Ollama 0.40.7: qué cambia y a quién afecta en un homelab

Resumen

Según el listado de releases consultado para este artículo, v0.40.7 aparece como Pre-release (tag v0.40.7-rc1) y no como Latest. En ese mismo listado, la versión marcada como Latest era v0.40.6.

La página individual de v0.40.7 no pudo descargarse, así que no puedo confirmar que exista una versión estable final ni su fecha. Para un homelab, lo prudente es tratarla como candidata y no como la versión a la que actualizar por defecto.

Qué ha cambiado

En v0.40.7 (pre-release)

Se permite el parámetro effort de la API Responses de OpenAI en modelos sin modo thinking (#19010).
llama-server infiere el tipo de speculative decoding del draft (#19064).
Se añade soporte de PPLX Decider v1.2 en MLX (#19072).

El extracto disponible no incluye notas de breaking changes ni requisitos de hardware específicos para esta versión.

En v0.40.6 (Latest en el listado)

Evita runners huérfanos en Windows (#18500).
Añade los tipos de tensor y de archivo q2_0 a GGUF (#18967).
Lanza clef en la nube de Ollama (#19036).
Usa identificadores para las claves de pregunta del modo --ask (#19041).

Lo que arrastra la serie 0.40

Si vienes de una versión anterior, lo que más te afectará probablemente no está en 0.40.7, sino en las versiones intermedias:

v0.40.0: en Apple Silicon, las arquitecturas soportadas por el runtime MLX se ejecutan en MLX por defecto. Entre los modelos mencionados están gemma4, qwen3.6 y qwen3.5.
v0.40.1: añade un proxy de las APIs de uso y saldo de la nube (#18829) y elimina el paso de cuenta del onboarding del CLI (#18826). En Windows, evita symlinks en el manifest (#18852).
v0.40.2: los modelos descargados con versiones anteriores se actualizan en segundo plano la primera vez que se ejecutan, para mejorar el rendimiento y la compatibilidad con llama.cpp.
v0.40.3: pausó esa actualización en segundo plano por el rendimiento de las peticiones (embeddings y otras).
v0.40.4: mejora el rendimiento de inferencia reutilizando manifests verificados y modelos ya cargados. También añade soporte de embeddings multimodales vía llama-server y corrige la carga de modelos de embeddings multimodales con ventanas de contexto pequeñas.

Qué comprobar en tu homelab

1. Espacio en disco. Ollama conserva la copia original de los modelos migrados como respaldo para poder hacer downgrade, así que los modelos actualizados ocupan espacio extra temporalmente. Las notas de v0.40.2 incluyen un script (requiere jq) que consulta /api/tags y /api/show, selecciona los manifests con runner ggml de los modelos que tienen manifest llamacpp y los elimina con ollama rm. Solo borra los respaldos: si después vuelves a una versión anterior a 0.40, tendrás que hacer pull de esos modelos otra vez. Los extractos no indican si estos respaldos se eliminan ya automáticamente, así que revisa tú el uso de disco.

2. Windows. Los dos cambios relevantes son que v0.40.1 evita symlinks en el manifest (#18852) y que v0.40.6 evita runners huérfanos (#18500). Si usas Windows, la v0.40.6 es la que incluye esta última corrección.

3. Apple Silicon. Si tienes un Mac como servidor, ten presente que los modelos de arquitecturas soportadas por MLX se ejecutan en MLX por defecto desde v0.40.0. Compara resultados y rendimiento tras actualizar.

4. Uso de embeddings. Si tu stack (por ejemplo, RAG) depende de embeddings, revisa lo ocurrido en v0.40.3 y v0.40.4.

Recomendaciones generales (no proceden de las fuentes):

Haz una copia o un listado de tus modelos antes de actualizar.
Prueba primero en una máquina secundaria.
Espera a que v0.40.7 deje de figurar como pre-release antes de ponerla en un servicio que uses a diario.

Limitaciones de las fuentes. Las fechas de las releases aparecen sin año en las páginas individuales. Además, varias de las páginas consultadas (v0.40.4, v0.40.5, v0.40.6 y el listado general) figuran como no oficiales en la entrada, aunque su contenido corresponde a las releases de GitHub de ollama/ollama.