Ollama Versão Mais Recente 2026: v0.40.5 + Melhores Modelos por Caso de Uso

Versão atual do Ollama: v0.40.5 (lançada em 14 de outubro de 2026). É a versão estável mais recente, disponível em ollama.com/download; a v0.40.6 (16 de outubro) está marcada como pré-versão. Atualize com `curl https://ollama.ai/install.sh | sh` (macOS: `brew upgrade ollama`) e confirme com `ollama --version`.

O que mudou da v0.33.1 (26 de agosto) à v0.40.5 (14 de outubro): a v0.34.0 (5 de setembro) tornou os modelos do Ollama utilizáveis no ChatGPT Desktop e acelerou a saída estruturada no Apple Silicon. A v0.34.1 (14 de setembro) tirou o `ollama create` com safetensors do MLX do estado experimental e acelerou `/api/tags`. A v0.34.2 (15 de setembro) adicionou um fluxo de configuração na primeira execução. A v0.34.4 (23 de setembro) adicionou saídas estruturadas em uma única passagem para modelos de raciocínio e processamento de prompts mais rápido do Qwen 3.8 no Apple Silicon. As v0.35.0 e v0.35.1 (28–29 de setembro) introduziram modelos de decisão via `/v1/systemone` e elevaram a busca na web para dez buscas por resposta. A v0.40.0 (25 de setembro) tornou o MLX o motor padrão no Apple Silicon para arquiteturas compatíveis como gemma4, qwen3.5 e qwen3.6. A v0.40.2 (8 de outubro) atualiza modelos em segundo plano na primeira execução e mantém backups. A v0.40.4 (12 de outubro) adicionou `ollama run --ask` para modelos de decisão e embeddings multimodais via llama-server. A v0.40.5 (14 de outubro) adicionou Nemotron 3.5 Super e Bolt e atualizou llama.cpp e MLX. Notas completas: github.com/ollama/ollama/releases.

Modelos mais novos da biblioteca (2026):

A popularidade no Ollama é medida pelo número de downloads exibido na página de cada modelo. Os mais baixados ainda são dominados pela família Llama da Meta -- o Llama 3.2 3B é o mais puxado no geral, em grande parte por ser o primeiro modelo de teste de quem instala. Já o Llama 4 Scout subiu rápido desde o lançamento em abril de 2026.

O Qwen3 é a família que mais cresce na biblioteca do Ollama, e o Qwen3 e a nova variante densa Qwen3.8 estão substituindo rapidamente o Qwen2.5. O DeepSeek-R1 teve grandes picos após o lançamento e segue muito baixado para raciocínio. O Dolphin 3.0 (Cognitive Computations, baseado no Llama 3.1) continua sendo o modelo sem censura de uso geral mais puxado para quem quer um assistente local sem filtros.

A Meta lançou o Llama 4 em abril de 2026 com as variantes Scout (17B ativos, 109B no total, MoE) e Maverick (17B ativos, 400B no total). O Llama 4 Scout está estável na biblioteca do Ollama (`ollama pull llama4:scout`). A família usa arquitetura Mixture-of-Experts (MoE) — o Scout precisa de ~55 GB de VRAM em Q4 (só cabe em 24 GB a 1,78 bit, ~20 tok/s).

Os destaques do Scout são a janela de contexto de 10M tokens e a entrada multimodal, não a adequação ao hardware de consumo. Para configurações leves (8 GB de RAM), o Llama 3.2 3B continua sendo o primeiro modelo mais fácil.

O Kimi K2.6 (Moonshot AI, licença MIT modificada, MoE de 32B ativos / 1T no total) obteve 58,6 no SWE-Bench Pro, segundo a Moonshot, mas no Ollama só existe como tag na nuvem. O Laguna XS 2.1 (Poolside) é o desafiante agêntico mais novo, feito para sessões longas de programação local. O Qwen3.8-27B atingiu 61,7 no SWE-bench Pro (segundo a Qwen) como melhor modelo geral em hardware de consumo (download de 18 GB). O gpt-oss:20b da OpenAI (MoE de 21B no total / 3,6B ativos) roda em 16 GB em nível ~o3-mini com raciocínio ajustável.

A biblioteca do Ollama tem centenas de modelos selecionados, com a família NVIDIA Nemotron 3.5, o Granite 4.2 e o GLM-5.3 entre as adições mais recentes desde a atualização anterior.

A qualidade da saída de um modelo depende muito de como você o instrui. Para técnicas estruturadas que funcionam em todos os modelos locais — incluindo cadeia de pensamento, exemplos few-shot e formatação de saída — veja o guia de engenharia de prompts. Para entender os trade-offs de quantização, veja o guia de quantização →. Para saber quanta VRAM cada modelo exige, veja o guia de requisitos de VRAM →. Para os requisitos de hardware, veja o guia de hardware →.

