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

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

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。