2026年10月26日，Ollama 发布 v0.40.11 版本。本次更新围绕两个核心方向展开：一是面向 macOS 的语音生成能力，二是引入 d3 决策模型。
对于希望让文本、聊天回复直接以语音形式输出的使用者来说，v0.40.11 带来了新的语音生成方式；对于需要对文本、结构化状态或图像进行分类、判断、概率评分的场景，d3 决策模型则提供了新的模型选择。
一、Ollama v0.40.11 更新概览
Ollama v0.40.11 的主要更新包括以下两项：
更新方向
核心内容
Speech
Ollama 可以在 macOS 上生成语音，命令行和应用均可输出或流式传输音频
d3 decision models
d3 将决策模型带入 Ollama，可用于分类、是或否判断，以及为选项进行概率评分
这两个更新分别对应“语音输出”和“决策判断”两类能力。
前者让文本和聊天回复可以在生成过程中同步以音频形式呈现；后者让模型可以接收文本、结构化状态或图像，并根据问题完成分类、判断或概率评分。
二、Speech：Ollama 在 macOS 上支持语音生成
v0.40.11 版本中，Ollama 新增了 macOS 语音生成能力。
官方说明指出，Ollama 现在可以在 macOS 上生成语音。通过ollama run运行时，文本内容或者聊天模型生成的回复，可以在音频生成过程中被直接朗读出来。
也就是说，Ollama 的命令行使用体验中，不仅可以看到文本内容，还可以在生成音频的过程中听到对应的语音输出。
这一能力覆盖两种内容来源：
• 直接输入的文本
• 聊天模型生成的回复
其中，文本输入可以直接被朗读；聊天模型的回复则可以在回复生成时被朗读。
三、命令行示例：让 Ollama 朗读文本
官方给出的命令示例如下：
ollama run phonon "Hello from Ollama."这条命令运行phonon，并传入文本：
Hello from Ollama.在 macOS 上，Ollama 可以将这段文本作为语音播放出来。
从这条命令可以看到，语音生成能力可以通过ollama run直接使用。命令中包含两个关键部分：
部分
内容
运行对象
phonon
输入文本
"Hello from Ollama."
通过这一方式，文本可以被直接用于语音输出。
四、聊天模型回复也可以在生成时被朗读
除了直接朗读输入文本之外，v0.40.11 还支持朗读聊天模型的回复。
官方说明中明确表示，ollama run可以在音频生成时播放文本或聊天模型的回复。
这意味着，在聊天模型逐步生成回复内容的同时，音频也可以同步生成并播放。语音输出不只局限于固定文本，也可以对应聊天模型返回的内容。
从能力描述来看，v0.40.11 中的 Speech 更新重点在于“生成过程中”的音频输出：
• 文本可以被播放为语音
• 聊天回复可以被播放为语音
• 音频会随着内容生成而产生
•
ollama run可以直接播放这些音频内容
这使得 Ollama 在 macOS 上具备了文本与聊天回复的语音生成和播放能力。
五、应用也可以通过音频接口流式传输语音
除了命令行中的语音播放，v0.40.11 还为应用提供了音频流式传输方式。
官方说明指出，应用可以通过兼容 OpenAI 的/v1/audio/speech端点流式传输音频。
接口路径如下：
/v1/audio/speech该端点属于 OpenAI 兼容接口的一部分，应用可以通过这一端点进行音频流式传输。
这里涉及到的核心信息包括：
项目
内容
接口类型
OpenAI 兼容接口
接口路径
/v1/audio/speech
传输方式
流式传输音频
使用对象
应用
因此，v0.40.11 的 Speech 能力不仅可以通过ollama run在 macOS 上进行语音播放，也可以让应用通过/v1/audio/speech接口流式获取音频。
对于 Speech 更新来说，命令行与应用接口构成了两种使用方式：
• 通过
ollama run播放文本或聊天回复的语音• 通过
/v1/audio/speech向应用流式传输音频
六、Speech 更新的完整能力梳理
Ollama v0.40.11 的 Speech 更新可以归纳为以下内容：
能力
macOS 语音生成
Ollama 可以在 macOS 上生成语音
文本朗读
ollama run
可以朗读输入文本
聊天回复朗读
ollama run
可以朗读聊天模型的回复
生成时播放
音频会在生成过程中播放
应用音频流
应用可通过/v1/audio/speech流式传输音频
OpenAI 兼容
音频接口采用 OpenAI 兼容形式
官方示例：
ollama run phonon "Hello from Ollama."接口路径：
/v1/audio/speech这就是 v0.40.11 中 Speech 部分所带来的完整更新内容。
七、d3 decision models：决策模型加入 Ollama
除语音能力外，Ollama v0.40.11 的另一项重要更新是 d3 decision models。
官方说明中表示，d3 将 vLLM Semantic Router 的决策模型带入 Ollama。
d3 模型可以接收多种形式的输入，包括：
• 文本
• 结构化状态
• 图像
在接收到这些输入后，可以向模型提出不同类型的问题，包括：
• 分类
• 回答是或否
• 对选项进行概率评分
这意味着，d3 的定位是决策模型。它可以围绕给定内容和问题，返回分类结果、是或否判断，或者带有概率的选项评分。
八、d3 可以处理哪些输入
根据官方说明，d3 支持三类输入：
输入类型
文本
可以向模型提供文本内容
结构化状态
可以向模型提供结构化状态
图像
可以向模型提供图像
这三类输入对应了 d3 的输入范围。
对于文本，可以根据文本内容提出分类、判断或评分问题。
对于结构化状态，可以将状态作为模型输入，并针对该状态提出问题。
对于图像，也可以让模型基于图像内容完成分类、是或否判断，或者对选项进行概率评分。
官方描述中的重点不在于单一输入形式，而在于 d3 可以接收文本、结构化状态或图像，并基于这些内容执行决策任务。
九、d3 支持哪些决策任务
d3 的能力包括三种主要任务类型。
1. 分类
