Раунд финансирования и ключевые факты

Популярный open-source инструмент для разработчиков искусственного интеллекта Ollama привлёк $65 млн в рамках раунда Series B. Раунд возглавила инвестиционная компания Theory Ventures, основатель и генеральный директор Ollama Джефф Морган сообщил об этом TechCrunch. Предыдущий раунд Series A на $15 млн был возглавлен Питером Фентоном из Benchmark. Общий объём привлечённых средств составил $88 млн.

Ollama была запущена в 2023 году и за три года выросла до 8,9 млн ежемесячных пользователей при штате всего 14 человек. Платформа набрала 176 000 звёзд и почти 17 000 форков на GitHub, а её используют 85% компаний из списка Fortune 500.

Что такое Ollama и почему это важно для разработчиков

Ollama позволяет разработчикам запускать модели с открытыми весами на собственных компьютерах — процесс настройки занимает считанные минуты. Сервис получил восторженные отзывы на countless тренировочных площадках, в видео, блогах и социальных сетях.

Помимо локального запуска, Ollama предоставляет возможность искать модели и получать доступ к более крупным и сложным вариантам через собственный neocloud по нескольким подписочным тарифам — от бесплатного до $100 в месяц. Важная особенность платформы: она отслеживает использование по времени работы GPU, а не по лимитам токенов.

От Docker к ИИ: эволюция бизнес-модели

Сооснователи Ollama Джефф Морган и Майкл Чианг ранее участвовали в создании Docker Desktop. Они пришли в Docker после того, как компания приобрела их стартап Kitematic. Docker создаёт контейнеры, упрощающие перенос облачных приложений между платформами и от десктопа в облако, абстрагируя проблемы аппаратной конфигурации. По сути, Ollama сделала для ИИ то же самое, что Docker и Docker Desktop сделали для облака.

«Open-модели начали появляться в 2023 году, но они были крайне сложны в использовании», — вспоминает Морган. — «Тогда они были ориентированы на исследователей, а не на программистов. В результате запустить их было очень сложно».

Около года назад часть сообщества выразила недовольство тем, что облачный бизнес Ollama отвлекает внимание от бесплатного проекта, и назвала платформу примером так называемой «enshittification» — деградации dev-инструментов ради монетизации. Однако Морган рассматривает облачный сервис как эволюцию миссии open-source проекта: передовые крупные модели зачастую «слишком велики, чтобы запускать их на собственном компьютере, поэтому мы решили помочь найти вычислительные ресурсы для этого».

Открытые и закрытые модели: не вопрос «или — или»

По словам Моргана, переломным моментом для Ollama как бизнеса стал январь 2026 года, когда на волну популярности вышла модель OpenClaw. Крупные open-модели «внезапно стали способны выполнять агентные задачи, такие как написание кода». Появление ассистентов вроде OpenClaw продемонстрировало, что открытые модели способны решать реальные рабочие задачи.

С тех пор индустрия активно обсуждает тренд, при котором платящие пользователи — особенно крупные предприятия и быстрорастущие стартапы AI-уровня — всё чаще обращаются к более доступным открытым моделям, резервируя закрытые решения вроде Anthropic для случаев, когда они действительно необходимы.

«Я до сих пор считаю, что именно здесь большинство дискуссий ошибается. Это не вопрос „или — или“», — считает Фентон. По его мнению, бизнесу хватит места для обоих типов моделей. Однако каждая компания с высокими расходами на вывод моделей (inference) имеет «жизненно важный экзистенциальный проект», толкающий её к переходу на модели с открытыми весами.

Экосистема open-source ИИ: Ollama в контексте

Ollama — не единственный пример того, как открытые ИИ-проекты превращаются в компании, привлекающие инвестиции VC. Существуют open-source провайдеры инференса: Inferact (создатель vLLM) и RadixArk (создатель SGLang). Есть OpenClaw и её альтернативы, такие как NanoClaw. Есть даже крошечные стартапы, создающие собственные открытые модели с нуля, например Arcee.

Член совета директоров Ollama Питер Фентон подчеркнул: «Ничего не изменилось в основном продукте, который остаётся бесплатным на десктопе. Принцип „это место, где вы можете находить и запускать локальные модели“ — нулевых изменений не было».