2026年1月16日，Ollama v0.14.2正式发布。这次版本更新不仅带来了新的翻译模型集，还在接口规范与交互体验上进行了大幅提升，进一步巩固了Ollama在开源大模型生态中的核心地位。以下是详细更新内容与技术亮点：
一、全新模型：TranslateGemma开放多语言翻译支持
Ollama v0.14.2推出了全新TranslateGemma模型系列。这一系列翻译模型基于Gemma 3架构构建，支持55种语言互译，旨在帮助全球用户打破语言壁障，实现跨语言交流。
TranslateGemma是Ollama针对跨语言任务优化的一类开放模型，标志着Ollama在多语言理解和生成能力上的进一步扩展。
二、功能优化与改进
1. CLI交互优化 —— 支持多行输入
Ollama命令行（CLI）现在新增了更简洁直观的交互方式：
• 按下 Shift + Enter 可换行输入； • 普通 Enter 键则用于发送消息； • 在交互模式中增加了新提示：“Press Enter to send”，让多行输入更自然。
这一改进使开发者编写长指令或复合Prompt更加方便，提升人机交互体验。
2. /v1/responses API优化
Ollama进一步改进了/v1/responses接口，使其更好地符合OpenResponses规范。该更新提升了API一致性与兼容性，对于使用Ollama搭建AI应用服务的开发者而言，这意味着更高的稳定性与标准化支持。
三、构建新指南：实验性MLX支持全面上线
此次版本新增了**“Building with MLX（experimental）”章节，为想要探索Ollama与MLX库（机器学习加速框架）**集成的开发者提供完整构建步骤。
构建过程包括：
1. 编译MLX库：
.
cmake --preset MLX
cmake --build --preset MLX --parallel
cmake --install build --component MLX2. 编译带MLX功能的Ollama运行时：
.
go build -tags mlx -o ollama-mlx .
3. 启动服务器：
.
./ollama serve
CUDA版本构建：
当需要使用CUDA加速时，可选用预设“MLX CUDA 13”或“MLX CUDA 12”：
.
cmake --preset 'MLX CUDA 13'
cmake --build --preset 'MLX CUDA 13' --parallel
cmake --install build --component MLX这部分更新让Ollama更好地支持自定义加速和实验性运行环境，为AI开发者提供更多性能调优空间。
四、新增集成：Onyx与Marimo正式支持Ollama
v0.14.2在文档中正式新增两个关键集成支持，为用户提供更多使用场景。
1. Onyx 集成
Onyx是一个可自托管的聊天UI，现已无缝对接Ollama模型，支持：
• 定制智能代理； • 网页搜索与深度研究； • 文档与应用RAG检索； • Google Drive、Slack等应用连接； • 图片生成功能； • 用户组管理、RBAC、SSO安全认证。
安装只需按照Onyx官方快速部署指南，选择Ollama作为LLM提供者，配置API地址即可完成接入（如Docker环境下使用http://host.docker.internal访问主机）。
2. Marimo 集成
Marimo是一款交互式Python笔记工具，支持通过Ollama提供AI功能：
• 在设置界面的AI标签中配置Ollama的Base URL（默认 http://localhost:11434/v1）；• 开启与关闭指定模型； • 新增模型； • 支持内置AI聊天与代码自动补全。
通过简单配置后，即可在Marimo环境中调用Ollama提供的智能交互及推理服务。
五、Claude Code集成文档修订
Ollama官方完善了与Claude Code兼容的API文档，现需设置以下环境变量：
.
export ANTHROPIC_AUTH_TOKEN=ollama
export ANTHROPIC_BASE_URL=http://localhost:11434
export ANTHROPIC_API_KEY=ollama或者直接运行：
.
ANTHROPIC_AUTH_TOKEN=ollama ANTHROPIC_BASE_URL=http://localhost:11434 ANTHROPIC_API_KEY=ollama claude --model qwen3-coder
此优化让 Claude Code 工具可顺利使用 Ollama 本地模型作为后端。
