חיבור Ollama לסוכן קידוד: מדריך הגדרות מלא
למדו איך לחבר סוכן קידוד ל-Ollama באמצעות base URL מקומי. המדריך מפרט את השימוש ב-API key פיקטיבי, הגדרת context length קריטית ומתי כדאי להעדיף מודל מקומי על פני ענן.
מה שאתה מחבר
ניתן להשתמש ב-Ollama יחד עם סוכן הקידוד שלך, והחיבור פשוט מכפי שנהוג לחשוב. עליך לשנות כתובת בסיס (base URL) אחת ולבחור שם מודל אחד. שדה ה-API key עדיין דורש ערך, אך השרת המקומי מתעלם ממנו, לכן כל מחרוזת תקינה.
Ollama מאזין בפורט 11434 ומגיש שלושה ממשקי API בו-זמנית. /api הוא ה-API המקורי של Ollama. /v1 הוא השכבה התואמת ל-OpenAI, אשר מכסה בעצמה כמה תצורות: /v1/chat/completions, /v1/responses, /v1/completions, /v1/models ו-/v1/embeddings. התיעוד של Ollama מציין כי המפתח שם נדרש אך אינו בשימוש. הממשק השלישי תואם ל-Anthropic: הלקוח משתמש ב-http://localhost:11434 ככתובת הבסיס שלו ומצרף את /v1/messages, שזו השפה ש-Claude Code מדבר. רוב הסוכנים משתמשים ב-/v1/chat/completions, Codex משתמש ב-/v1/responses, ו-Claude Code משתמש ב-/v1/messages. הסוכן שלך כבר תומך באחד מאלה, כך ששום דבר אחר לא משתנה בהגדרות שלו.
חלק זה אורך חמש דקות. השאלה האם התוצאה שמישה תלויה בשתי הגדרות שכמעט איש אינו משנה: אורך ההקשר (context length) וה-keep-alive, וכן במתן משימות שהמודל מתאים להן. שניהם יקבלו סעיף משלהם, והמגבלות האמיתיות מופיעות בסוף.
אילו סוכני קידוד תומכים ב-base URL מקומי
המבחן הוא שאלה אחת: האם הכלי חושף הגדרה של base URL? אם כן, הוא יכול לתקשר עם השרת שלך.
Ollama מפרסמת דפי אינטגרציה עבור Claude Code, OpenCode, Codex, Cline, Roo Code, Zed, סביבות פיתוח של JetBrains ו-VS Code. Aider מתעדת את התמיכה שלה ב-Ollama בנפרד. זה מכסה את רוב מה שאנשים מגדירים כסוכן קידוד נכון לאוקטובר 2026. לא כולם משתמשים באותו מבנה API, וההבדל הזה הוא המקום שבו הגדרות נכשלות.
- רוב הסוכנים מצפים ל-endpoint תואם OpenAI. ספקו להם את ה-base URL ב-
http://localhost:11434/v1וכל מחרוזת API key שאינה ריקה. - Claude Code אינו מקבל כלל base URL של OpenAI. הוא משתמש ב-Anthropic Messages API, לכן הוא דורש ש-
ANTHROPIC_BASE_URLיוגדר ל-http://localhost:11434, כאשר Ollama מגישה את/v1/messages. - Codex משתמש ב-OpenAI Responses API. Ollama מגישה גם את
/v1/responses, שנוסף בגרסה 0.13.3. - סוכן ללא הגדרת base URL לא ניתן לניתוב מחדש, כיוון שה-endpoint מוטמע בתוך הלקוח. אם הסוכן מקבל URL מותאם אישית אך דורש מבנה API שונה, הציבו שכבת תרגום לפניו, כגון gateway של LiteLLM באירוח עצמי, וחשפו מחדש את המודל שלכם במבנה שהלקוח דורש.
Ollama יכולה לכתוב עבורכם את קובצי התצורה הללו. הפקודה ollama launch opencode מפעילה את OpenCode עם תצורה מוטמעת עבור המודל שתבחרו, ollama launch claude מבצעת את אותה פעולה עבור Claude Code, ו-ollama launch droid --config כותבת את התצורה מבלי להפעיל את הכלי.
