Ollama 최신 버전 2026: v0.40.5 + 용도별 최고 모델

현재 Ollama 버전: v0.40.5(2026년 10월 14일 출시). ollama.com/download에서 받을 수 있는 최신 안정 버전입니다. 10월 16일에 v0.40.6 프리릴리스가 공개되었지만 아직 안정 버전으로 표시되지 않았습니다. `curl https://ollama.ai/install.sh | sh`(macOS: `brew upgrade ollama`)로 업데이트한 뒤 `ollama --version`으로 확인하세요.

v0.33~v0.40 시리즈의 변경 사항(2026년 8~10월): v0.33.0(8월 21일)은 Claude Desktop을 서드파티 게이트웨이로 사용할 수 있게 했고 KV 캐시 프리필 복원 지점의 안정성을 높였습니다. v0.34.0(9월 5일)은 ChatGPT Desktop에서 Ollama 모델을 쓸 수 있게 했고 Apple Silicon의 구조화 출력을 빠르게 했으며, v0.34.1(9월 14일)은 MLX safetensors 기반 `ollama create`의 실험 표시를 없앴습니다. v0.40.0(9월 25일)은 Apple Silicon에서 qwen3.8, gemma4, qwen3.6 같은 지원 아키텍처를 기본적으로 MLX로 실행합니다. v0.35.0(9월 28일)은 `/v1/systemone`을 통한 결정 모델(텍스트 대신 선택지·확률·점수를 반환하는 모델, 첫 모델은 Nimble과 Tev1)을 추가했고, v0.35.1(9월 29일)은 멀티모달 Clef 모델을 추가했습니다. v0.40.2(10월 8일)는 이전 모델을 백그라운드에서 업그레이드할 때 백업을 유지하고, v0.40.4(10월 12일)는 `ollama run <결정-모델> --ask`를 추가했으며, v0.40.5(10월 14일)는 NVIDIA Nemotron 3.5 Super 지원과 Clef 결정 모델의 클라우드 액세스를 추가했습니다. 전체 노트: github.com/ollama/ollama/releases.

지난 업데이트 이후 추가된 최신 모델(2026년 6월 말~7월):

Ollama는 2023년 7월 8일 첫 릴리스 v0.0.1을 공개했고 2026년 10월 14일 v0.40.5에 도달했습니다. 표는 Ollama로 할 수 있는 일을 바꾼 릴리스를 정리한 것이며, 모든 태그와 전체 노트는 github.com/ollama/ollama/releases에 있습니다. 2026년 9월 하순에 버전 번호가 v0.35에서 v0.40으로 건너뛰어, GitHub에서는 v0.40.0(9월 25일)이 v0.35 릴리스(9월 28~29일)와 나란히 표시됩니다.

Ollama에서의 인기는 각 모델의 라이브러리 페이지에 표시되는 다운로드 수로 측정됩니다. 2026년 7월 기준, 다운로드 상위 모델은 여전히 Meta의 Llama 계열이 주도하고 있습니다 -- Llama 3.2 3B가 첫 설치 테스트 모델로 많이 사용되어 전체 다운로드 1위입니다. 그러나 Llama 4 Scout는 2026년 4월 출시 이후 빠르게 순위를 올리고 있습니다.

Qwen3는 Ollama 라이브러리에서 가장 빠르게 성장하는 모델 계열로, Qwen3와 새로운 Qwen3.8 밀집 변형이 기존 Qwen3를 빠르게 대체하고 있습니다. DeepSeek-R1은 출시 이후 대규모 다운로드 급증을 기록했으며 추론 작업에서 높은 다운로드 수를 유지하고 있습니다. Dolphin 3.0(Cognitive Computations, Llama 3.1 기반)은 무필터 로컬 어시스턴트를 원하는 사용자를 위한 무검열 범용 모델 중 가장 많이 Pull된 모델로 남아 있습니다.

Meta는 2026년 4월에 Scout(17B 활성, 109B 전체, MoE)와 Maverick(17B 활성, 400B 전체) 변형을 포함한 Llama 4를 출시했습니다. Llama 4 Scout는 이제 Ollama 라이브러리에서 안정적으로 사용 가능합니다(`ollama pull llama4:scout`). Llama 4 계열은 혼합 전문가(MoE) 아키텍처를 사용합니다 — 토큰당 17B 파라미터만 활성화되지만, 109B 전체 파라미터로 Scout는 Q4에서 ~55GB VRAM이 필요합니다(1.78비트에서만 24GB에 적합, ~20 tok/s). Scout의 핵심 특징은 소비자 하드웨어 적합성이 아니라 1,000만 토큰 컨텍스트 창과 멀티모달 입력입니다. 경량 설정(8GB RAM)에서는 Llama 3.2 3B가 여전히 가장 쉬운 첫 번째 모델입니다.

