اولاما

اولاما
توسعه‌دهنده(ها)شرکت اولاما و مشارکت‌کنندگان
انتشار اولیه۷ ژوئیه ۲۰۲۳ (2023-07-07)
انتشار پایدار
۰٫۲۲٫۱ / ۲۸ آوریل ۲۰۲۶ (2026-04-28)
نوشته‌شده باگو
سیستم‌عاملمک‌اواس، لینوکس، مایکروسافت ویندوز
نوعمحیط اجرای مدل زبانی بزرگ
مجوزپروانه ام‌آی‌تی
وبگاه
مخزنgithub.com/ollama/ollama

اولاما یک سکوی نرم‌افزاری متن‌باز است که جفری مورگان و مایکل چیانگ آن را در سال ۲۰۲۳ برای اجرا و مدیریت مدل‌های زبانی بزرگ روی رایانه‌های محلی و از طریق مدل‌های ابری میزبانی‌شده توسعه دادند. این سکو یک واسط خط فرمان، رابط کاربری گرافیکی بومی، یک رابط برنامه‌نویسی کاربردی رست محلی، ابزارهای مدیریت مدل و یکپارچه‌سازی‌هایی برای استفاده از مدل‌های دارای وزن‌های باز با دستیارهای برنامه‌نویسی و دیگر برنامه‌ها فراهم می‌کند.[۱][۲][۳]

تاریخچه

اولاما نخستین بار در سال ۲۰۲۳ منتشر شد.[۴] این پروژه با رشد نرم‌افزارهای اجرای مدل‌های زبانی بزرگ به‌صورت محلی همراه شد و به کاربران امکان داد مدل‌هایی مانند لاما، گاما، میسترال ای‌آی، کوئن، جی‌پی‌تی-اواس‌اس، جی‌ال‌ام و دیپ‌سیک را روی یک دستگاه محلی بارگیری و اجرا کنند.[۱]

در سال‌های ۲۰۲۵ و ۲۰۲۶، اولاما قابلیت‌های بیشتری در زمینهٔ برنامه‌های کاربردی و رایانش ابری افزود که از جملهٔ آن‌ها می‌توان به مدل‌های ابری میزبانی‌شده، پشتیبانی از جست‌وجوی وب، یکپارچه‌سازی با ابزارها و عامل‌های برنامه‌نویسی و پشتیبانی از اولاما با برنامه‌هایی مانند کلود کد، کدکس، اوپن‌کد[الف]، کوپایلت[۵] و اوپن‌کلا اشاره کرد.[۲][۶] در مارس ۲۰۲۶، اولاما پشتیبانی آزمایشی از اپل سیلیکون را اعلام کرد.[۷]

در ژوئیهٔ ۲۰۲۶، این شرکت ۶۵ میلیون دلار سرمایه جذب کرد.[۸]

ویژگی‌ها

اجرای لاما۳ در لینوکس توسط اولاما

اولاما ابزارهایی برای بارگیری، اجرا، وارد کردن و مدیریت مدل‌های زبانی بزرگ دارد. کاربران می‌توانند مدل‌ها را از طریق خط فرمان اجرا کنند، از طریق یک واسط اچ‌تی‌تی‌پی محلی با آن‌ها تعامل داشته باشند یا برای زبان‌های برنامه‌نویسی مانند پایتون و جاوااسکریپت از کتابخانه‌های سمت کاربر استفاده کنند.[۱]

این پروژه یک رابط برنامه‌نویسی کاربردی رست برای قابلیت‌های گفت‌وگو و مدیریت مدل ارائه می‌کند که سرویس محلی پیش‌فرض آن معمولاً روی درگاه ۱۱۴۳۴ در دسترس است.[۹] اولاما همچنین یک تصویر رسمی داکر توزیع می‌کند و کتابخانه‌های مدل و مستنداتی برای اجرای مدل‌های پشتیبانی‌شده ارائه می‌دهد.[۱]

اولاما از llama.cpp برای استنتاج مدل‌های محلی استفاده می‌کند،[۱۰] که از اجرای مدل‌های کمّی‌شده با مصرف حافظهٔ کمتر پشتیبانی می‌کند. همچنین می‌تواند از کارت‌های گرافیکی برای افزایش سرعت محاسبات استفاده کند.[۱۱] این نرم‌افزار از قالبی برای کتابخانهٔ مدل‌ها پشتیبانی می‌کند که به کاربران امکان می‌دهد گونه‌های مدل را بر اساس نام دریافت، اجرا و مدیریت کنند.[۱۲]

در همین حال، نرم‌افزار قابل‌بارگیری این پروژه به‌عنوان یک سکوی پشتیبان برای میزبانی خودگردان کم‌کد/بی‌کد مدل‌های زبانی بزرگ در حال بررسی است و ممکن است امکان دسترسی آسان‌تر کاربران نهایی غیرمتخصص به کاربردهای پردازش زبان طبیعی را فراهم کند.[۱۳][۱۴]

اولاما همچنین به‌صورت آزمایشی از تولید تصویر با استفاده از مدل‌هایی مانند فلاکس در مک‌اواس پشتیبانی می‌کند و انتظار می‌رود پشتیبانی از ویندوز و لینوکس در آینده افزوده شود.[۱۵]

جستارهای وابسته

پانویس

  1. ↑ OpenCode

منابع

  1. 1 2 3 4 "ollama/ollama". GitHub. Retrieved April 29, 2026.
  2. 1 2 "Ollama". Ollama. Retrieved April 29, 2026.
  3. ↑ SitePoint Team (April 22, 2026). "10GB VRAM Local LLM: The Complete Setup Guide (2026)". SitePoint. Retrieved April 29, 2026.
  4. ↑ "Versions: github.com/ollama/ollama". deps.dev. Retrieved April 29, 2026.
  5. ↑ "About GitHub Copilot CLI". GitHub Docs. GitHub. Retrieved April 29, 2026.
  6. ↑ "Blog". Ollama. Retrieved April 29, 2026.
  7. ↑ Medina, David (March 31, 2026). "Ollama Taps Apple's MLX Framework to Make Local AI Faster". The New Stack. Retrieved April 29, 2026.
  8. ↑ Bort, Julie (2026-07-09). "Popular open source AI developer tool Ollama raises $65M, grows to nearly 9M users". TechCrunch (in American English). Retrieved 2026-07-12.
  9. ↑ "API reference". Ollama Docs. Retrieved April 29, 2026.
  10. ↑ "Forensic Implications of Localized AI: Artifact Analysis of Ollama, LM Studio, and llama.cpp". arxiv.org. Retrieved 2026-05-22.
  11. ↑ Easton (2026-04-25). "Ollama GPU Setup: CUDA, ROCm, Metal, and Troubleshooting". Easton Blog (in English). Retrieved 2026-07-14.
  12. ↑ "Library". Ollama. Retrieved April 29, 2026.
  13. ↑ Sempio, Julius (2026-03-31). "Low-Code Self-Hosting of RAG-Enabled Language Models Using Ollama and Open WebUI". IEEE Xplore (in English). doi:10.1109/ICAIIC68212.2026.11454259. Retrieved 2026-05-20.
  14. ↑ "Low-Code vs. No-Code: What's the difference?". IBM Cloud Education. Retrieved 2026-06-04.
  15. ↑ Kemper, Jonathan (2026-01-21). "Ollama brings local AI image generation to Mac". The Decoder (in American English). Retrieved 2026-05-22.

پیوند به بیرون

This page is issued from ویکی‌پدیا. The text is available under Creative Commons Attribution-Share Alike 4.0 unless otherwise noted. Additional terms may apply for the media files.