התקנת Ollama ומשיכת מודל התומך בקריאה לכלים
curl -fsSL https://ollama.com/install.sh | sh
systemctl status ollama --no-pager
ollama pull qwen3-coder:30b
ollama lsמתקין התוכנה מוסיף יחידת systemd ומפעיל אותה, לכן הפקודה systemctl status ollama אמורה להציג active (running). אם היא אינה מציגה זאת, journalctl -e -u ollama תציג את הסיבה לכך.
על המודל לתמוך בקריאה לכלים (tool calling), שכן זו הדרך שבה סוכן (agent) פועל. הוא קורא קובץ, כותב תיקון (patch), מריץ את הבדיקה, קורא את השגיאה ומנסה שוב. מודל שאינו מסוגל להפיק קריאה לכלי יתאר את העריכה בטקסט חופשי במקום לבצע אותה, והסוכן ייתקע בלולאה או ייעצר. חפשו את התווית tools בדף המודל באתר ollama.com לפני ביצוע המשיכה. המודל qwen3-coder:30b תומך בכך, ונכון לאוקטובר 2026, תג זה הוא הורדה בנפח 19 GB עם חלון הקשר של 256K. אם השרת שלכם מבוסס CPU בלבד או שחסר בו זיכרון RAM, חישובי הזיכרון עבור התג Qwen 27B בשרת VPS מראים מה באמת נכנס בנפח של 8 עד 64 GB לפני שתבצעו את ההורדה. לאחר שתמשכו את המודל, אותם גיגה-בייטים יאוחסנו בכונן ה-root של השרת, שהוא החלק ב-VPS עם הכי פחות מקום פנוי, לכן כדאי לקרוא את היכן Ollama שומר את קובצי המודל וכיצד להעביר אותם למקום אחר לפני שהדיסק יתמלא.
כעת ודאו אילו שמות השרת מגיש בפועל:
curl http://localhost:11434/v1/modelsהמחרוזות בתגובה זו הן מה שתצורת הסוכן שלכם חייבת להכיל, תו אחר תו. בדיקה זו מראש פותרת את רוב שגיאות ה-"model not found". אם Ollama טרם הותקן, המדריך המלא נמצא ב-אירוח עצמי של LLM עם Ollama בשרת VPS.
הגדרת OpenCode לעבודה מול Ollama
ערכו את ~/.config/opencode/opencode.json:
{
"$schema": "https://opencode.ai/config.json",
"provider": {
"ollama": {
"npm": "@ai-sdk/openai-compatible",
"name": "Ollama",
"options": {
"baseURL": "http://localhost:11434/v1"
},
"models": {
"qwen3-coder:30b": {
"name": "qwen3-coder 30b"
}
}
}
}
}המפתח תחת models הוא שם המודל שנשלח אל Ollama, ולכן עליו להתאים בדיוק ל־ollama ls. השדה name משמש רק כתווית בבורר המודלים. הפעילו את opencode, עברו לספק Ollama, ועקבו אחר journalctl -e -u ollama כדי לוודא שהבקשה הגיעה לשרת שלכם ולא ליעד אחר. הגדרת הסוכן עצמו מתוארת ב־הפעלת OpenCode ב־VPS.
הפניית Claude Code אל Ollama
export ANTHROPIC_AUTH_TOKEN=ollama
export ANTHROPIC_API_KEY=""
export ANTHROPIC_BASE_URL=http://localhost:11434
claude --model qwen3-coder:30bהמשתנה ANTHROPIC_API_KEY מוגדר כמחרוזת ריקה במכוון. ה-base URL קובע לאן נשלחות הבקשות; ניקוי המפתח מונע שמירה של פרטי הזדהות מארחים בסביבה מקומית זו. הפקודה ollama launch claude מגדירה את כל אלו עבורך.
חשוב להכיר את המגבלות של שכבת התאימות. היא אינה מממשת את tool_choice או את מנגנון ה-prompt caching, ואין לה נקודת קצה לספירת אסימונים (tokens), לכן מספר האסימונים שמוצג הוא הערכה המבוססת על ה-tokenizer של המודל עצמו. Claude Code גם מפיץ system prompt גדול וסט כלים נרחב, ולכן הוא זקוק ליותר context מאשר לקוח צ'אט רגיל. השאלה הרחבה יותר לגבי מה עובר ומה לא מכוסה ב-האם ניתן לארח את Claude באופן עצמאי.
