Ollama 0.40.13: LFM3 Jalan di Linux dan Windows, Plus Endpoint Suara

Ollama 0.40.13 dirilis 28 Oktober 2026 dan membawa keluarga model LFM3 dari Liquid AI bisa dijalankan di Linux serta Windows, tidak lagi hanya di perangkat Apple silicon. Rilis itu menyusul 0.40.12 pada 27 Oktober 2026 yang memperkenalkan lfm3 sebagai model teks 1.7B dengan jendela konteks 256 ribu token, dan 0.40.11 pada 24 Oktober 2026 yang menambahkan pembangkitan suara di macOS lewat endpoint yang kompatibel dengan /v1/audio/speech.

Apa yang sebenarnya bertambah di Ollama 0.40.13?

Yang bertambah adalah dukungan platform untuk LFM3: model itu sekarang berjalan di Linux dan Windows selain Apple silicon. Isi modelnya tidak berubah, jadi yang berubah adalah siapa yang bisa memakainya tanpa perangkat Apple.

Catatan rilis 0.40.12 menyebut dukungan untuk LFM3 dan d1 ukuran 2B masih terbatas pada perangkat Apple, dengan keterangan bahwa dukungan Linux dan Windows menyusul. Rilis 0.40.13 memenuhi janji itu untuk keluarga LFM3, termasuk varian audio dan omni yang membutuhkan jalur pemrosesan suara.

Bagi pengguna yang menjalankan Ollama di server Linux kecil, ini perubahan yang praktis. Sebelumnya model keluarga ini hanya bisa diuji di laptop Apple, sehingga pengujian beban dan pengujian integrasi di server tidak mewakili kondisi nyata.

Apa beda lfm3, lfm3-vl, lfm3-audio, dan lfm3-omni?

Keempatnya memakai basis model yang sama, dengan tambahan jalur masukan berbeda. lfm3 murni teks, lfm3-vl menambahkan pemahaman gambar, lfm3-audio menambahkan suara, dan lfm3-omni menggabungkan teks, gambar, dan audio dalam satu model.

Varian	Masukan	Kemampuan yang disebut di catatan rilis	Cocok untuk
lfm3	Teks	Model teks 1.7B dengan konteks 256 ribu token	Pemrosesan dokumen panjang, agen lokal, pemanggilan tool
lfm3-vl	Teks dan gambar	Menambahkan pemahaman gambar	Membaca tangkapan layar, dokumen hasil pindai
lfm3-audio	Teks dan audio	Pengenalan suara, penerjemahan, dan text-to-speech untuk 18 bahasa	Transkripsi, penerjemahan audio, suara balasan
lfm3-omni	Teks, gambar, audio	Ketiganya dalam satu model	Alur campuran yang tidak mau mengelola beberapa model

Tabel itu menjelaskan pilihan praktisnya. Kalau kebutuhan hanya teks, varian dasar sudah cukup dan paling ringan. Kalau butuh membaca gambar sesekali, lfm3-vl lebih murah daripada memelihara dua model sekaligus. Varian omni masuk akal ketika alurnya memang mencampur modalitas, karena mengelola beberapa model terpisah menambah kerumitan operasional.

Angka 1.7B dan 256 ribu token konteks adalah dua hal berbeda yang sering dicampur. Jumlah parameter menentukan ukuran model dan biaya komputasi, sedangkan konteks menentukan berapa banyak teks yang bisa diperhatikan dalam satu permintaan. Model kecil dengan konteks besar berguna untuk membaca dokumen panjang, tapi tidak otomatis menjadi model yang pintar.

Bagaimana text-to-speech dipakai lewat endpoint yang kompatibel OpenAI?

Dengan mengirim permintaan ke endpoint /v1/audio/speech pada server Ollama lokal, dan aplikasi menerima audio sebagai streaming. Catatan rilis 0.40.11 menyebut kemampuan ini tersedia di macOS, termasuk ketika perintah ollama run memutar jawaban model sebagai suara.

