知道是一回事，做又是另一回事，初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性，在这基础上，找到高质量的学习资源，不浪费时间、不走弯路，又是重中之重。

AI大模型入门到实战的视频教程+项目包

看视频学习是一种高效、直观、灵活且富有吸引力的学习方式，可以更直观地展示过程，能有效提升学习兴趣和理解力，是现在获取知识的重要途径

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

海量AI大模型必读的经典书籍（PDF）

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

600+AI大模型报告（实时更新）

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

AI大模型面试真题+答案解析

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】