הפניית Aider אל Ollama
export OLLAMA_API_BASE=http://127.0.0.1:11434
aider --model ollama_chat/qwen3-coder:30bהתיעוד של Aider ממליץ על הקידומת ollama_chat/ במקום ollama/. כברירת מחדל, Aider מבקש הקשר מספיק עבור כל בקשה בתוספת 8k אסימונים (tokens) עבור התגובה. הוא גם מאפשר להגדיר את חלון ההקשר לכל מודל בתוך .aider.model.settings.yml, דבר שימושי כאשר מודל אחד זקוק לחלון שונה מברירת המחדל של השרת:
- name: ollama_chat/qwen3-coder:30b
extra_params:
num_ctx: 65536מדוע הגדרה תקינה עדיין מפיקה תוצאות חסרות פשר
זהו הסעיף החשוב ביותר. Ollama בוחרת אורך הקשר (context length) כברירת מחדל על סמך סך ה-VRAM (זיכרון הווידאו ב-GPUs) שהיא מזהה, תוך הפחתת OLLAMA_GPU_OVERHEAD עבור כל GPU מזוהה. המימוש משתמש בספים הבאים:
הנתונים שמאחורי התרשים
[
{
"label": "Under 23 GiB aggregate VRAM",
"default_context_tokens": "4,096"
},
{
"label": "23 to under 47 GiB aggregate VRAM",
"default_context_tokens": "32,768"
},
{
"label": "47 GiB aggregate VRAM or more",
"default_context_tokens": "262,144"
}
]רוב תוכניות ה-VPS, וכל שרת מבוסס CPU בלבד, נופלים בשורה הראשונה: 4,096 אסימונים (tokens). מספר GPUs קטנים יותר יכולים יחד להגיע לסף של 47 GiB עבור ה-262,144 אסימונים בשורה האחרונה.
סוכן (agent) מעביר 4096 אסימונים עוד לפני שהוא מתחיל לעבוד. ה-system prompt, הגדרות הכלים, רשימת המאגר (repository) והקובץ הראשון שהוא פותח כבר גדולים מכך. מה שקורה לאחר מכן הוא לב הבעיה: אין שגיאות. התיעוד של Aider מציין כי Ollama משמיטה בשקט הקשר שחורג מהחלון. האסימונים הישנים ביותר נמחקים, ולכן המודל עונה בביטחון על קובץ שהוא כבר לא יכול לראות, או שוכח הוראה שנתת שני שלבים קודם לכן. מנגנון זה עומד מאחורי רוב הדיווחים על כך שמודל מקומי "טיפש מדי" מכדי לכתוב קוד. בחירת המספר עצמה היא החלטה בפני עצמה, וכדאי לקרוא על העלות של num_ctx בזיכרון ה-KV cache בכל גודל לפני שמחליטים על ערך מסוים.
התיעוד של Ollama מציין שמשימות כמו סוכנים וכלי תכנות צריכות להיות מוגדרות ל-64000 אסימונים לפחות. הגדירו זאת בשרת:
sudo systemctl edit ollama.serviceהוסיפו את השורות הבאות לקובץ ה-override:
[Service]
Environment="OLLAMA_CONTEXT_LENGTH=64000"לאחר מכן בצעו טעינה מחדש והפעלה מחדש:
sudo systemctl daemon-reload
sudo systemctl restart ollama
ollama psשלחו בקשה מהסוכן שלכם לאחר ההפעלה מחדש, ולאחר מכן הריצו את ollama ps שוב כדי שיהיה מודל טעון לבדיקה. ollama ps הוא הבדיקה. הוא מדפיס עמודת CONTEXT, ומספר זה הוא מה שהמודל קיבל בפועל. ה-ID וה-SIZE שלכם יהיו שונים:
NAME ID SIZE PROCESSOR CONTEXT RUNNER UNTIL
qwen3-coder:30b a1b2c3d4e5f6 24 GB 100% GPU 64000 ggml 4 minutes from nowהגדירו זאת בשרת במקום בסוכן, משתי סיבות. בסכימת ה-chat completions של OpenAI אין שדה לאורך הקשר, לכן לקוח תואם-OpenAI אינו יכול לבקש אחד כזה. בנוסף, ברירת המחדל של השרת חלה על כל סוכן אלא אם מודל או בקשה ספציפית דורסים אותה. לצד הפלט יש תקרה משלו, ובניגוד לאורך ההקשר, הוא כן עובר דרך ה-endpoint התואם, לכן num_predict והשדה max_tokens שממופה אליו הם מה שיש לחפש כאשר תשובה נעצרת באמצע תיקון (patch). אם מודל מסוים זקוק לחלון שונה, הטמיעו זאת בעותק באמצעות Modelfile:
FROM qwen3-coder:30b
PARAMETER num_ctx 65536ollama create qwen3-coder-64k -f Modelfileהקשר אינו בחינם. חלון ארוך יותר צורך יותר זיכרון, לכן עקבו אחר עמודת PROCESSOR. 100% GPU הוא הערך הרצוי. ברגע שחלק מהמודל זולג ל-CPU, קצב האסימונים יורד במידה כזו שלולאת הסוכן הופכת לבלתי שמישה, ו-מדידת אסימונים לשנייה ב-LLM מקומי היא הדרך למצוא את התקרה האמיתית של המכונה שלכם. תכנון גודל המכונה לפני הרכישה מכוסה ב-כמה RAM ו-CPU דרושים ל-VPS של סוכן תכנות.
