Ollama 0.34 เสียบโมเดลโลคัลเข้า ChatGPT Desktop — ครบทั้งสามแอปเดสก์ท็อปของค่ายใหญ่ในสี่เดือน โดยไม่มีดีลกับใครสักราย
Ollama ปล่อย v0.34.0-rc1 เมื่อ 5 ก.ย. 23:49 UTC หัวข้อแรกของ release note คือ “Use Ollama models in ChatGPT Desktop” — เลือกโมเดลที่รันอยู่ในเครื่องคุณจากในแอป ChatGPT Desktop ได้โดยตรง ตั้งค่าจากแอป Ollama บน macOS
รายละเอียดที่สำคัญกว่าตัวประกาศอยู่ในคำอธิบายของ PR #18236 ที่ merge เมื่อ 4 ก.ย. 21:04 UTC: การเชื่อมนี้ ใช้โปรไฟล์ ChatGPT/Codex เดิม เพื่อให้ผู้ใช้ “คุยต่อจากแชทเดิมได้ และใช้ plugin, MCP และ skills ที่ตั้งค่าไว้แล้ว” พูดอีกอย่างคือมันไม่ใช่การเปิดหน้าต่างแชทใหม่ที่ต่อกับ localhost แต่คือการสลับ ตัวโมเดล ออกจากใต้ฮาร์เนสที่คุณตั้งค่าไว้แล้วทั้งชุด โดยที่เครื่องมือรอบตัวยังอยู่ครบ
สามแอป สี่เดือน ไม่มีดีลสักราย
นี่คือแอปเดสก์ท็อปตัวที่สามของค่ายโมเดลใหญ่ที่ Ollama เสียบตัวเองเข้าไปได้:
| วันที่ | รุ่น | สิ่งที่เพิ่ม |
|---|---|---|
| 14 พ.ค. 2026 | v0.24.0 | รองรับ Codex App ของ OpenAI ผ่าน ollama launch codex-app |
| 25 ส.ค. 2026 | (บล็อก) | รองรับ Claude Desktop ของ Anthropic ในฐานะ gateway provider |
| 5 ก.ย. 2026 | v0.34.0-rc1 | รองรับ ChatGPT Desktop บน macOS |
จุดที่ควรสังเกตคือไม่มีรายการไหนเป็นความร่วมมือทางธุรกิจ วิธีที่ Ollama ทำคือ implement รูปแบบ API ของอีกฝ่าย จนแอปของอีกฝ่ายมองมันเป็นผู้ให้บริการโมเดลรายหนึ่ง — และเมื่อทั้ง OpenAI และ Anthropic ต่างเปิดช่องให้ผู้ใช้ชี้แอปตัวเองไปยัง endpoint อื่นได้ ช่องนั้นก็ใช้ชี้กลับมาที่เครื่องของผู้ใช้เองได้เช่นกัน
ผลลัพธ์ในทางปฏิบัติคือเส้นแบ่งระหว่าง “แอปของค่าย” กับ “โมเดลของค่าย” กำลังหลุดออกจากกัน สิ่งที่คนจ่ายเงินให้จริงในปี 2026 คือฮาร์เนส — ประวัติแชท ระบบ permission ตัวจัดการ MCP กับสกิล การเชื่อมกับ IDE — ไม่ใช่น้ำหนักโมเดล และตอนนี้ฮาร์เนสเหล่านั้นรับโมเดลเปิดที่รันในแล็ปท็อปได้แล้วสามในสามตัว
ของอื่นในรุ่นนี้ที่ไม่ได้ขึ้นพาดหัว
รุ่นนี้มี 10 commit และอีกครึ่งหนึ่งเป็นงานไล่ตามพื้นผิว API ฝั่ง OpenAI:
