Ollama, dwuosobowy startup znany ze zrobienia dla AI lokalnego tego, co Docker zrobił dla kontenerów chmurowych, zamknął 9 lipca 2026 roku rundę Series B wartości 65 mln dol. (ok. 260 mln zł) prowadzoną przez Theory Ventures. Łączne finansowanie firmy wynosi teraz 88 mln dol. Projekt, który zaczynał jako niszowe narzędzie dla badaczy, wyrósł na infrastrukturę codziennej pracy blisko 9 milionów programistów miesięcznie.
Najważniejsze w skrócie
- Runda Series B: 65 mln dol. prowadzona przez Theory Ventures
- Łączne finansowanie: 88 mln dol. (wcześniej 15 mln dol. Series A od Benchmark Partners)
- Aktywni użytkownicy: 8,9 mln programistów miesięcznie
- Obecność w 85% firm z Fortune 500
- Repozytorium GitHub: 176 000 gwiazdek, prawie 17 000 forków
Docker dla lokalnych modeli AI
Jeff Morgan i Michael Chiang, założyciele Ollamy, mają w branży narzędzi dla programistów dobrze udokumentowane doświadczenie: obaj współbudowali Docker Desktop i przyszli do Dockera razem z poprzednim startupem Kitematic. Ten kontekst tłumaczy, dlaczego ich podejście do lokalnego AI od początku stawiało na prostotę uruchamiania, a nie na parametry modeli.
Kiedy w 2023 roku pierwsze modele open-weight zaczęły wychodzić poza środowisko badawcze, były trudne w obsłudze. Wymagały konfiguracji środowisk CUDA, ręcznego zarządzania zależnościami i rozumienia formatów kwantyzacji. Ollama sprowadziła to do jednej komendy w terminalu — i szybko stała się domyślnym środowiskiem testowym dla każdego, kto chciał uruchomić Llama, Mistral czy Gemma lokalnie, bez wysyłania danych do zewnętrznego API.
To, co Jeff i Michael zbudowali z Dockerem, jest używane przez ponad 10 milionów programistów każdego dnia. Zdolność do stworzenia produktu osiągającego taką powszechność wśród deweloperów jest niezwykle rzadka.
Peter Fenton, Benchmark Partners — inwestor i członek zarządu Ollamy.
Biznes: nie tylko darmowe oprogramowanie
Ollama buduje przychody na dwóch wzajemnie wzmacniających się warstwach. Pierwsza to darmowa aplikacja desktopowa — nadal rozwijana bez zmian w zakresie licencjonowania, odpowiedzialna za bazę użytkowników. Druga to usługa chmurowa, gdzie Ollama hostuje większe modele wymagające sprzętu klasy datacenter. Rozliczenie odbywa się według czasu GPU, nie limitów tokenów — co w praktyce oznacza bardziej przewidywalne koszty dla zespołów deweloperskich.
Momentem przełomowym dla modelu biznesowego okazał się styczeń 2026, kiedy popularne stały się agentyczne narzędzia kodowania oparte na modelach open-weight. Jak tłumaczy Morgan: duże otwarte modele „nagle stały się zdolne do zadań agentycznych, takich jak kodowanie. Widzieliśmy eksplozję asystentów jak OpenClaw i ideę, że otwarte modele mogą wykonywać prawdziwą pracę". To przesunęło użytkowników od eksperymentowania do produkcji — i uruchomiło zapotrzebowanie na chmurową warstwę Ollamy.
Ekosystem open-source AI jako nowa klasa startupów
Wzrost Ollamy ilustruje szerszy trend: projekty open-source, które dotychczas były finansowane przez granty lub wsparcie firm sponsorujących, zaczynają budować samodzielne spółki z venture capital. W tym samym segmencie działają Inferact (twórca vLLM) i RadixArk (SGLang) — oba rozwijające open-source'owe silniki wnioskowania dla dużych modeli językowych.
Fenton ocenia ten trend optymistycznie: „To nie jest albo-albo" w kwestii otwartych kontra zamkniętych modeli. Każda firma z wysokimi kosztami inference ma według niego „żywotny projekt egzystencjalny" polegający na migracji codziennych operacji do otwartych modeli, przy zachowaniu dostępu do zamkniętych — jak modele Anthropic — dla zadań wymagających frontier capabilities.
Nie wszyscy fani Ollamy są zadowoleni z komercjalizacji projektu. Około roku temu na platformach dyskusyjnych pojawił się ruch nazywający nowe plany subskrypcyjne „enshittification" narzędzi deweloperskich. Morgan broni komercyjnej warstwy jako naturalnego rozszerzenia misji: największe modele są „zbyt duże, żeby uruchomić je na własnym komputerze", więc Ollama pomaga w znalezieniu odpowiedniego compute.
Dlaczego to ważne?
Runda o wartości 65 mln dol. dla startupu z 14 pracownikami i 8,9 mln aktywnych użytkowników miesięcznie pokazuje, że infrastruktura lokalna AI ma konkretną wartość biznesową — niezależnie od dyskusji o tym, czy frontier models pozostaną zamknięte. Ollama zajmuje pozycję między producentami open-weight modeli (Meta, Mistral, Google) a końcowymi użytkownikami, oferując coś prostego: uruchamiasz, co chcesz, tam gdzie chcesz, bez danych wysyłanych na zewnątrz.
Dla przedsiębiorstw to argument compliance i kontroli kosztów jednocześnie. Dane zostają w infrastrukturze klienta, koszt jest przewidywalny, a zależność od jednego dostawcy API znika. To wyjaśnia, dlaczego narzędzie obecne w 85% Fortune 500 wygenerowało zainteresowanie na poziomie Series B, mimo że jego główny produkt jest i pozostaje bezpłatny.
Dla ekosystemu modeli open-source to sygnał, że warstwa dystrybucji — nie tylko same modele — ma odrębną wartość. Narzędzia, które sprawiają, że open-weight AI jest łatwe we wdrożeniu, mogą budować trwałe biznesy nawet bez kontroli nad wagami modeli.
Co dalej?
- Ollama zapowiedziała ekspansję warstwy chmurowej — dostęp do większych modeli z nowych regionów geograficznych (US, Europa, Singapur są już dostępne według strony produktu).
- Przyspieszone przejście enterprise'ów do open-weight modeli dla codziennego inference — tendencja wspomniana wprost przez inwestora Fentona jako napęd biznesu — będzie zwiększać ruch na platformie chmurowej.
- Konkurencja w segmencie open-source inference (vLLM, SGLang, LM Studio) będzie wymuszać dalsze inwestycje w Developer Experience i szybkość uruchamiania modeli.
