Ollama 0.40.16 ajusta Responses API y reduce memoria en Apple Silicon para Qwen3.8 Flash Next

Ollama ha publicado la versión estable 0.40.16 con ajustes que afectan tanto a la compatibilidad de su API como a instalaciones locales en equipos Apple. El cambio más claro para integradores está en el endpoint /v1/responses: el registro oficial indica que ahora respeta el parámetro truncation y que deja de truncar de forma silenciosa por defecto. La misma entrega corrige un detalle de contrato en /v1/models: cuando no hay modelos instalados, la respuesta pasa a ser una lista vacía en lugar de null.

La publicación también atribuye a Qwen3.8 Flash Next un ahorro aproximado de 27 GiB de memoria en Apple Silicon. La nota no presenta esa cifra como una garantía universal de memoria para cualquier modelo ni para todos los equipos: está vinculada expresamente a ese modelo y a esa plataforma. Por ello, el dato sirve como señal para quienes operan esa combinación, pero no sustituye una medición con el tamaño de contexto, la cuantización, la versión de macOS y la carga reales de cada instalación.

Además, Ollama declara soporte de CUDA 13.5 para Windows on ARM y una actualización de llama.cpp. La lectura práctica de Signalia es que 0.40.16 puede interesar por dos razones distintas: reduce sorpresas para clientes que consumen los endpoints compatibles y abre una posible mejora de huella de memoria para un caso concreto de Apple Silicon. Antes de actualizar un servicio en producción, conviene probar las respuestas de /v1/responses con y sin truncation, verificar cómo maneja el cliente la lista vacía de /v1/models y comparar memoria y estabilidad con los modelos y parámetros que se usan de verdad.