openai: add client tool search support(#18223) — รองรับ tool search สำหรับ Responses APIopenai: add Codex compaction support(#18224) — เพิ่ม endpoint compaction ที่เข้ากันได้กับ OpenAIopenai: preserve images through response compaction(#18245) — ทำให้ภาพไม่หายเมื่อผ่าน compactionapp: route Codex auto review through selected model(#18246) — ให้ auto review ของ Codex วิ่งผ่านโมเดลที่เลือกไว้จริงapp: harden Codex desktop proxy handling(#18244)
ฝั่งเอนจิน MLX บน Apple Silicon มีสองงานที่ต่อกัน: compile structured output เป็น xgrammar structural tags และเปิด speculative decoding ให้ทำงานร่วมกับ structured output ได้ ซึ่งเป็นคู่ที่เดิมมักชนกัน — ใครที่ดึง JSON แบบมี schema จากโมเดลโลคัลบน Mac ควรวัด throughput ใหม่หลังอัปเดต
สิ่งที่ควรพูดให้ชัด: v0.34.0-rc1 เป็น prerelease ไม่ใช่รุ่นเสถียร ณ เวลาที่เขียน รุ่นเสถียรล่าสุดคือ v0.33.3 (2 ก.ย.) และการเชื่อม ChatGPT Desktop ประกาศไว้เฉพาะ macOS
มุมมอง AI Curator
เรื่องที่น่าสนใจไม่ใช่ว่า Ollama ต่อกับ ChatGPT Desktop ได้ แต่คือ compaction กับ tool search โผล่มาในรุ่นเดียวกัน สองอย่างนี้ไม่ใช่ฟีเจอร์ของโมเดล แต่เป็นพื้นผิวเฉพาะของ Responses API ที่ OpenAI ออกแบบและเปลี่ยนเมื่อไรก็ได้ ทุกครั้งที่ OpenAI เพิ่มความสามารถระดับฮาร์เนส Ollama ต้องตามมาอีกรุ่นหนึ่ง — เป็นลู่วิ่งที่ฝ่ายหนึ่งกำหนดความเร็วและอีกฝ่ายเป็นคนวิ่ง กลยุทธ์ compatibility ให้ผลเร็วมากในระยะสั้น (สามแอปในสี่เดือน) แต่ราคาระยะยาวคือ ไม่มีสิทธิ์กำหนดสัญญา และถ้าวันหนึ่งฝั่งใดฝั่งหนึ่งตัดสินใจปิดช่องเปลี่ยน endpoint ในแอปเดสก์ท็อป งานทั้งชุดนี้หายไปพร้อมกับการอัปเดตแอปหนึ่งครั้ง
ข้อควรระวังทางเทคนิคที่ตรงกับข่าวเมื่อวานพอดี — คู่มือ GPT-6 Astra ที่ OpenAI เขียนเอง ระบุว่าโมเดลตัวนั้นต้องการพรอมต์เฉพาะเพื่อคุมพฤติกรรม 5 ด้าน และฮาร์เนสอย่าง Codex ก็ถูกจูนมาคู่กับโมเดลของบ้านตัวเอง เมื่อคุณสลับ Qwen3.8-27B หรือ GLM-5.3-Flash เข้าไปแทนใต้ฮาร์เนสเดียวกัน สิ่งที่คุณได้ไม่ใช่ “ประสบการณ์เดิมในราคาศูนย์บาท” แต่คือโมเดลที่ไม่เคยถูกจูนมากับ system prompt, สคีมาเครื่องมือ และรูปแบบ compaction ของฮาร์เนสนั้นเลย ทดสอบด้วยงานที่เรียกเครื่องมือหลายชั้นก่อนจะย้ายงานจริงมา — ความล้มเหลวมักไม่โผล่ในเทิร์นแรก แต่โผล่ตอนเทิร์นที่เจ็ดหลัง compaction
