Ollama har rejst 65 mio. dollar i en Series B ført an af Theory Ventures. Bag den enkle overskrift ligger et skifte, der rammer regnestykket for enhver virksomhed, som bygger på AI.
Runden bringer Ollama op på 88 mio. dollar i alt og kommer fra et hvem-er-hvem inden for udviklerværktøjer, blandt andre Dockers stifter Solomon Hykes. Men pengene er ikke det vigtigste her. 85% af Fortune 500 kører allerede åbne modeller, og Ollama har gjort det lige så nemt som at installere et hvilket som helst andet program.
Fra hobbyprojekt til 8,9 millioner udviklere
Ollama er et værktøj, du henter til din egen computer. Med én kommando kan du downloade en åben model (en foundation model, hvor vægtene er frit tilgængelige) og køre den lokalt, og du kan skalere til større modeller i Ollamas cloud uden at skifte API.
De to stiftere Jeff Morgan og Michael Chiang har prøvet det før. De byggede Kitematic, som Docker købte i 2015, og deres arbejde blev til Docker Desktop, i dag brugt af over ti millioner udviklere. Ollama er samme greb til AI: skjul det besværlige setup, så folk bare kan komme i gang.
I dag bruger 8,9 millioner udviklere Ollama hver måned. Det er fordoblet siden januar, og der kommer næsten en million nye installationer til om ugen. Fællesskabet har bygget over 67.000 integrationer. Det er den slags tal, der flytter et projekt fra eksperiment til infrastruktur.
De tre ting, du får med åbne modeller
Ollama bygger på tre principper, og de rammer alle et konkret problem for danske virksomheder. Det første er ejerskab. En åben model er din at beholde og ændre, og du bliver aldrig lukket ude af den model, din AI-agent eller app afhænger af.
Så er der økonomien. En model, der kører på din egen hardware, kommer ikke med en regning, der stiger for hvert token. Du kan eksperimentere og sende i produktion uden at frygte, at hver prompt lægger til på fakturaen.
Og så er der privatlivet. En åben model, der kører lokalt, sender aldrig dine data ud af huset. Får du brug for at skalere, kan du tage den beslutning med i skyen i stedet for at aflevere kontrollen ved døren.
Regnestykket bag de 85 procent
Grunden til, at så mange store virksomheder kigger mod åbne modeller, er nøgtern. Virksomheder med store inferensregninger har et stærkt økonomisk motiv til at flytte arbejdet hen, hvor de selv styrer omkostningen. Ollama afregner på GPU-tid, ikke pr. token, hvilket gør prisen forudsigelig for både korte opgaver og de tunge, ressourcekrævende.
Investorerne bag runden er ikke i tvivl om retningen. Benchmark-partner Peter Fenton, der sidder i Ollamas bestyrelse, forudser, at åbne modeller vil generere hovedparten af alle tokens inden for de næste 18 til 24 måneder. Theorys Tomasz Tunguz beskriver Ollama som det platformslag, alt andet kobler sig på, og kalder den position en af de mest værdifulde i software.
Lukkede modeller forsvinder ikke af den grund. De tungeste opgaver løses stadig ofte bedst af en model som GPT, Claude eller Gemini. Men når afstanden bliver lille nok, tipper regnestykket, og prisen begynder at veje tungere end de sidste procenter ydelse.
I Ollamas cloud ligger de tunge åbne modeller: GLM, Nemotron, DeepSeek, Kimi og MiniMax. Selskabet er distributions- og early-access-partner for en stor del af modellaboratorierne, blandt andre Meta, Google DeepMind og Mistral, og for hardwareproducenterne NVIDIA, Intel, AMD og Qualcomm. Det giver adgang til nye modeller fra dag ét.
Data, der aldrig forlader din maskine
For danske virksomheder er privatlivsvinklen ofte vigtigere end både pris og ydelse. Når en model kører lokalt, sendes dine data ikke til en ekstern server, og det ændrer, hvad du overhovedet må bruge AI til.
Det gør åbne modeller relevante i regulerede brancher som sundhed, finans og det offentlige, hvor følsomme data ikke må forlade huset. Du kan lade AI arbejde med kundedata, journaler eller kontrakter uden at bryde de aftaler, du har med dine egne kunder.
Vinklen bliver kun vigtigere med EU AI Act, der stiller krav til, hvordan virksomheder håndterer AI og data. En arkitektur, hvor data bliver på egen maskine, gør det nemmere at dokumentere, at du har styr på det, når tilsynet spørger.
Hvad det betyder for din AI-strategi
Ollama-runden er ikke bare en startup-historie.
Den er et signal om, at åbne modeller er rykket fra forskningslegetøj til produktionsværktøj, og at "ejer selv"-tilgangen til AI nu er moden nok til de største virksomheder i verden.
Det praktiske svar for de fleste er en hybrid. Kør åbne modeller lokalt til de fleste opgaver, til lavlatens-behov og til alt, hvor data er følsomt. Træk på en lukket model, når der er brug for det ekstra niveau. Pointen er, at du selv bestemmer, hvor grænsen går, i stedet for at hver eneste prompt går gennem en andens API.
Der findes også en kritikerlejr, der mener, at Ollamas betalte cloud stjæler fokus fra det gratis open source-projekt. Den kritik er reel, men den ændrer ikke det store billede. Hvis den billige, ejerbare mulighed for alvor kommer til at generere hovedparten af alle AI-tokens, bliver laget, der kører dem, værdifuld grund. Og det er værd at forstå, før dine konkurrenter gør.
