Ollama 0.32.1 è uscito il 16 luglio con due fix che contano per chi esegue modelli locali in contesti agentici. Il primo: tool calling migliorato su Gemma 4, con continuazioni tool-response più affidabili nei ragionamenti multi-turno. Se usi Gemma 4 con strumenti, questa versione riduce i casi in cui il modello perde il filo fra una chiamata e la successiva.

Il secondo, critico: risolto un memory leak ricorrente nella cache dei modelli MLX che aumentava l’uso di memoria attraverso le richieste. Se hai notato che Ollama cresceva di RAM senza motivo, era questo.

Perché ti riguarda. Se esegui agenti locali o workflow che chiamano tool più volte nella stessa sessione, questo aggiornamento cambia la stabilità del sistema. Il leak non era solo un fastidio: su carichi ripetuti, poteva mandare in swap o crashare l’agente. La correzione arriva con performance migliori sugli snapshot della cache MLX.

Due note minori: il caricamento dei modelli MLX ora rispetta OLLAMA_LOAD_TIMEOUT, e gli agenti con ricerca web o fetch ora ti dicono chiaramente di lanciare ollama signin quando serve autenticazione, invece di fallire in silenzio. Chi lavora con agenti in locale sa quanto valgono questi messaggi di errore chiari.

Se vuoi provarci. Scarica la v0.32.1 dalla pagina release su GitHub (link nelle fonti), e se avevi segnalato problemi di memoria o continuazioni tool instabili su Gemma 4, prova sugli stessi casi.

Nel dettaglio

Il contesto: Ollama come runtime locale per agenti.

Ollama è il runtime locale più usato per eseguire modelli open-weight su hardware proprio, senza mandare i prompt a un’API esterna. La versione 0.32, uscita pochi giorni fa, aveva introdotto un’interfaccia agente e warning per modelli vecchi: il segnale era chiaro, Ollama si posiziona come infrastruttura per agenti self-hosted.

Questa 0.32.1 non aggiunge funzionalità nuove: corregge due problemi che rendevano 0.32 instabile in produzione.

Il memory leak MLX: cosa lo causava.

MLX è il framework Apple per l’inferenza su Silicon. Ollama lo usa quando esegui modelli su Mac. Il leak documentato nella issue collegata alla release era ricorrente: la cache dei modelli MLX non rilasciava memoria fra le richieste, e ogni nuova richiesta aggiungeva allocazione senza liberare quella precedente.

Su un agente che lavora per ore, questo significava crescita costante della RAM fino a swap o crash. La 0.32.1 risolve il leak e migliora le performance degli snapshot della cache, il che si traduce in caricamenti modello più veloci dopo la prima esecuzione.

Gemma 4 e tool calling: il problema delle continuazioni.

Gemma 4 è uno dei modelli open-weight che Ollama supporta per tool calling. Il problema risolto qui riguardava i ragionamenti multi-turno con strumenti: il modello chiama un tool, riceve la risposta, e deve continuare il ragionamento incorporando quella risposta. In alcuni casi, la continuazione si rompeva: il modello perdeva il contesto della chiamata precedente o non integrava la risposta nel passo successivo.

La release note dice “more reliable tool-response continuations”, e questa è la frase chiave per chi costruisce agenti: se il tuo workflow prevede più chiamate tool concatenate, questo fix riduce i casi in cui l’agente “dimentica” cosa ha appena fatto.

Le altre correzioni.

OLLAMA_LOAD_TIMEOUT ora funziona anche per i modelli MLX: prima era ignorato, il che creava timeout inaspettati su modelli grandi. E gli agenti con capacità di ricerca web o fetch ora segnalano esplicitamente quando serve ollama signin, invece di fallire con un errore generico. Dettagli piccoli, ma chi ha debuggato un agente sa quanto conta un messaggio di errore che dice la cosa giusta.

Implicazioni per chi usa agenti in locale.

Se esegui agenti su Ollama in contesti dove stabilità e memoria contano (per esempio un agente che monitora feed o processa file per ore), la 0.32.1 è l’upgrade che toglie il rischio di fallimento silenzioso. Non è una release che aggiunge feature: è una release che rende affidabile quello che 0.32 prometteva.

Per chi valuta se portare un agente in self-hosted, questa è una buona notizia: il runtime locale più diffuso sta maturando sui casi d’uso agentici veri, non solo sulle demo.