Ollama 0.17リリース — 新推論エンジンでローカルAIが最大40%高速化

Ollama 0.17: 新アーキテクチャでローカルAIを高速化

ローカルAIモデル実行ツールOllamaが2026年2月22日にバージョン0.17をリリースし、推論エンジンのアーキテクチャを刷新した。llama.cppのサーバーモードへの依存を脱した独自のOllamaエンジンを導入し、NVIDIA GPUでプロンプト処理最大40%高速化、トークン生成最大18%向上を実現した。ユーザー側の設定変更は一切不要だ。

アーキテクチャの変更点

新エンジンはllama.cppライブラリをOllama独自のスケジューリング・メモリ管理レイヤーに直接統合する。これによりモデルのロード方法、GPU間のメモリ割り当て、同時リクエスト処理をより細かく制御できるようになった。ユーザーからは従来通りの操作感で利用できる。

性能向上の概要

• NVIDIA GPUでプロンプト処理（Prompt Eval）最大40%高速化
• NVIDIA GPUでトークン生成速度最大18%向上
• Apple Siliconでプロンプト処理約10〜15%高速化

マルチGPUとメモリ管理の改善

700億パラメータ以上の大型モデルを複数のNVIDIA GPUに分散する際のより効率的なテンソル並列処理をサポート。KVキャッシュ量子化の改善により、GPUメモリを使い果たすことなく、より長い会話や文書の処理が可能になった。

新しいハードウェアサポート

AMD Radeon RX 9070シリーズ（RDNA 4アーキテクチャ）のサポートが追加され、更新されたoneAPIとSYCL統合によるIntel Arc GPUの互換性も向上。NVIDIAとApple Siliconを超えたより広範なハードウェアへの対応が進んだ。

出典: Ollama Releases — GitHub