Ollama підняла Series B на $65 млн — чому це важливо для локального ШІ

2 хв. читання

Що сталося

Ollama — інструмент для запуску ШІ-моделей з відкритими вагами на власному комп’ютері — закрила раунд Series B на $65 млн під проводом Theory Ventures (оголошено 9 липня 2026). Загальний обсяг залучених коштів сягнув $88 млн.

Деталі

  • Аудиторія зросла до 8,9 млн розробників на місяць — удвічі з січня 2026; платформа додає близько 1 млн встановлень на тиждень.
  • У раунді взяли участь Benchmark, 8VC, Y Combinator та інші; попередній Series A на $15 млн вів Пітер Фентон із Benchmark.
  • У команді — лише 14 людей; за даними Ollama, інструмент використовують у 85% компаній зі списку Fortune 500.
  • Гроші підуть на розвиток продукту, open-source-спільноту та розширення хмарної інфраструктури — у Ollama є платний хмарний доступ до великих моделей (тарифи від безкоштовного до $100/міс, оплата за час GPU, а не за токени).

Що це означає

  • Кого стосується: тих, хто запускає LLM локально — на Mac, Windows чи Linux — заради приватності, відсутності лімітів за токенами й роботи без інтернету.
  • Можливість: $65 млн і зростання до 8,9 млн розробників закріплюють Ollama як де-факто стандарт локального інференсу. Для користувача це швидший цикл підтримки нових відкритих моделей (Llama, Qwen, DeepSeek, Gemma) і стабільна екосистема інтеграцій (їх уже понад 67 000).
  • Горизонт: ефект відчутний уже зараз — гроші пришвидшать підтримку нового заліза й моделей; хмарний шар будує міст між локальним і серверним запуском.

Контекст

Локальний запуск моделей — ніша, що зростає: ми розбирали, яке залізо потрібне й коли міні-ПК вигідніший за хмару. Ollama — один із найпростіших способів підняти модель у себе за пару команд.

Поділитися
Зв'язатися:
Крипто- та data-аналітик, інженер-програміст (факультет комп'ютерних наук ХНУРЕ). В IT з 2008 року: адміністрував корпоративний моніторинг у «Vodafone Україна», сім років розробляв і просував веб-проєкти, п'ять років керував маркетингом на метриках — конверсія, CTR, ROI, LTV.Криптовалютними ринками займаюся з 2021 року: ончейн-метрики, токеноміка, макроекономічні індикатори. Розробив власну data-driven модель аналізу ринку на 30+ метрик. Стек — Python (pandas, NumPy, SciPy, matplotlib), математична статистика та EDA; збір і звірку даних автоматизую AI-агентами.Принцип — «Don't trust, verify»: кожна цифра перевірена за першоджерелом, ключові — щонайменше за двома незалежними; прогнози — лише сценарії з умовами. Теза без даних не публікується.