Ollama
Ollama 是一款开源的本地大语言模型运行框架，允许用户在个人计算机上部署和运行多种大型语言模型，无需依赖云端服务。它提供命令行界面与 REST API，支持 Llama、Mistral 等主流开源模型，并通过简洁的模型管理机制实现模型的下载、切换与运行，适用于开发者进行本地推理、调试与应用集成。
核心事实
时间轴 (近 90 天)
Ollama 0.40 移除了 POST /api/embeddings 接口。
通过 ollama show gemma3:4b 可见 Gemma 3 的能力列表为 completion、vision，不具备 tool calling 能力。
实测中，model_id 为 qwen3-coder-plus 时 LangExtract 向 <base_url>/v1/api/generate 发 POST 并返回找不到 Ollama 模型的错误；完全不匹配任何模式的 plain-model 报错 No provider registered for model_id。
在 langextract 1.7.1 中，以 qwen、deepseek、llama、mistral、gemma、phi、gpt-oss 等开头的 model_id 会被导向 Ollama provider，即使传入了 model_url。
自托管小模型使用vLLM和Ollama技术上很容易，但只有在稳定用量或数据驻留要求下才划算；典型早期阶段用量下，托管API模型更经济。
Veloce-Engine 兼容任何 OpenAI 兼容 API、Anthropic 端点以及通过 Ollama 或 llama.cpp 服务的本地模型。
Spring AI 和 LangChain4j 都是 JVM 上成熟的 LLM 集成选项，两者都支持 OpenAI 兼容 API，覆盖大量托管模型和本地模型服务（如 Ollama、vLLM）。
Pricor 的处理链路为：先用规则分析器找到表头行、行类型、列类型和数字格式，再由微调过的多语言模型 Laya 把每一列归入封闭的角色集合，Laya 不确定的列交给通过 Ollama 本地运行的 Gemma 4 E4B，仍不确定的部分交给用户回答。
Shoebox 是一个本地 Web 应用，通过 Ollama 在本机运行 Gemma 3（4B）视觉模型，将收据照片转换为可导出为 CSV 的表格，所有数据留在本地。
安装 Shoebox 只需运行 `ollama pull gemma3:4b`、`pip install -r requirements.txt`，然后运行 `run.bat` 或 `run.sh`。
还有 40 条时间轴事件
全部知识事实 (20)
@ai-sdk/togetherai 是 Vercel AI SDK 官方提供的 TogetherAI 平台适配器，构建在 openai-compatible 基础包之上
90%已验证受限于消费级设备的算力和内存，本地能运行的模型规模通常远小于云端旗舰模型，在复杂推理、长上下文处理等任务上存在差距
90%已验证GGUF 已成为 llama.cpp、Ollama、LM Studio 等主流本地推理工具的事实标准格式
85%已验证Ollama提供类似Docker的一键式模型管理体验，vLLM通过PagedAttention实现高吞吐量批量推理，LM Studio面向桌面用户提供图形化界面
80%已验证Ollama Cloud是Ollama的云端延伸服务，为开发者提供托管式模型调用
80%已验证Ollama将本地大模型部署封装成单行命令并内置模型量化支持，简化了下载、量化和运行流程
80%已验证llama.cpp支持CPU与GPU的混合推理（层卸载），可将模型部分层加载到GPU显存、其余层保留在内存
80%已验证Ollama能够自动识别并利用机器上的计算资源，GPU和CPU均可调度
80%已验证Ollama提供标准API接口，支持Python、Java、Rust等多种编程语言调用
80%已验证Ollama本身完全免费且开源
80%已验证Ollama将本地模型部署简化为一条命令行指令，并提供与OpenAI兼容的本地API接口
80%已验证Ollama提供了类似Docker的模型管理体验，一行命令即可拉取和运行模型
80%已验证Open WebUI 支持 Ollama 和 OpenAI API 等多种后端
80%已验证AnythingLLM兼容OpenAI、Anthropic Claude、本地Ollama模型等多种LLM后端
80%已验证Ollama使用Go语言开发
80%已验证Ollama底层基于llama.cpp的推理引擎，原生支持GGUF格式的量化模型
80%已验证Ollama自动识别系统中的NVIDIA GPU并选择最优推理后端（CUDA、Metal或纯CPU），对Apple Silicon用户通过Metal API实现GPU加速
80%已验证Cube Studio支持vLLM、Ollama、MindIE等主流大模型推理引擎，并支持多机推理
80%已验证本地运行大模型意味着所有数据都不会离开用户的设备，具有隐私优势
80%已验证Spring AI支持OpenAI、Anthropic、Ollama等多种模型提供商，提供统一的API抽象层
80%