Untuk uji cepat, catatan rilis memberi contoh menjalankan model suara langsung dari terminal, lalu memutar teks yang diberikan sebagai audio. Untuk integrasi aplikasi, jalur yang dipakai adalah endpoint yang kompatibel dengan pola OpenAI, sehingga pustaka klien yang sudah ada bisa diarahkan ke server lokal dengan mengubah alamat dasar.

Yang perlu dipahami: kompatibel di sini berarti bentuk permintaan dan bentuk respons mengikuti pola yang sama, bukan berarti semua parameter identik. Fitur yang tidak disebut di dokumentasi kemampuan suara sebaiknya diuji dulu sebelum diandalkan di produksi, terutama untuk bahasa Indonesia yang pemakaiannya berbeda dari bahasa utama model.

Untuk kebutuhan produksi di server, ada satu batasan yang harus dicatat: pada catatan rilis 0.40.11, pembangkitan suara disebut untuk macOS. Rilis 0.40.13 memperluas dukungan platform untuk keluarga LFM3, tetapi pembaca yang membutuhkan TTS di server Linux sebaiknya memeriksa sendiri di versi yang dipasang, bukan menganggapnya sudah ada.

Untuk apa model keputusan d1 dan d3 dipakai?

Untuk memutuskan, bukan untuk mengarang. Model ini menerima teks, keadaan terstruktur, atau gambar, lalu diminta mengklasifikasi, menjawab ya atau tidak, atau memberi skor probabilitas pada beberapa opsi.

Catatan rilis 0.40.11 menyebut keluarga d3 berukuran 2B, 4B, 9B, dan 27B, dengan contoh pemakaian berupa pertanyaan tertutup terhadap sebuah teks. Catatan rilis 0.40.12 menambahkan d1 ukuran 2B yang dibangun di atas LFM3, beserta d1-omni yang menerima audio.

Pola pemakaiannya berbeda dari model generatif biasa. Alih-alih meminta jawaban panjang, pemanggil memberi satu pertanyaan tertutup dan memakai hasilnya sebagai nilai boolean atau label. Untuk pipeline yang butuh penjaga kualitas, pola ini jauh lebih murah daripada meminta model besar menilai sesuatu dengan paragraf, karena hasilnya langsung bisa diproses kode.

Apa yang perlu dipertimbangkan sebelum memakai model kecil di server sendiri?

Tiga hal: memori yang dipakai saat konteks panjang, mutu pada bahasa target, dan cara mengukur hasilnya. Model 1.7B dengan konteks 256 ribu token tidak berarti seluruh konteks itu gratis; pemakaian memori naik seiring panjang masukan, dan itu harus diukur di mesin yang sebenarnya.

Mutu pada bahasa Indonesia adalah variabel yang tidak bisa diasumsikan dari ukuran model. Model kecil yang dilatih dengan komposisi data tertentu bisa sangat baik pada satu tugas dan lemah pada tugas lain. Karena itu, pengujian dengan contoh nyata dari domain sendiri lebih menentukan daripada benchmark umum.

Cara mengukur yang paling praktis adalah membuat kumpulan kecil kasus uji dengan jawaban yang sudah diketahui, lalu menjalankan tiga model berbeda pada kumpulan itu. Perbandingan pada data sendiri memberi gambaran yang lebih jujur daripada membandingkan angka benchmark dari halaman model.

Untuk VPS kecil, satu hal teknis sering jadi penghalang: proses pemuatan model memakan memori lebih besar dari ukuran berkasnya, karena konteks dan cache ikut dialokasikan. Menjalankan model sambil melayani aplikasi lain di mesin yang sama perlu perhitungan, bukan asumsi bahwa model 1.7B pasti ringan.

Selain itu, simpan versi model di catatan. Model dengan nama sama bisa diperbarui, dan perubahan kecil pada bobot cukup untuk mengubah hasil pada kasus pinggir. Tanpa pencatatan versi, hasil pengujian lama tidak bisa dibandingkan dengan hasil baru.

Apakah rilis sesering ini perlu selalu diikuti?