Kimi K2.6(Moonshot AI, Modified MIT 라이선스, 32B 활성 / 1T 전체 MoE)은 SWE-Bench Pro 58.6을 달성하여 GPT-5.5와 동점을 기록했습니다. Laguna XS 2.1(Poolside)은 장시간 로컬 코딩 세션을 위해 구축된 가장 새로운 에이전틱 코딩 도전자입니다. Qwen3.8-27B는 소비자 하드웨어 전반 최고 모델로서 61.7 SWE-bench Pro를 달성했습니다(Q4에서 24GB에 적합). OpenAI의 오픈 웨이트 gpt-oss:20b(21B 전체 / 3.6B 활성 MoE)는 16GB에서 ~o3-mini 수준의 조정 가능한 추론으로 실행됩니다.

Ollama 라이브러리는 수백 개의 큐레이팅된 모델을 보유하고 있으며, Laguna XS 2.1과 Kimi K2.7 Code가 6월 업데이트 이후 최신 추가 모델입니다.

버전 참고: Ollama에서는 Qwen3.6과 Qwen3.8이 더 새로운 Qwen 세대입니다(qwen3.6:35b 약 24 GB, qwen3.8:27b 18 GB). qwen3:30b와 qwen3-coder:30b(각 19 GB)는 이전 세대 선택지로 계속 사용할 수 있습니다. Mistral의 현재 Small 모델은 Mistral Small 4이지만 확인 시점에 Ollama 라이브러리에는 올라와 있지 않았으므로, mistral-small3.1과 mistral-small:24b(Mistral Small 3)가 받을 수 있는 Small 모델로 남아 있습니다.

모델 출력 품질은 프롬프트 방식에 크게 의존합니다. 연쇄 사고, 퓨샷 예시, 출력 형식 지정 등 모든 로컬 모델에서 작동하는 구조화된 기법은 프롬프트 엔지니어링 가이드를 참조하십시오. 추론 작업에서는 연쇄 사고 프롬프팅이 DeepSeek-R1 및 Qwen3 출력 품질을 크게 향상시킵니다. 이러한 모델의 양자화 트레이드오프를 이해하려면 양자화 가이드 →를 참조하십시오. 각 모델에 필요한 VRAM 양을 확인하려면 VRAM 요구 사항 가이드 →를 참조하십시오. Gemma 4를 사용한 에이전트 워크플로에 대해서는 트리 오브 소트 및 ReAct를 참조하십시오. 이러한 모델을 실행하기 위한 하드웨어 요구 사항은 하드웨어 가이드 →를 참조하십시오. 이 목록의 도구 호출 모델이 파일 및 데이터베이스 액세스와 함께 다단계 루프에 연결되면 오픈소스 오케스트레이션 패턴에 대해 MCP를 활용한 로컬 AI 에이전트를 참조하십시오.

2026년 7월 기준 Ollama 라이브러리의 최신 모델을 최신순으로 정리한 목록입니다. 워크플로를 구축하기 전에 `ollama pull <model>`로 가용성을 확인하십시오 — 새 모델은 출시 후 며칠 내에 ollama.com/library에 등장합니다.

DeepSeek-R1은 추론 모델입니다 -- 답변을 직접 생성하는 표준 채팅 모델과 달리, DeepSeek-R1은 최종 답변 전에 명시적인 연쇄 사고 추론을 생성합니다. 이를 통해 수학, 논리 퍼즐, 단계별 문제 해결에서 성능이 크게 향상됩니다.

DeepSeek-R1 7B는 연쇄 사고 추론 모델입니다. 표준 모델보다 느리지만(응답당 토큰 수가 많음) 추론이 중요한 작업에서 훨씬 더 정확합니다.

버전 참고: DeepSeek-R1은 이전 세대 모델입니다. DeepSeek의 현재 오픈 웨이트 제품군은 DeepSeek-V4이며 확인 시점에 Ollama 라이브러리에는 올라와 있지 않았으므로, deepseek-r1 증류 모델(1.5B~70B)이 받을 수 있는 추론 선택지로 남아 있습니다. DeepSeek은 호스팅된 R1 API 모델을 DeepSeek-V4로 대체했습니다.

2026년 7월 기준, Ollama에서 이미지 입력(멀티모달)을 지원하는 모델은 다음과 같습니다: Gemma 4는 비전과 도구 호출을 모두 지원합니다 — Ollama의 비전 모델 중 유일하며, 7월 MLX 업데이트 이후 Apple Silicon에서 거의 90% 더 빠르게 실행됩니다.

