Ollama 的新動作，更強了

大家好，我是 Ai 學習的老章。

Ollama 最近又搞了幾個大新聞，不僅在免費云端模型里加入了強大的 Qwen3-VL，還推出了能讓大模型聯網的網頁搜索 API。

云端模型新成員：Qwen3-VL

還記得我之前介紹的嗎？當時我們體驗了gpt-oss和deepseek-v3.1等云端模型。現在，這個家庭又迎來了一位新成員：Qwen3-VL。

Qwen3-VL 是一個非常強大的視覺語言模型，它的多模態能力相當驚人。官方介紹它具備以下幾點能力：

• 視覺代理：能看懂電腦和手機界面，并進行操作。

• 視覺編碼：能把圖片甚至視頻轉換成 Draw.io、HTML/CSS/JS 代碼。

• 高級空間感知：能理解 3D 空間關系。

• 長視頻理解：支持超長上下文，看幾小時的視頻都沒問題。

• 增強的 OCR：支持 32 種語言，各種刁鉆角度和光線下的文字識別都不在話下。

現在，除了之前的幾個云端模型，我們又多了一個選擇：

• gpt-oss:20b-cloud

• gpt-oss:120b-cloud

• deepseek-v3.1:671b-cloud

• qwen3-coder:480b-cloud

• qwen3-vl:235b-cloud(新)

使用方法和之前一樣，登錄 Ollama 賬號后，直接在命令行運行：

ollama run qwen3-vl:235b-cloud

或者在 Python 中通過 API 調用。比如，下面這個例子展示了如何使用 Qwen3-VL 來翻譯菜單：

from ollama import Client client = Client(     host="https://ollama.com",     headers={'Authorization': 'YOUR_API_KEY'} ) response = client.chat(   model='qwen3-vl:235b-cloud',   messages=[     {       'role': 'user',       'content': 'Translate the menu in the image to English.',       'images': ['https://files.ollama.com/qwen3-vl/menu-example.png']     },   ] ) print(response['message']['content'])

這對于需要強大視覺理解能力的應用來說，絕對是一個福音。

讓大模型聯網：網頁搜索 API

另一個重磅更新是網頁搜索 API。這個功能可以讓 Ollama 的模型（無論是本地還是云端）連接到互聯網，獲取最新的信息。

這個 API 提供了兩個主要功能：

1. 網頁搜索 (/api/search): 給一個查詢，返回相關的網頁列表。

2. 網頁內容提取 (/api/fetch): 給一個 URL，返回該網頁的純文本內容。

同樣，你需要一個免費的 Ollama 賬戶和 API 密鑰。

與 MCP 客戶端集成

值得一提的是，這個網頁搜索功能還可以直接接入現有的MCP（Model Control Protocol）客戶端，例如 OpenAI Codex、cline、Goose 等。這意味著你可以在你習慣的工具中，無縫地為你的模型插上聯網的翅膀。

下面是一個使用curl調用網頁搜索的例子：

curl -X POST "https://ollama.com/api/search"      -H "Authorization: Bearer YOUR_API_KEY"      -H "Content-Type: application/json"      -d '{        "query": "latest news on generative ai"      }'

返回的結果會包含一系列網頁的標題、URL 和摘要。

我們也可以用它來構建一個簡單的研究代理。比如，我們可以先搜索一個主題，然后用fetchAPI 來閱讀其中一篇文章的全文。

import os from ollama import Client client = Client(     host="https://ollama.com",     headers={'Authorization': os.environ.get("OLLAMA_API_KEY")} ) # 1. Search the web search_results = client.search(query="What is the latest news on Qwen3-VL?") ifnot search_results:     print("No search results found.") else:     # 2. Fetch the content of the first result     first_url = search_results[0]['url']     fetched_content = client.fetch(url=first_url)     # 3. Use a model to summarize the content     summary_response = client.chat(         model='qwen3:7b', # Using a local model for summarization         messages=[             {                 'role': 'system',                 'content': 'You are a helpful assistant that summarizes web pages.'             },             {                 'role': 'user',                 'content': f"Please summarize the following content: {fetched_content['content']}"             }         ]     )     print(summary_response['message']['content'])

這個功能極大地擴展了 Ollama 的應用場景，讓我們可以構建出能夠實時獲取信息的智能體。

總的來說，Ollama 的這兩個更新都非常實用。免費的云端視覺模型和網頁搜索 API，讓普通開發者也能輕松用上最前沿的 AI 能力。我非常期待看到社區里會出現哪些有趣的應用。

好了，今天的分享就到這里。我們下篇文章再見！

制作不易，如果這篇文章覺得對你有用，可否點個關注。給我個三連擊：點贊、轉發和在看。若可以再給我加個，謝謝你看我的文章，我們下篇再見！