Ollama v0.32.6 发布：提升 Apple GPU 性能并优化 API 兼容性

AI 摘要

Ollama 发布 v0.32.6 版本，主要改进包括：在 Apple GPU 上通过 MLX 引擎自动使用 MTP 头进行推测解码，提升 Qwen3.5 性能；优化 OpenAI 兼容 API 的流式响应格式，使其更符合官方规范；修复了截断响应的 finish_reason 报告问题；为云模型提供 kimi-k3:cloud 标签；修复 TUI 多个问题；暂时移除实验性图像生成功能；更新了 MLX 和 llama.cpp 引擎。

正文节选

## What's Changed - Qwen3.5 is faster on Apple GPUs: the MLX engine now uses the model's MTP head for speculative decoding automatically - `/v1/chat/completions` streaming now matches OpenAI's wire format: `role` only on the first chunk, `finish_reason` on its own chunk, and usage in a separate chunk with `stream_options.include_usage`. - Truncated OpenAI responses now report `finish_reason: "length"` instead of `"tool_calls"`. - `ollama run kimi-k3` now offers `kimi-k3:cloud` for

发布时间：2026-08-05 02:49

抓取时间：2026-08-05 03:10

来源机构：Ollama