Estes são os modelos mais novos da biblioteca do Ollama, do mais recente ao mais antigo. Confirme a disponibilidade com `ollama pull <modelo>` antes de montar fluxos de trabalho — modelos novos aparecem em ollama.com/library poucos dias após o lançamento.

O DeepSeek-R1 é um modelo de raciocínio -- ao contrário dos modelos de chat comuns, que geram a resposta diretamente, ele gera uma cadeia de pensamento explícita antes da resposta final. Isso melhora bastante o desempenho em matemática, quebra-cabeças lógicos e resolução passo a passo.

O DeepSeek-R1 7B marca 52% no MATH (matemática de competição) contra 28% do Mistral Small no mesmo tamanho. É mais lento que os modelos comuns (mais tokens por resposta), mas bem mais preciso quando o raciocínio importa.

Estes modelos do Ollama aceitam imagens (multimodais): o Gemma 4 suporta visão E chamada de ferramentas — único entre os modelos de visão do Ollama — e roda quase 90% mais rápido no Apple Silicon após a atualização do MLX.

As contagens de download ainda favorecem o Llama 3.x pela prevalência em tutoriais. Em projetos novos de 2026, prefira Qwen3.8-27B (melhor geral em hardware de consumo), Laguna XS 2.1 ou Devstral Small 2 (programação), gpt-oss:20b e qwen3:30b.

Há duas formas de trabalhar com modelos do Ollama. Trocar modelos instalados: no app do Ollama para Mac, clique no botão de seleção de modelo na parte inferior do campo de chat para alternar entre qualquer modelo instalado localmente. Encontrar e baixar novos modelos: acesse ollama.com/library para navegar por centenas de modelos selecionados por categoria e use os comandos abaixo para baixar e gerenciar.

UE / RGPD + conformidade de licenças. Para organizações da UE que implantam modelos Ollama em produção, a licença importa tanto quanto o desempenho. Apache 2.0 (totalmente aberta, uso comercial permitido): Mistral Small, Mistral Small 3.1, Qwen3 8B, Qwen3.8-27B, Devstral Small 2, Granite 4.2. Licença Comunitária Meta Llama (uso comercial restrito acima de 700 milhões de usuários ativos mensais): Llama 3.1 8B, Llama 3.2 3B, Llama 3.2 Vision 11B. MIT (uso comercial permitido): DeepSeek-R1 7B e 14B. MIT modificada (uso comercial permitido com cláusula de atribuição): Kimi K2.6. OpenMDW-1.1 (permissiva, uso comercial permitido): Laguna XS 2.1. Sempre confira os termos de licença antes da implantação comercial. Para empresas da UE em setores regulados, modelos da Mistral (França, Apache 2.0) como o Devstral Small 2 são um padrão sensato: origem europeia e licença permissiva. Rodar os modelos totalmente local com o Ollama significa que os prompts não são enviados a servidores externos; isso apoia, mas por si só não cumpre, as obrigações do RGPD (uma tag `:cloud` envia dados ao serviço hospedado do Ollama).

Japão (METI). Para implantações corporativas japonesas com o Ollama, Qwen3 / Qwen3.8 é uma família recomendada: processa texto japonês nativamente, o que ajuda no tempo de inferência e no cache KV. Para fluxos de programação em japonês: o Qwen3.8-27B (61,7 no SWE-bench Pro segundo a Qwen) trata comentários de código em japonês de forma nativa. A documentação de governança de IA do METI costuma pedir a versão exata do modelo. Use `ollama show <modelo>` para obter a especificação completa (parâmetros, quantização e tamanho de contexto) para registros de conformidade.

China. Pelas Medidas da CAC para IA generativa (2023), organizações que oferecem serviços de IA a usuários finais devem registrar os modelos usados. Qwen3 / Qwen3.8 (Alibaba, Apache 2.0) é uma escolha natural para implantações corporativas chinesas com o Ollama: origem chinesa, licença Apache 2.0 e bom desempenho em chinês. O Kimi K2.6 (Moonshot AI, MIT modificada) também é de origem chinesa, mas o Ollama o lista apenas como tag na nuvem e a execução local exige hardware de servidor. Comandos: `ollama run qwen3.8:27b` para a melhor qualidade, `ollama run qwen3:8b` para velocidade. O DeepSeek-R1 (licença MIT) é adequado para raciocínio. Para dados processados localmente com o Ollama, a inferência em si não aciona os requisitos de transferência internacional da PIPL; confira suas próprias obrigações de conformidade.