Ollama v0.40.7-rc0 预发布：非思考模型兼容 Responses effort，PPLX Decider 1.2 上车
Ollama 于 10 月 18 日挂出 v0.40.7 的首个预发布版 v0.40.7-rc0（预发布标志仍挂着，正式版截至 10 月 19 日晚尚未发布）。版本只有三项改动，但第一项直指本地 agent 工作流的高频翻车点：非思考模型不再因为客户端残留的 effort 参数整轮报错。
场景：切个模型，agent 就「翻车」
Ollama 自 v0.13.3 起支持 OpenAI Responses API（POST /v1/responses），并支持其中的 reasoning.effort 参数（思考力度，支持模型自定义档位与 minimal/xhigh/ultra 等兼容别名，可用 /api/show 查各模型支持的值）。问题出在「切换模型」这个动作上：
ChatGPT 桌面后端这类 Responses 客户端，会把用户选过的 reasoning.effort 保持在会话配置里。当你从思考模型（比如 qwen3 系列）切到非思考模型（比如 llama3.2），客户端仍把上一轮保存的 effort: high 原样发来——旧版 Ollama 直接拒绝这一轮请求，返回 does not support thinking。对「统一参数打满模型池」的 agent 调用方来说，思考/非思考模型混用必炸，只能靠调用侧自己擦参数。
rc0 的新语义：残留 effort 忽略并警告，显式设置仍严格
修复本体很小（middleware +11 行、routes +6 行），语义却划得很清楚：仅当请求没有显式带 Ollama 自家的 think 参数时，落到非思考模型上的 effort 才被「放宽」——服务端记一条警告（model does not support thinking, relaxing thinking to nil），请求照常放行。官方新增的测试用例给出了完整行为矩阵：
| 请求（打到非思考模型） | v0.40.7-rc0 行为 |
|---|---|
只带 reasoning.effort: "high"（无 think） |
200 放行，effort 忽略＋记警告 |
显式 think: true（另带 effort=none） |
仍 400：does not support thinking |
显式 think: false（另带 effort=high） |
200 放行 |
effort: "future"（非法值） |
仍 400：invalid reasoning value |
curl 示例（rc0 起不再报错）：
curl http://localhost:11434/v1/responses -d '{
"model": "llama3.2",
"input": "用一句话介绍你自己",
"reasoning": { "effort": "high" }
}'
两个边界值得注意：其一，这个放宽只作用于 Responses 端点——原生 API 与 Chat Completions 的行为、布尔与命名档位的解析规则全部不变；其二，显式 think 覆盖的优先级与校验原样保留，想让错误继续兜底（严格模式）仍可用显式参数表达。另外 PR 顺带把 Responses 内建 web-search 的后续轮次对齐到已解析的 think 值，避免同一次响应里前后轮行为不一致。
同批上车：投机草稿自动识别＋PPLX Decider 1.2
- 投机解码更省心：llama-server 本就能自动探测大多数 drafting（草稿）模型，rc0 起 Ollama 只对探测不了的类型显式传
--spec-type——目前只剩 MTP sidecar 与 Eagle3 两类。配投机解码的「填参数」成本进一步下降。 - PPLX Decider 1.2 进 MLX：本期改动量最大的 PR（+1498/-88、29 个文件）。pplx-decider 是 Perplexity 基于 Qwen3.8-27B 微调的 27B 决策模型，官方库页已挂出
27b-mlx-bf16、27b-mxfp8等标签，要求最低版本 0.40.7；PR 注明 manifest 列表尚未建全，待正式版补齐。
什么时候能用
v0.40.7-rc0 目前在 GitHub Releases 挂预发布标记，正式版 v0.40.7 截至本文发布（10 月 19 日晚）尚未挂出。不着急的等转正，急用可直接下 rc0 二进制；预发布版本，生产环境照例先旁路验证。