In juni 2026 voegde Ollama een functie toe die de ambities van het project in één klap duidelijk maakt: ollama launch. Met dat ene commando start een volledige coding-agent, compleet met vooraf ingestelde omgevingsvariabelen, en wordt het benodigde model automatisch gedownload als het nog niet lokaal aanwezig is. Waar Ollama begon als een simpele manier om lokale taalmodellen te draaien zonder gedoe met Python-omgevingen en CUDA-drivers, positioneert het project zich hiermee expliciet als infrastructuur voor agentic coding, niet langer alleen als modelrunner.
De timing is niet toevallig. Ollama groeide in 2026 door naar 172.000 GitHub-sterren en 52 miljoen maandelijkse downloads in het eerste kwartaal, cijfers die aantonen dat lokale modellen allang niet meer alleen een hobbyproject zijn voor privacybewuste hobbyisten, maar serieus worden ingezet voor productiewerk. Tegelijk bracht het project in mei releases 0.23.0 tot en met 0.24.0 uit binnen elf dagen tijd, met onder meer ondersteuning voor de Codex-app en een herwerkte MLX-sampler voor Apple Silicon. In juni volgde versie 0.30.8, die de MLX-engine voor Apple Silicon zodanig verbeterde dat inferentie op M-serie Macs ongeveer twee keer zo snel werd.
Waarom lokaal draaien weer aantrekkelijk wordt
Voor developers die gevoelige code niet naar een externe API willen sturen, denk aan financiële instellingen, overheidsopdrachten of bedrijven met strenge klantcontracten, is de combinatie van snellere lokale inferentie en een kant-en-klare agent-workflow relevant. ollama launch verlaagt de drempel om lokale modellen daadwerkelijk als coding-assistent te gebruiken drastisch: geen handmatige configuratie van context-vensters, API-endpoints of tool-definities meer, maar één commando dat alles regelt.
Tegelijk is Ollama zelf ook aan het verschuiven richting een hybride model. Sinds dit jaar functioneert het project ook als cloud-proxy, waarbij sommige modellen op de eigen GPU van de gebruiker draaien terwijl andere naar Ollama’s eigen infrastructuur worden doorgestuurd, met een API die in beide gevallen identiek blijft. Dat is een pragmatische zet: niet elke developer heeft een GPU die zwaar genoeg is voor de grootste modellen, en een naadloze overstap naar cloud-capaciteit zonder de API te veranderen, betekent dat bestaande scripts en integraties gewoon blijven werken.
Kritiek en concurrentie
Niet iedereen is onverdeeld positief: sommige stemmen in de gemeenschap wijzen erop dat de kloof tussen Ollama en alternatieven zoals vLLM, llama.cpp en LM Studio dit jaar juist groter is geworden, en dat vasthouden aan Ollama in bepaalde scenario’s prestaties, flexibiliteit en soms stabiliteit kost. Toch blijft Ollama’s belangrijkste troef de eenvoud: een installatie van tien minuten en zero cloud-dependency, gecombineerd met een businessmodel waarin de lokale kant gratis en open source blijft terwijl betaalde cloud- en zoektiers de inkomsten moeten genereren.
Voor Nederlandse developteams die experimenteren met lokale AI-coding, is ollama launch een goed startpunt om te ontdekken of een lokaal model, gecombineerd met de juiste tooling, al voldoende is voor het dagelijkse werk, zonder meteen een dure cloud-abonnement aan te hoeven schaffen.
Bron: https://angelo-lima.fr/en/ollama-2026-state-of-the-art-en/
0 reacties