Ollama собрала $65 млн: Docker для ИИ покоряет 9 млн разработчиков

Когда 14 человек делают инструмент для 9 миллионов

Есть стартапы, которые нанимают сотни людей и едва набирают тысячу активных пользователей. А есть Ollama — команда из 14 сотрудников, которая обслуживает 8,9 миллиона разработчиков ежемесячно и только что закрыла раунд Series B на $65 миллионов под руководством Theory Ventures. Суммарно компания подняла $88 млн — с учётом предыдущего раунда Series A на $15 млн от Benchmark.

Цифры выглядят почти неприлично хорошо для продукта, который существует всего три года. На GitHub у Ollama 176 000 звёзд и почти 17 000 форков — это уровень проектов, которые становятся инфраструктурным стандартом. Примерно как когда-то Docker.

Docker для ИИ — это не метафора, это биография

Основатели Ollama Джефф Морган и Майкл Чан — не новички в этой игре. Они построили Kitematic, который потом купил Docker, и именно там помогли создать Docker Desktop. Если вы хоть раз запускали контейнер одной командой вместо того, чтобы час настраивать окружение — вы знаете, что они умеют делать.

С Ollama история повторяется, но уже в мире ИИ. В 2023 году открытые модели — LLaMA, Mistral, Falcon — существовали, но запустить их на своём ноутбуке было квестом для терпеливых: CUDA, зависимости, конфликты версий, часы настройки. Ollama превратила это в одну команду в терминале. `ollama run llama3` — и через минуту у тебя локальный языковой ассистент без облака, без API-ключей и без счёта от OpenAI в конце месяца.

Для разработчиков это не просто удобство — это принципиально другая модель работы. Прототипировать можно офлайн, данные не покидают машину, задержки минимальны.

Почему именно сейчас взлетел бизнес

Морган называет поворотным моментом январь этого года, когда крупные открытые модели научились выполнять агентные задачи — прежде всего написание кода. Это не просто техническое улучшение: это смена сценария использования. Разработчик больше не выбирает между «умная закрытая модель» и «бесплатная, но слабая открытая». Сегодня Qwen, DeepSeek, Llama 4 на локальном железе могут закрыть 80-90% повседневных задач — и Ollama стала для этого главным шлюзом.

Петер Фентон из Benchmark, который вёл предыдущий раунд и сидит в совете директоров, формулирует точно: у каждой компании с высокими расходами на инференс есть «жизненно важный экзистенциальный проект» — перейти на открытые модели. Это не тренд, это экономика.

При этом Фентон настаивает: открытые и закрытые модели — не конкуренты в формате «одна победит». Anthropic Claude и GPT-4o останутся востребованы для задач, где качество критично и цена вторична. Но рутинный инференс — кодогенерация, суммаризация, классификация — массово уходит на открытые веса. И Ollama здесь на правильной стороне истории.

Бизнес-модель: GPU-время вместо токенов

Отдельно хочу выделить умный ход с монетизацией. Ollama предлагает несколько уровней подписки — от бесплатного до $100 в месяц — для доступа к более крупным моделям, которые компания хостит в своём облаке. Но главное отличие от конкурентов: тарификация идёт по GPU-времени, а не по токенам.

Для разработчика это психологически и экономически честнее. Ты платишь за вычислительный ресурс, который реально используешь, а не за абстрактные единицы текста. Сравните с Anthropic API или OpenAI — там счётчик токенов тикает постоянно, и большие контексты бьют по кошельку непредсказуемо.

Конкуренты и экосистема

Ollama существует не в вакууме. Рядом строится целый кластер open-source инфраструктурных компаний: Inferact с vLLM, RadixArk с SGLang — оба занимаются серверным инференсом, но ориентированы скорее на production-деплой в облаке, а не на десктоп. LM Studio — прямой конкурент Ollama для локального запуска, но с GUI и меньшей популярностью в среде CLI-ориентированных разработчиков.

Оllama выигрывает за счёт простоты и экосистемы: Modelfile как концепция напоминает Dockerfile, что мгновенно понятно любому, кто работал с контейнерами. Плюс нативная интеграция с LangChain, LlamaIndex, Open WebUI — инструмент стал стандартным кирпичом в большинстве локальных AI-стеков.

Для российских пользователей

Ollama — полностью open source, репозиторий на GitHub доступен без ограничений. Установить и запускать модели локально можно без VPN, без иностранных карт и без регистрации вообще. Это один из немногих AI-инструментов, где санкционные ограничения просто не существуют как понятие: всё работает на вашем железе.

Облачные подписки технически требуют оплаты — здесь могут быть сложности с картами. Но для большинства задач бесплатный локальный режим покрывает всё необходимое.

Что дальше

Привлечённые $65 млн — серьёзная ставка на то, что локальный ИИ-инференс станет такой же стандартной практикой, как сегодня контейнеризация. Я в это верю. Три года назад запустить GPT-подобную модель локально было уделом энтузиастов с мощными GPU. Сегодня Llama 3.2 на MacBook Air запускается за 30 секунд и отвечает быстрее, чем грузится страница веб-интерфейса ChatGPT.

Ollama сделала правильную ставку в правильное время. Теперь у неё есть деньги, чтобы закрепить позицию до того, как BigTech решит, что этот рынок тоже нужно монополизировать.