튜토리얼이 많아 Llama 3.x의 다운로드 수는 여전히 높습니다. 2026년 7월 신규 프로젝트에는 Qwen3.8-27B(소비자 하드웨어 전반 최고), Kimi K2.6 또는 Laguna XS 2.1(코딩), gpt-oss:20b, qwen3:30b를 권장합니다.

Ollama 모델을 활용하는 두 가지 방법이 있습니다. 설치된 모델 전환: Ollama Mac 앱에서 채팅 입력창 하단의 모델 드롭다운 버튼(현재 모델 이름 표시, 예: "gemma3:1b")을 클릭하여 로컬에 설치된 모델 간에 전환합니다. 새 모델 찾기 및 다운로드: ollama.com/library를 방문하여 카테고리별로 수백 개의 큐레이팅된 모델을 탐색한 후, 아래 CLI 명령을 사용하여 모델을 Pull하고 관리합니다.

EU / GDPR + 라이선스 준수. 프로덕션에서 Ollama 모델을 배포하는 EU 조직에게는 라이선스 선택이 성능만큼 중요합니다. Apache 2.0(완전 개방, 상업적 사용 가능): Mistral Small 3, Mistral Small 3.1, Qwen3 8B, Qwen3.8-27B, Devstral Small 2, Granite 4.2. Meta Llama 커뮤니티 라이선스(월간 활성 사용자 7억 명 초과 시 상업적 사용 제한): Llama 3.1 8B, Llama 3.2 3B, Llama 3.2 Vision 11B. Llama 3.2 Vision은 예외입니다. 허용 가능한 사용 정책(Acceptable Use Policy)은 EU에 거주하거나 주된 사업장을 둔 개인·기업에는 라이선스 권리를 부여하지 않습니다(이를 기반으로 한 제품의 최종 사용자는 해당되지 않음). EU에서 사용하기 전에 확인하십시오. MIT(상업적 사용 가능): DeepSeek-R1 7B·14B. 수정 MIT(저작자 표시 조항과 함께 상업적 사용 가능): Kimi K2.6. OpenMDW-1.1(허용적, 상업적 사용 가능): Laguna XS 2.1. 상업 배포 전에는 항상 라이선스 조건을 확인하세요. 규제 산업의 EU 기업에는 Devstral Small 2 같은 Mistral 모델(프랑스, Apache 2.0)이 합리적인 기본 선택입니다. EU 출신이며 허용적인 라이선스이기 때문입니다. Ollama로 모델을 완전히 온프레미스에서 실행하면 프롬프트가 외부 서버로 전송되지 않습니다. 이는 GDPR 의무 이행을 돕지만 그것만으로 충족되지는 않습니다(`:cloud` 태그는 Ollama의 호스팅 서비스로 데이터를 보냅니다).

일본(METI). 일본 기업의 Ollama 배포에는 Qwen3 / Qwen3.8이 권장할 만한 모델 계열입니다. 일본어 텍스트를 네이티브로 처리해 추론 시간과 KV 캐시에 도움이 됩니다. 일본어 코딩 워크플로에서는 Qwen3.8-27B(Qwen 발표 SWE-bench Pro 61.7)가 일본어 코드 주석을 네이티브로 처리합니다. 정확한 모델 버전을 기록해 두는 것은 규정 준수 문서화의 모범 사례입니다. `ollama show <모델>`로 파라미터 수, 양자화 수준, 컨텍스트 길이를 포함한 전체 사양을 규정 준수 기록용으로 얻을 수 있습니다.

중국. 중국 CAC 생성형 AI 관리 조치(2023)는 중국 내 일반 대중에게 생성형 AI 서비스를 제공하는 사업자에게 신고 또는 보안 평가 의무를 부과할 수 있습니다. 해당 여부는 법률 자문을 통해 확인하십시오. Qwen3 / Qwen3.8(Alibaba, Apache 2.0)은 중국 기업의 Ollama 배포에 자연스러운 선택입니다. 중국 출신 모델, Apache 2.0 라이선스, 뛰어난 중국어 성능 때문입니다. Kimi K2.6(Moonshot AI, 수정 MIT)도 중국 출신이지만 Ollama에서는 클라우드 태그로만 제공되며 로컬 실행에는 서버급 하드웨어가 필요합니다. 명령: 최고 품질은 `ollama run qwen3.8:27b`, 속도는 `ollama run qwen3:8b`. 추론에는 DeepSeek-R1(MIT 라이선스)이 적합합니다. Ollama로 로컬에서 실행하는 추론 자체는 데이터를 국외로 보내지 않으므로 해당 단계에서는 국외 이전 문제가 발생하지 않습니다. 다만 PIPL 등의 의무가 귀하의 데이터 처리에 적용되는지는 법률 자문을 통해 확인하십시오. 이 섹션은 일반 정보이며 법률 자문이 아닙니다.