שמירת המודל בזיכרון בין בקשות
כברירת מחדל, Ollama פורק מודל מהזיכרון 5 דקות לאחר הבקשה האחרונה. הגדרה זו מתאימה לצ'אט, אך אינה מתאימה לעבודה עם סוכנים (agents). כאשר אתם עוצרים לקרוא diff, הטיימר מסתיים, והבקשה הבאה טוענת מחדש עשרות גיגה-בייטים של משקולות מהדיסק לפני שהטוקן הראשון מופיע. התוצאה נראית כמו תקיעה.
OLLAMA_KEEP_ALIVE מקבל מחרוזת זמן כגון 10m או 24h, מספר שניות פשוט, -1 כדי לשמור את המודל בזיכרון ללא הגבלת זמן, או 0 כדי לפרוק אותו מיד. הגדירו זאת לצד אורך ההקשר (context length):
[Service]
Environment="OLLAMA_CONTEXT_LENGTH=64000"
Environment="OLLAMA_KEEP_ALIVE=-1"שדה הבקשה keep_alive קיים בנקודות הקצה המקוריות של Ollama מסוג /api/generate ו-/api/chat, וכן כהרחבה של Ollama ב-/v1/chat/completions. סוכן שחושף שדות בקשה נוספים יכול לשלוח אותו לשם; אחרת, השתמשו במשתנה הסביבה. כאשר אתם זקוקים לזיכרון בחזרה, ollama stop qwen3-coder:30b יפרוק את המודל מבלי לעצור את השרת. אם ברצונכם שההגדרה תישמר לאחר אתחול, או אם אתם שוקלים את הכדאיות של החזקת המשקולות בזיכרון לאורך כל היום לעומת פינוי הזיכרון, שמירת מודל Ollama בזיכרון מטפלת בשני המקרים.
הרצת Ollama על שרת נפרד
Ollama מאזין כברירת מחדל ל-localhost. כדי לגשת אליו ממכונה אחרת, הגדירו את OLLAMA_HOST=0.0.0.0:11434 בתוך אותו override של systemd ובצעו הפעלה מחדש לשירות.
עשו זאת אך ורק ברשת פרטית. התיעוד של Ollama מציין כי לא נדרש אימות עבור ה-API המקומי, לכן פורט 11434 פתוח לאינטרנט משמעו שכל אחד יכול להשתמש בחומרה שלכם. קיימות שתי אפשרויות בטוחות. השאירו את ה-bind על localhost ובצעו העברה (forward) של הפורט באמצעות SSH מהמחשב הנייד שלכם:
ssh -N -L 11434:localhost:11434 you@your-vpsהסוכן (agent) שלכם ממשיך להצביע על http://localhost:11434/v1 ואינו מודע להבדל. האפשרות השנייה היא שימוש ב-VPN, כאשר Ollama מאזין לכתובת ה-VPN במקום ל-0.0.0.0. אם כמה אנשים או כמה סוכנים יחלקו שרת אחד, Ollama תומך בבקשות מקבילות כאשר הזיכרון מאפשר זאת, ו-ההשוואה בין Ollama ל-vLLM מציגה את הנקודה שבה ההבדל ב-throughput מתחיל להשפיע.