สำหรับผู้อ่านในไทยและ SEA ข้อได้เปรียบที่ชัดที่สุดคือเรื่องข้อมูล ไม่ใช่เรื่องเงิน องค์กรที่มีข้อจำกัดว่าข้อมูลลูกค้าห้ามออกนอกประเทศ — โรงพยาบาล สถาบันการเงิน หน่วยงานรัฐ — ที่ผ่านมาต้องเลือกระหว่าง “ใช้เครื่องมือดีแต่ส่งข้อมูลออก” กับ “รันโลคัลแต่ต้องสร้าง UI เอง” ตัวเลือกที่สามที่เพิ่งเปิดขึ้นคือใช้แอปเดสก์ท็อปมาตรฐานที่พนักงานคุ้นอยู่แล้ว โดยชี้โมเดลกลับมาที่เครื่องหรือเซิร์ฟเวอร์ในองค์กร ข้อแม้คือต้องตรวจให้แน่ว่าอะไรวิ่งในเครื่องจริง ๆ และอะไรยังวิ่งผ่านคลาวด์ของผู้ให้บริการ — โปรไฟล์ที่ “ใช้ร่วมกัน” กับ ChatGPT/Codex เป็นสิ่งที่ทำให้ประสบการณ์ต่อเนื่อง แต่ก็เป็นสิ่งที่ต้องตรวจก่อนบอกฝ่ายกฎหมายว่าไม่มีข้อมูลออกนอกเครื่อง ณ ตอนนี้รุ่นนี้ยังเป็น rc1 บน macOS เท่านั้น จึงเหมาะกับการทดลอง ไม่ใช่การประกาศนโยบาย
แหล่งข่าว
อ่านเพิ่มในหมวด เครื่องมือนักพัฒนา
Betelgeuse รัน Qwen3.8 Flash Next ขนาด 68GB บน RTX 3060 กับแรม 16GB ส่วน Basalt วัดให้เห็นว่าเอนจินที่เร่งด้วยแฟล็กลัดทำให้โมเดลลืมของ
Betelgeuse ฟอร์ก llama.cpp ที่เปิดเมื่อ 31 ต.ค. ดึง expert จาก NVMe เข้า VRAM ตามต้องการ อ้าง 22 tok/s แบบไม่ทิ้ง expert แต่ README เตือนเองว่ายังทดลองและตัวเลขมาจากคนละรอบ วันเดียวกันผู้พัฒนา Basalt เผยผลวัดว่าแฟล็กเร่งความเร็วทำคุณภาพ Q8 ตกไปใกล้ Q2
กฎห้ามโคลนเกมของ Claude Code เริ่มกระทบงานจริง บริษัทรับทำเกมกระดานร้องงานลูกค้าหยุด แต่รายงานหลายชิ้นปนกับตัวกรองไซเบอร์คนละเรื่อง
ต่อจากที่เราพบกฎนี้ในไบนารี Claude Code ผู้ใช้เริ่มรายงานว่างานเชิงพาณิชย์ถูกปฏิเสธ และ Tom's Hardware กับ Mashable หยิบไปรายงาน แต่เมื่อไล่ issue ที่อ้างถึง พบว่าหลายรายการเกิดก่อนกฎจะมา จึงน่าจะเป็นตัวกรองด้านไซเบอร์ ส่วน Anthropic ยังไม่ชี้แจง
Claude Code ส่ง transcript ของ background agent ให้โมเดลทุก ~30 วินาทีเพื่อเขียนสถานะ 3–5 คำ ผู้วัดรายงานกินราว 16% และยังปิดแบบทางการไม่ได้
รายงานอิสระพบว่าฟีเจอร์ agent_summary ของ Claude Code ส่ง transcript เต็มของ background agent ไปถามสถานะทุก ~30 วินาที คิดเป็น 16.4% ของค่าใช้จ่ายในระบบของผู้วัด Issue เปิดมาตั้งแต่ ส.ค. ยังไม่มีสวิตช์ปิดที่รองรับ เราตรวจพบโค้ดนี้ใน 2.1.314 และพบกฎใหม่เรื่องเกมที่ไม่อยู่ใน changelog