# Ollama v0.40.16 讓 Qwen3.8 Flash Next 在 Apple 晶片上少用約 27 GiB 記憶體

> 地端世界 · https://onpremworld.com/zh-tw/news/2026-11-ollama-v0-40-16-qwen-flash-next-memory · CC BY 4.0

發布日期：2026-11-09 · 執行環境與工具

Ollama 在 11 月 9 日推出 v0.40.16，表示 Qwen3.8 Flash Next 在 Apple 晶片上現在約少用 27 GiB 記憶體。這一版也加入 Ricursive 的程式碼模型 Ripple Preview，讓 `ollama launch claude` 一定會把 Claude Code 導向你選的模型，並在雲端模型下架時由 `ollama launch` 說明原因。相容 OpenAI 的 `/v1/responses` 端點現在會遵守 `truncation` 設定，預設不再默默截斷內容；沒有安裝任何模型時，`/v1/models` 會回傳空清單而不是 `null`；Windows on ARM 則新增 CUDA 13.5 支援。

## 對地端使用者的意義

Qwen3.8 Flash Next 是單台 Mac 上能跑的最大型模型之一，省下約 27 GiB，同一台機器就多出空間給更長的上下文或第二個模型。

## 市場怎麼看

這類軟體上的改進，不換硬體就能讓同一台 Mac 做更多事，也讓大記憶體的 Apple 機器在跑大型 MoE 模型時更划算。其他本機執行環境也得跟上 Ollama 在 Apple 晶片上的記憶體表現。

## 白話版

Ollama 是讓你在自己電腦上跑 AI 模型的免費軟體。這次更新讓它支援的大型模型之一在 Mac 上明顯少佔記憶體，就像重新整理行李箱，同樣的衣服卻空出更多位置。

## 業內觀點

Qwen3.8 Flash Next 共存放 180B 參數（125B MoE、每個 token 啟用 6B，再加上 n-gram 嵌入），所以仍然需要大記憶體的 Mac；升級後請重新確認能放多長的上下文，以及是否能同時載入嵌入模型或程式碼模型。如果你的應用程式有呼叫 `/v1/responses`，請明確設定 `truncation`，因為預設已不再默默截斷長輸入；原本把 `/v1/models` 回傳 `null` 當特例處理的程式也要一併更新。

## 來源

[Ollama v0.40.16 release notes (GitHub)](https://github.com/ollama/ollama/releases/tag/v0.40.16)

## 本站相關頁面

- 模型：[Qwen3.8-Flash-Next](https://onpremworld.com/zh-tw/models/qwen3.8-flash-next.md)
- 硬體：[M3 Ultra](https://onpremworld.com/zh-tw/hardware/apple-m3-ultra.md)

[所有新聞](https://onpremworld.com/zh-tw/news.md)

摘要由地端世界依官方來源撰寫，附上原文連結，不轉載原文。