מתי מודל קידוד מקומי עדיף, ומתי לא
Agent שמופעל באמצעות מודל שאתם מארחים אינו מחליף API מתקדם בכל משימה. הוא עדיף בבירור בארבעה סוגי עבודה.
- עריכות מכניות בהיקף גדול, כאשר כל שינוי קטן ואפשר לבדוק אותו. שינוי שמות ברחבי repository, הוספת type hints, כתיבת docstrings ותרגום הערות. המודל יכול לפעול במשך שעות, והחיוב אינו משתנה.
- עבודה שאסור להוציא מהחומרה שלכם. לדוגמה, קוד לקוח הכפוף להסכם סודיות, או repository פנימי שאסור לכם לשלוח לצד שלישי.
- מחשבים במצב offline או בסביבה מבודדת, שבהם אין כלל API מתארח שאפשר לקרוא לו.
- עלות צפויה. לאחר ששילמתם על השרת, Agent שצורך tokens בלולאה אינו עולה דבר נוסף. זהו ההפך מ־API המחויב לפי שימוש. ב־מתי GPU VPS מגיע לאיזון מול tokens של API מופיע החישוב.
הוא פחות מתאים למשימות ארוכות הכוללות שלבים רבים. המשימה "מצאו מדוע הבדיקה נכשלת, תקנו את הגורם ועדכנו את הקוראים" דורשת רצף של קריאות כלי נכונות, תוך שמירה על כל ההיסטוריה בהקשר. מודל בטווח 8B עד 14B בשרת בעל משאבים מוגבלים עלול להפיק קריאת כלי שגויה, או לאבד את התוכנית לאחר כמה תורות. במקרה כזה תבזבזו יותר זמן בהכוונתו מהזמן שהמשימה עצמה הייתה דורשת. זו אינה בעיית prompt שאפשר לפתור באמצעות ניסוח אחר. זו מגבלת קיבולת.
הוא פחות מתאים גם כאשר לטעות יש עלות גבוהה, ואתם לא תקראו כל שורה. תנו למודל המקומי משימות ממוקדות שאת הפלט שלהן אתם מאמתים, ושמרו את המודל המתארח לעבודה שלא תבדקו שלב אחר שלב.
מצבי כשל והודעות שגיאה נפוצות
curl: (7) Failed to connect to localhost port 11434 after 0 ms: Connection refused. השרת אינו פועל, או שהסוכן מוגדר להצביע על מארח אחר. הריצו את systemctl status ollama, ולאחר מכן את journalctl -e -u ollama.
הסוכן מדווח שהמודל אינו קיים. השם בקובץ התצורה שלכם אינו תואם לשם שהשרת מגיש. השוו אותו מול curl http://localhost:11434/v1/models והעתיקו את המחרוזת משם. התג (tag) הוא חלק מהשם, לכן תצורה המציינת תג שמעולם לא הורד תיכשל, גם אם מותקן מודל דומה.
הסוכן עונה בטקסט חופשי ולעולם אינו עורך קובץ. או שלמודל אין תמיכה בכלים, או שהבקשה בצירוף הגדרות הכלים שלה כבר ממלאת את חלון ההקשר (context window). בדקו את התווית tools בדף המודל, ולאחר מכן בדקו את העמודה CONTEXT בתוך ollama ps.
שתיקה ארוכה לפני הופעת ה-token הראשון, ולאחר מכן מהירות תקינה. זמן ה-keep-alive פג והמשקולות (weights) נקראות שוב מהדיסק. הגדירו את OLLAMA_KEEP_ALIVE.
המודל סותר קובץ שהוא זה עתה קרא. מדובר בקיטום הקשר (context truncation). ollama ps מציג בדרך כלל ערך CONTEXT קטן ממה שחשבתם שהגדרתם, כיוון שמשתנה הסביבה הגיע ל-shell שלכם במקום ליחידת ה-systemd.