可以给模型提供内容，并要求它进行分类。
分类的核心是根据给定输入，将内容归入所需的类别。
2. 是或否判断
可以针对输入内容提出一个问题，并要求模型回答是或否。
这种形式适用于需要明确判断结果的问题。
3. 选项概率评分
可以给出选项，并要求模型对这些选项进行带有概率的评分。
这意味着，d3 不仅可以给出单一判断，也可以围绕多个选项给出概率形式的结果。
从官方描述来看，d3 的决策能力可以归纳如下：
决策形式
输出要求
分类
对输入内容进行分类
是或否
对问题给出是或否回答
选项评分
对选项进行概率评分
无论输入是文本、结构化状态还是图像，都可以围绕这三种形式提出问题。
十、d3 模型规模覆盖 2B 到 27B
d3 模型家族包含多个参数规模，官方列出的尺寸包括：
• 2B
• 4B
• 9B
• 27B
完整的模型规模如下表所示：
d3 模型规模
2B
4B
9B
27B
因此，d3 family 包含 2B、4B、9B 与 27B 四种规模。
这也是本次更新中 d3 模型家族的完整尺寸信息。
十一、官方示例：判断是否属于账单问题
官方给出了 d3 的命令行示例：
ollama run d3 "A customer says their card was charged twice." --ask "Is this a billing issue?"这条命令中，提供了一段文本：
A customer says their card was charged twice.对应的提问是：
Is this a billing issue?这个示例展示了 d3 的“是或否”判断形式。
输入文本描述的是客户表示其卡片被重复扣费；随后通过--ask参数向 d3 提出“这是否属于账单问题”的问题。
命令结构可以拆分为以下部分：
命令部分
内容
运行模型
d3
输入文本
"A customer says their card was charged twice."
提问参数
--ask
判断问题
"Is this a billing issue?"
这一示例体现了 d3 的基础使用模式：
1. 提供内容；
2. 通过
--ask提出问题；3. 让 d3 根据输入内容完成判断。
十二、从示例看 d3 的决策方式
官方示例重点展示了“输入内容加问题”的形式。
首先，命令中提供一段文本：
A customer says their card was charged twice.然后，针对这段文本提出一个明确问题：
Is this a billing issue?d3 的任务是依据给定文本，对该问题作出判断。
这个例子对应的是 d3 官方说明中的“回答是或否”能力。模型并不是只接收文本，而是接收文本后，再根据提出的问题进行决策。
结合官方描述，d3 可以围绕输入执行以下不同形式的任务：
输入内容
可提出的任务
文本
分类、是或否、选项概率评分
结构化状态
分类、是或否、选项概率评分
图像
分类、是或否、选项概率评分
而官方命令示例，具体展示的是文本输入与是或否判断的组合。
十三、Ollama v0.40.11 两大更新对比
v0.40.11 的两项更新分别面向不同能力方向。
更新名称
核心能力
使用方式
Speech
在 macOS 上生成语音
ollama run
播放文本或聊天回复；应用通过音频端点流式传输
d3 decision models
对输入进行分类、是或否判断、选项概率评分
使用d3并针对输入提出问题
Speech 关注的是音频生成与播放。
d3 关注的是针对文本、结构化状态和图像进行决策。
前者让文本和聊天回复具备语音输出形式；后者让不同类型输入具备分类、判断与概率评分能力。
十四、Ollama v0.40.11 关键信息汇总
以下是本次版本更新的全部重点信息汇总。
Speech
• Ollama 可以在 macOS 上生成语音。
•
ollama run可以在音频生成时播放文本。•
ollama run也可以在音频生成时播放聊天模型的回复。• 应用可以通过 OpenAI 兼容的
/v1/audio/speech端点流式传输音频。• 官方命令示例：
ollama run phonon "Hello from Ollama."d3 decision models
• d3 将 vLLM Semantic Router 的决策模型带入 Ollama。
• d3 可以接收文本、结构化状态或图像。
• d3 可以执行分类任务。
• d3 可以回答是或否问题。
• d3 可以对选项进行概率评分。
• d3 模型家族包括 2B、4B、9B 和 27B。
• 官方命令示例：
ollama run d3 "A customer says their card was charged twice." --ask "Is this a billing issue?"十五、结语
代码地址：github.com/ollama/ollama
Ollama v0.40.11 于 2026 年10月26日发布，本次版本更新带来了两项明确能力。
第一项是 Speech。Ollama 可以在 macOS 上生成语音，ollama run可以在音频生成过程中播放文本或聊天模型回复，应用则可以通过 OpenAI 兼容的/v1/audio/speech端点流式传输音频。
第二项是 d3 decision models。d3 将 vLLM Semantic Router 的决策模型带入 Ollama，支持文本、结构化状态和图像输入，可用于分类、回答是或否问题，以及为选项进行概率评分。d3 模型家族包括 2B、4B、9B 和 27B 四种规模。
对应的两个官方示例命令如下：
ollama run phonon "Hello from Ollama."ollama run d3 "A customer says their card was charged twice." --ask "Is this a billing issue?"我们相信人工智能为普通人提供了一种“增强工具”，并致力于分享全方位的AI知识。在这里，您可以找到最新的AI科普文章、工具评测、提升效率的秘籍以及行业洞察。 欢迎关注“福大大架构师每日一题”，发消息可获得面试资料，让AI助力您的未来发展。
热门跟贴