ollama v0.12.9 发布：修复 CPU Only 系统性能回退并优化 GPU 与 ROCm 支持

2025年11月2日，Ollama 发布了 v0.12.9 最新版本，本次更新主要针对 CPU-only 系统的性能回退问题进行了修复，同时在 GPU 设备检测、ROCm 错误处理以及 CUDA 内存分配优化方面进行了多项改进。以下是版本的详细变化说明。

一、主要更新内容

1. 修复 CPU-only 系统性能回退问题

本次版本重点修复了在仅使用 CPU 的环境下出现的性能回退（regression）问题，确保在缺乏 GPU 的系统上依旧能够高效运行模型。

2. GPU 设备检测路径优化

在 GPU 设备枚举的过程中，旧版本使用 LibOllamaPath 作为库路径，本次更新统一改为 ml.LibOllamaPath，保证路径引用一致性，提升跨平台与多设备环境下的稳定性。
改动包括：

• • discover/runner.go 中多处将 LibOllamaPath 替换为 ml.LibOllamaPath
• • 在 ROCm 目录查找、设备列表更新等逻辑中进行相同修改
• • ml/device.go 中 LibraryPaths 函数初始化时确保 LibOllamaPath 包含于 GPU 库路径列表中

这些改动有助于在 GPU 初始化阶段正确加载相关库文件，尤其是在混合 GPU 环境中（CUDA 与 ROCm 并存）。

3. ROCm 错误捕获与日志改进

新增对 ROCm error 的日志监控，llm/status.go 的 errorPrefixes 列表中增加了 "ROCm error" 条目，使错误信息能够被及时捕获与输出，便于定位问题。

4. CUDA 内存操作优化

在 CUDA 后端实现中增加了对内存设置与拷贝操作的优化逻辑：

• • 新增 cudaMemsetAsyncReserve 方法：在图预留（reserving_graph）阶段，避免执行不必要的 cudaMemsetAsync 操作，从而减少 GPU 内存分配压力
• • 对 cudaMeMCPyAsync、cudaMemcpy2DAsync、cudaMemsetAsync 进行了宏替换，使其在预留阶段直接返回成功，而不执行实际操作
• • 这一改动在 ggml/src/ggml-cuda/common.cuh 和 ml/backend/ggml/ggml/src/ggml-cuda/common.cuh 中均有实现，使 CUDA 后端在图优化阶段更高效

效果：

• • 避免无意义的 GPU 内存清零操作
• • 在模型装载与推理时减少延迟

5. 测试用例调整

integration/api_test.go 中移除了冗余的 TestAPIEmbeddings 测试方法，此前该测试会调用嵌入 API（Embeddings），包括模型拉取与输出验证，此处删除主要是简化测试集，避免重复测试相同功能。

6. 文件结构调整与命名空间修改

discover/path.go 文件更名为 ml/path.go，并将包名从 discover 改为 ml，归类到机器学习核心逻辑下，使模块结构更加清晰。

二、总结

ollama v0.12.9 在保持功能稳定的同时，解决了 CPU-only 系统的性能问题，并且显著优化了 GPU 设备检测、ROCm 错误日志及 CUDA 内存分配机制。这些改进对在多种硬件环境中部署 Ollama 的用户尤为重要：

• • CPU-only 用户 可获得更好的推理性能
• • GPU 用户 能够享受更稳定的设备检测与库加载机制
• • CUDA/ROCm 用户 可减少初始化延迟、提升整体运行效率