הכול עובד, אך לאט, ו-PROCESSOR מציג 100% CPU או חלוקה בין CPU ל-GPU. בדרך כלל המודל בצירוף ההקשר שלו אינו נכנס ל-VRAM. אם PROCESSOR מציג 100% CPU במכונה בעלת GPU, שללו תחילה את הסיבה השנייה: ייתכן ש-Ollama כלל לא זיהה את ה-GPU. התיעוד של Ollama מציין כי בלינוקס, לאחר מחזור של השהיה (suspend) והתעוררות (resume), לעיתים הוא נכשל בזיהוי GPU של NVIDIA וחוזר לשימוש ב-CPU; טעינה מחדש של הדרייבר באמצעות sudo rmmod nvidia_uvm && sudo modprobe nvidia_uvm פותרת זאת. אם ה-GPU מזוהה והחלוקה נשארת, הקטינו את אורך ההקשר, או עברו למודל קטן יותר או ל-quantisation נמוך יותר. לפני שתבצעו משיכה (pull) מחדש, מה העלות בזיכרון של q4_K_M, q8_0 ו-fp16, והיכן האיכות באמת יורדת יסביר לכם כמה מקום יתפנה בכל שלב ועל מה אתם מוותרים. Unknown הוא גם ערך PROCESSOR אפשרי; הוא אינו מגדיר העברת עומס ל-CPU.
FAQ
האם ניתן להפנות את Claude Code ל-Ollama?
כן, אך לא באמצעות כתובת URL תואמת OpenAI. Claude Code משתמש ב-Anthropic Messages API, ו-Ollama מספקת תאימות זו ב-/v1/messages באותו פורט 11434. ייצאו את ANTHROPIC_BASE_URL=http://localhost:11434, ANTHROPIC_AUTH_TOKEN=ollama וערך ריק עבור ANTHROPIC_API_KEY, ולאחר מכן הפעילו אותו עם claude --model qwen3-coder:30b. הפקודה ollama launch claude תכתוב עבורכם את אותן הגדרות. שכבת התאימות אינה מממשת את tool_choice או prompt caching, ואין לה נקודת קצה לספירת טוקנים, לכן ספירת הטוקנים המוצגת היא הערכה בלבד.
מדוע המודל המקומי שלי עונה על קוד שהוא לא יכול לראות?
מכיוון שהבקשה חורגת מחלון ההקשר (context window), והחלק הישן ביותר בה הושמט ללא הודעת שגיאה. Ollama קובעת את ברירת המחדל להקשר לפי סך ה-VRAM שזוהה לאחר הפחתת התקורה המוגדרת לכל GPU: מתחת ל-23 GiB ברירת המחדל היא 4,096 טוקנים, מ-23 ועד פחות מ-47 GiB היא 32,768 טוקנים, ומ-47 GiB ומעלה היא 262,144 טוקנים. הגדירו את OLLAMA_CONTEXT_LENGTH=64000 ביחידת ה-systemd, הפעילו מחדש את Ollama, וודאו שעמודת CONTEXT ב-ollama ps מציגה את הערך החדש.
איזה מודל כדאי להריץ עבור סוכן קידוד ב-VPS?
בחרו את המודל הגדול ביותר הנושא תווית tools שעדיין נכנס בזיכרון עם חלון הקשר של 64k, והעדיפו מודל שעבר כוונון (tuned) לקוד. qwen3-coder:30b היא התשובה הנפוצה בשרת GPU עם מספיק VRAM. אם תג זה גדול מדי עבור השרת שלכם, נתוני ה-RAM ומהירויות ה-CPU בלבד עבור Nemotron 3.5 Lightning מהווים השוואה שימושית לפני שתתחייבו להורדה. מתחת ל-14B פרמטרים בערך, מודל עדיין יכול לענות היטב על שאלות בנושא קוד, אך עלול להיכשל בעריכות מרובות שלבים, כיוון שעבודת סוכן מענישה טעויות עיצוב קטנות בקריאות לכלים. בצעו בדיקה עם משימה אמיתית מתוך המאגר שלכם במקום להשתמש ב-prompt לדוגמה.
האם אני זקוק ל-GPU כדי להריץ סוכן קידוד על מודל משלי?
בפועל, כן. הסקה (inference) מבוססת CPU בלבד עובדת ותקינה עבור שאלות בודדות, אך סוכן שולח בקשות רבות לכל משימה וכל אחת מהן קוראת מחדש היסטוריה ארוכה, כך שקצב טוקנים איטי הופך משימה של שתי דקות לשעה. בדקו את עמודת PROCESSOR ב-ollama ps: 100% CPU או פיצול CPU/GPU מעידים על שימוש ב-CPU, מה שמאט את ההסקה. Unknown אינו מגדיר פריקת עומס (offloading) ל-CPU.