Ollama v0.40.7 转正：Perplexity 的 27B 决策模型入库，Responses 跨模型对话不再失败

要点速览

• 本站 10-19 的口径已被推翻：当时写「stable 仍为 v0.40.6，v0.40.7-rc0 为候选版」。实际 v0.40.7 的 prerelease 字段为 false，它已是 stable。
• 错在哪：判据没错（读的是 prerelease 字段），错在 tag 样本不全——同一版本号存在 -rc0 与正式两个 tag，只取到了前者。
• 新增 Perplexity 的 27B 决策模型 pplx-decider，由 Qwen3.8-27B 微调而来。
• Responses 对话两条硬伤修复：跨「带 thinking / 不带 thinking」模型切换不再失败；流式 Responses 的客户端工具调用乱序 / 重复被修（官方点名 Codex + web search 组合）。
• ollama show 现在报告 renderer / parser / template_source，API 同步新增三个字段——排查「同一模型不同客户端表现不一致」终于有官方依据。
• ollama launch claude 自动夹紧 CLAUDE_CODE_AUTO_COMPACT_WINDOW，避免「window too large」警告。
• 当前 stable v0.40.7；v0.40.8-rc0（2026-10-21 16:20 UTC）为候选版，不要用于生产。

版本现状（2026-10-22 逐 tag 核对）

自 10-12 起，0.40.3 / 0.40.4 / 0.40.5 / 0.40.6 / 0.40.7 五个 stable 落在九天内——发版节奏持续加快，钉版本务必写死具体号，不要用浮动范围。

判据修正：同一个版本号可能有多个 tag

本站 10-18 刚刚修正过一条判据：判断 stable 不能看 tag 名里有没有 -rc 后缀，必须读 Releases API 的 prerelease 字段。 这次又踩在同一个坑的另一面：

一份版本号下可能同时存在 -rcN 与正式两个 tag。只取列表里第一条（或只取带后缀的那条）会得出反向结论。修正后的操作：先按「版本号」把同名 tag 聚合起来再判断。

这条对谁有用：所有把 Ollama 当底座、又写脚本自动核对版本的团队——你们的「检测新版本」逻辑很可能也只取了列表第一条。

① 新模型：Perplexity 的 27B 决策模型入库

官方 Release Notes 第一条：

「pplx-decider is a 27B decision model from Perplexity, fine-tuned from Qwen3.8-27B」

「决策模型」这个定位值得注意。 它服务的不是「写一段文字」，而是判断、路由、打分这一类输出——正好是本站在 AI Agent 百科 里讲的编排层最常自己实现、又最容易做砸的那一环。

本站的保留：官方没有给出任何基准、质量或与同类模型对比的数据，因此本站不对它「能不能替代 GPT-4 级裁判」这类问题作判断。合理的用法是：先在你自己的判据集上跑 A/B，再决定是否进生产链路。

② 两条 Responses 修复：都打在「把 Ollama 当 OpenAI 兼容后端」这条路上

第二条尤其值得单独提醒：工具调用乱序 / 重复，在 agent 框架里的表现是「莫名其妙多执行了一次工具」，而不是「报错」。 如果你的编排链路出现过「同一个搜索被执行两次」这类现象，且后端是 Ollama，这一条就是候选解释。

行动：用 agent 框架（Codex、Claude Code、OpenHands 等）接本地模型的，升级后请复测一次工具调用序列。

③ ollama show 变成排查工具：renderer / parser / template_source

官方原文：ollama show 现在会报告模型用的 renderer 与 parser，以及它的 chat template 来自哪里；API 侧同步暴露 renderer、parser、template_source 三个字段。

为什么这条比它看起来重要：本地 LLM 用户最头疼的排障场景之一是——同一个模型，在 A 客户端里表现正常，在 B 客户端里答非所问。此前只能靠猜（模板被谁改了？解析是不是差一版？）。现在这三个字段给出了官方口径的归因入口：先看是不是 renderer/parser 不同，再看 template 来自模型文件还是被覆盖。

④ 投机解码、远程取消与 Claude Code 联动

对开发者的影响

① 生产请钉 v0.40.7，不要被 v0.40.8-rc0 的更大数字误导。

② 把 Ollama 当 OpenAI 兼容后端跑多模型路由 / agent 框架的：这一版建议优先升级——两条 Responses 修复都打在这条路上。

③ 排查模型行为差异时，先跑 ollama show 看 renderer / parser / template_source，比换客户端逐个试高效得多。

④ 用 ollama launch claude 起本地 Claude Code 的：省掉一次手改环境变量。

⑤ 想试 pplx-decider 的：官方无基准数据，请先在自己的判据集上做 A/B，不要直接替换现有裁判模型。

AI 之家 观点

这一版真正的看点是它把「本地 LLM 的可诊断性」往上推了一格。 renderer / parser / template_source 这三个字段看起来是元数据，实际解决的是本地推理链路里最贵的一类成本——排障时无法归因。云端 API 的排障至少有一个确定的服务端；本地链路里，模型文件、量化版本、客户端、模板覆盖层层叠加，出问题只能二分法。官方把这三个字段暴露出来，等于把二分法替换成了直接查表。

第二个观察：Responses 兼容性的两条修复，说明了「OpenAI 兼容」这件事的实际难度。 「暴露 /v1/chat/completions」只是接口形状一致；真正的兼容性在会话状态——thinking 标记怎么存、别的 provider 写进历史的 compaction 条目怎么读、流式事件里工具调用与推理项的相对顺序怎么排。这些全都不在接口定义里，只在实现里。 所以本站一贯的建议是：把「兼容」当成一个需要自己回归的断言，而不是厂商给你的承诺。

第三个观察还是要落到本站自己的纪律。 本站 10-18 刚因为「看 tag 名后缀」误判过一次（把 v0.40.6 当 rc0），这次又因为「只取到一个 tag」误判。两次都是同一类错误：用不完整的样本下了确定的结论。 修正后的做法已经写进工具卡——按版本号聚合所有同名 tag 再判断。同时按本站 10-21 形成的写法，被证伪时保留原判断痕迹 + 追加结案，不静默改写。读者有权看到结论是怎么变的，以及为什么。

待核实

• v0.40.8-rc0 的 Release Notes 正文：本站未取得，不对该版改动内容作任何断言。
• pplx-decider 的能力边界与基准：官方 Release Notes 只有一句定位描述，无参数细节、无基准、无对比数据，本站不作能力判断。
• renderer / parser / template_source 的完整取值范围：官方未列出枚举值，本站未读 API 文档，请以官方文档为准。
• 投机解码「更多 draft 模型」的具体名单与性能收益：官方未给数据，本站不作推断。
• llama.cpp / MLX 本次更新的版本号与受益面：官方只写「Updated llama.cpp and MLX」，未给版本与性能数字。

来源

• Ollama Releases（官方仓库，逐 tag 核对）
• Release v0.40.7 Release Notes（tag 页面，2026-10-18T00:28:57Z，一手）
• v0.40.6...v0.40.7 Full Changelog 对比页
• pplx-decider 模型页（Ollama 官方库）
• 延伸阅读：Ollama 工具卡、LM Studio 工具卡、Claude Code 工具卡、Codex 工具卡、AI Agent 百科