Tidak. Ollama merilis beberapa kali dalam sepekan, misalnya 0.40.11 pada 24 Oktober, 0.40.12 pada 27 Oktober, dan 0.40.13 pada 28 Oktober 2026. Mengikuti setiap rilis hanya masuk akal kalau ada fitur yang memang dibutuhkan, atau kalau ada perbaikan yang menyentuh masalah yang sedang dihadapi di server sendiri.

Kebiasaan yang lebih sehat: pantau halaman rilis resmi, baca catatan perubahan, lalu putuskan berdasarkan dua pertanyaan. Apakah ada perbaikan yang menyentuh masalah yang sedang dihadapi, dan apakah ada model baru yang mengubah keputusan teknis. Kalau dua jawabannya tidak, melewatkan satu rilis bukan masalah.

Yang perlu dihindari justru sebaliknya: memasang versi terbaru tanpa catatan, lalu menemukan perilaku berubah saat sedang menangani insiden. Menyimpan nomor versi yang dipakai setara pentingnya dengan menyimpan versi model.

Bagaimana memutuskan pindah ke LFM3 atau tetap di model yang sudah jalan?

Pindah kalau ada satu kebutuhan yang belum terpenuhi, misalnya konteks panjang, masukan audio, atau klasifikasi cepat dengan model kecil. Tetap di model lama kalau kebutuhan itu sudah tercakup, karena setiap perpindahan menambah pekerjaan pengujian.

Catatan rilis 0.40.12 menyebut LFM3 dirancang untuk agen lokal, pemanggilan tool, dan keluaran terstruktur, di atas arsitektur tri-hybrid Liquid AI. Tiga kata kunci itu menjelaskan posisi model ini: bukan model untuk menulis esai panjang, melainkan model untuk mengambil keputusan terstruktur di dalam alur yang dikendalikan kode.

• Butuh keluaran JSON yang konsisten untuk diproses program: uji dulu pada kasus nyata, jangan mengandalkan deskripsi model.
• Butuh membaca dokumen sangat panjang: 256 ribu token konteks berguna, tapi ukur memori dan waktu prosesnya di mesin sendiri.
• Butuh suara: periksa dukungan platform di versi yang dipasang sebelum menjadikannya bagian dari alur produksi.
• Butuh klasifikasi atau penilaian opsi: model keputusan d1 dan d3 lebih murah daripada model generatif untuk tugas yang sama.

Perbandingan yang jujur selalu dilakukan pada data sendiri. Mengambil tiga puluh contoh dari pekerjaan nyata, menjalankan model lama dan model baru pada contoh itu, lalu membandingkan jumlah jawaban yang benar, jauh lebih berguna daripada membaca tabel benchmark di halaman model.

Terakhir, pertimbangkan biaya operasionalnya. Menjalankan satu model tambahan berarti satu proses tambahan yang memuat bobot ke memori, dan pada VPS kecil itu bisa memaksa model lain dikeluarkan dari cache. Kalau dua model tidak bisa hidup bersamaan, pilihannya bukan soal mutu saja, tapi soal jadwal pemakaian.

FAQ

Apakah LFM3 bisa dijalankan di Linux sekarang?

Bisa, sejak Ollama 0.40.13 yang dirilis 28 Oktober 2026. Sebelumnya dukungan untuk keluarga model ini terbatas pada perangkat Apple silicon, dan rilis itu memperluasnya ke Linux serta Windows.

Berapa ukuran model lfm3 dan berapa konteksnya?

Model teksnya berukuran 1.7B parameter dengan jendela konteks 256 ribu token, sesuai catatan rilis Ollama 0.40.12. Varian lain memakai basis yang sama dengan tambahan jalur masukan gambar atau audio.

Apakah endpoint /v1/audio/speech bisa dipakai di server Linux?

Catatan rilis 0.40.11 menyebut pembangkitan suara untuk macOS. Rilis berikutnya memperluas dukungan platform untuk LFM3, jadi kemampuan suara di Linux sebaiknya diuji langsung pada versi yang dipasang.

Di mana daftar model LFM3 bisa dilihat?

Di pustaka model Ollama pada halaman ollama.com/library/lfm3, yang memuat varian teks, visi, audio, dan omni beserta perintah untuk menjalankannya.