Ollama官方模型分類觀察

Posted By 陸向陽 on 6 月 13, 2025 in Edge AI解決方案, Edge AI開發地圖, Llama 2, LLM, 技術新訊, 特寫, 陸向陽 | 0 comments

作者：陸向陽

說到本機端大語言模型軟體幾乎無人不知Ollama，即便現在有許多更便利的GPT4All、Jan AI等，Ollama依然是目前最廣泛提及的，幾乎快成為基礎課。

除了廣為人知外，Ollama另一個特點是網羅的模型眾多，筆者近期（2025年6月）一算約已網羅了137個模型，除非是軟體本身可以直接連結Hugging Face，否則以自力網羅而言Ollama應該是最多的，多數軟體應只在數十個模型左右。

Ollama模型的四種分類

模型多自然是選擇豐富，但也容易選擇無力，因此Ollama官方開始給模型分類，其實就是給模型標籤（Tag）；完全沒有標籤的模型就是很尋常、四平八穩的一般大語言模型，有標籤則有其特殊點，目前有四種主要標籤。

圖1：Ollama官網的大語言模型有四種分類標籤（圖片來源：Ollama官網）

首先是視覺（Vision）標籤的模型，是Ollama在2024年2月開始引入的，簡單說即是大語言視覺模型（LVM），允許對模型同時輸入問句與圖片，而後要求模型用文字回應答案，例如LLaVA模型、llama3.2-vision模型等，目前約12個模型。

其次是嵌入式（Embedded）標籤的模型，是Ollama在2024年4月引入的，其實就是支援增強檢索生成（Retrieval Augmented Generation，RAG）功能的大語言模型，例如nomic-embed-text模型、granite-embedding模型等，目前約9個模型。嵌入式標籤的模型通常在模型名稱中帶有「embed」字樣，但也不全然是，例如bge-m3模型、all-minilm模型，所以還是以標籤為準。

其三是具有工具（Tools）標籤的模型，由於大語言模型的應用越來越多，不一定是人真的現場立即打字與模型互動，可能是透過應用程式介面（Application Programming Interface，API）串接運用等，所以模型也開始必須支援各種整合工具，因而有了工具標籤類的模型。

工具類模型例如qwen3（通義千問第三版）模型、llama4模型等，目前約38個模型。會成為工具類模型的其實也通常是最廣為被使用的知名模型，除了qwen系列（阿里巴巴）、llama系列（Meta/臉書）外還有mistral系列（法國知名新創）、phi系列（微軟）等，不常被使用的模型自然沒有被工具呼叫的機會，也就不太需要支援。

第四是最新的標籤類型，即思考（Thinking）標籤，因為大語言模型的幻覺問題被人詬病已久，故各界均努力解決或緩解幻覺問題，例如提出推理（reasoning）、思考鏈（Chain-of-Thought, COT）等技術主張等，而Thinking標籤也是如此而來。

目前支援Thinking標籤的模型尚少，畢竟才剛支援不久，僅有3個模型，即deepseek-r1模型、qwen3模型及magistral模型（來自法國新創Mistral）。值得注意的是Thinking功能是可以自行決定開啟或關閉的，使用者可以相同問題在開啟下問一遍、在關閉下問一遍，來比較有無Thinking功能的回覆差異，若沒有特別去設定預設狀況下是開啟Thinking功能的。

圖2：Ollama官方部落格開始強調加入Thinking標籤的大語言模型（圖片來源：Ollama官網）

知曉四種Ollama模型標籤後，很明顯的，標籤的意思多半為可以複式列算，意思是有的模型同時有兩個或兩個以上的標籤，例如qwen3既有Tools標籤也有Thinking標籤，或者granite3.2-vision模型既有Vision標籤也有Tools標籤。

不過，目前複式列算的模型並不多，至多3、4個。另外，其實完全沒有四種標籤的大語言模型仍是Ollama中最多的，約116個。

圖3：目前有三個模型同時屬於Vision標籤與Tools標籤（圖片來源：Ollama官網）

而且，依筆者自己的觀察，並沒有越新上架Ollama的模型就越普遍支援標籤的趨勢，依然是時有時無，甚至是最近一個月上架的新模型依然有完全不具備標籤的，另外也沒有越熱門（依據下載次數認定）的模型就一定是帶標籤的。

隨著標籤分類的設立，其實新上架的模型也會逐漸去支援標籤，前述Vision標籤在2024年2月即設立，但剛宣佈時只有LLaVA一個模型支援，之後才陸續有其他模型加入，如Google Gemma 3、Qwen 2.5 VL等，逐步累積到前述的12個模型。

展望後續

雖然目前Ollama僅四種模型分類標籤，但其實很多跡象都顯示LLM會更加多元專精化，例如專用來翻譯、專用來寫程式、專用來解數學等，甚至有的專門在回答廣泛的一般性問題、有的專精於理解受令（善於理解他人下達的命令）等，由此可知Ollama未來肯定會加入更多的分類標籤，加速用戶從眾多模型中快速找到自己合用的模型。