代码地址：github.com/ollama/ollamaOllama v0.30.7 是一次兼顾功能新增、体验优化、底层规范、接口兼容、文档完善的综合性版本更新。从用户使用层面，Hermes Desktop 原生桌面界面上线，让智能代理告别纯命令行操作，可视化管理能力大幅提升，同时优化了 Windows 平台的目录适配，提升跨平台使用体验；从开发者层面，Zod 结构化输出语法简化、OpenAI

代码地址：github.com/ollama/ollama最后，把本次更新浓缩成一句话：ollama v0.30.8 是一次围绕启动稳定性、缓存复用、MLX 推理可靠性和 recurrent model 支持进行的底层优化版本。启动 provider 选择修复prompt caching 优化MLX linear 和 embedding layers 加固prompt processing 与 s

从这次发布信息来看，虽然版本号只是一次常规迭代，但实际改动并不小，覆盖了模型架构支持、LFM2 解析与渲染修复、ollama 在启动 Claude 及其他 coding agent 或 assistant 场景下只输出一个 token 的问题修复，以及单条消息超过当前上下文窗口时直接返回错误的新机制。虽然在用户给出的 diff 片段中，没有展开 Cohere2Moe 具体实现文件的完整细节，但这项

它还明确指出，模型特定的平台系统指令，比如 identity 和默认 policies，不在渲染器里硬编码，而是依赖模型的 Modelfile SYSTEM prompt 或请求中的第一条 system message。从这次更新内容来看，版本体量并不只是一次常规修复，而是围绕 Apple Silicon、MLX 引擎、Cohere2 MoE 模型体系、解析器与渲染器能力、导入量化策略以及发布构建

根据发布内容，Gemma 4 现在在 Ollama 的 Apple Silicon 环境中获得了显著加速，依靠 multi-token prediction，也就是 MTP，多 token 预测机制，在一个 coding-agent benchmark 上，平均 token 生成速度提升接近 90%。可以看到，这次更新并不是单点优化，而是围绕 Gemma 4 在 Apple Silicon 上的运

当模型判断需要借助外部工具时，工具调用本身只是中间步骤，真正关键的是工具执行完成之后，模型能不能把结果“接住”。多轮推理本身对上下文组织要求更高，尤其当中间还穿插了工具调用时，模型必须同时处理“历史对话”“当前任务”“工具结果”和“下一步推理”。从内容上看，这一版的重点并不在“堆叠新功能”，而在于“把已有能力做得更稳、更顺、更适合真实开发环境”。修复后，跨请求运行的稳定性预期会更好。如果加载超时配

另一方面持续扩大硬件与模型兼容范围，包括 Windows ARM64 平台 CUDA 支持、通过 CUDA 12 支持 B200、Linux CUDA 与 ROCm 集成显卡降低内存使用，以及 Laguna 2.1 模型的聊天、思考和工具调用能力支持。这些调整虽然更多体现在内部结构和交互流程上，但也表明 v0.32.3 持续在简化不再需要的逻辑，减少冗余结构，并优化终端与 agent 使用过程中的

除此之外，提交记录还显示，本次版本包含 Agent 技能权限加载、终端界面中的 Agent 系统提示命令、MLX 已加载模型内存驻留、调度器 loaded map 数据竞争修复，以及更新器和传输单元测试强化等内容。从已给出的代码注释看，模型主动加载需要审批的直接原因，是技能中的指令会影响后续运行过程；其中，面向 Apple GPU 的 MLX 引擎能力扩展、不同量化格式专家模型的解码修复、打包 g

版本不仅在 Agent 性能、SQL 查询、检索功能等核心能力上实现了升级，还针对多项 UI 细节和开发体验进行了优化。对于需要高效构建多智能体系统、处理复杂检索任务或进行跨语言内容处理的开发者来说，此次更新将显著提升生产力与可扩展性。

除此之外，提交记录还显示，本次版本包含 Agent 技能权限加载、终端界面中的 Agent 系统提示命令、MLX 已加载模型内存驻留、调度器 loaded map 数据竞争修复，以及更新器和传输单元测试强化等内容。从已给出的代码注释看，模型主动加载需要审批的直接原因，是技能中的指令会影响后续运行过程；其中，面向 Apple GPU 的 MLX 引擎能力扩展、不同量化格式专家模型的解码修复、打包 g