当前位置：首页 > news >正文

Ollama 新动作，联网搜索、MCP、云端大模型，更强了

news 2025/10/18 15:54:20

大家好，我是 Ai 学习的老章。

Ollama 最近又搞了几个大新闻，不仅在免费云端模型里加入了强大的 Qwen3-VL，还推出了能让大模型联网的网页搜索 API。作为 Ollama 的忠实用户，我必须得带大家深入体验一下。

云端模型新成员：Qwen3-VL

还记得我之前介绍的 Ollama 可以启动云端大模型了，免费额度吗？当时我们体验了 gpt-oss 和 deepseek-v3.1 等云端模型。现在，这个家庭又迎来了一位新成员：Qwen3-VL。

Qwen3-VL 是一个非常强大的视觉语言模型，它的多模态能力相当惊人。官方介绍它具备以下几点能力：

视觉代理：能看懂电脑和手机界面，并进行操作。
视觉编码：能把图片甚至视频转换成 Draw.io、HTML/CSS/JS 代码。
高级空间感知：能理解 3D 空间关系。
长视频理解：支持超长上下文，看几小时的视频都没问题。
增强的 OCR：支持 32 种语言，各种刁钻角度和光线下的文字识别都不在话下。

现在，除了之前的几个云端模型，我们又多了一个选择：

gpt-oss:20b-cloud
gpt-oss:120b-cloud
deepseek-v3.1:671b-cloud
qwen3-coder:480b-cloud
qwen3-vl:235b-cloud (新)

使用方法和之前一样，登录 Ollama 账号后，直接在命令行运行：

ollama run qwen3-vl:235b-cloud

或者在 Python 中通过 API 调用。比如，下面这个例子展示了如何使用 Qwen3-VL 来翻译菜单：

from ollama import Clientclient = 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'])

这对于需要强大视觉理解能力的应用来说，绝对是一个福音。

让大模型联网：网页搜索 API

另一个重磅更新是网页搜索 API。这个功能可以让 Ollama 的模型（无论是本地还是云端）连接到互联网，获取最新的信息。

这个 API 提供了两个主要功能：

网页搜索 (/api/search): 给一个查询，返回相关的网页列表。
网页内容提取 (/api/fetch): 给一个 URL，返回该网页的纯文本内容。

同样，你需要一个免费的 Ollama 账户和 API 密钥。

与 MCP 客户端集成

值得一提的是，这个网页搜索功能还可以直接接入现有的 MCP（Model Control Protocol） 客户端，例如 OpenAI Codex、cline、Goose 等。这意味着你可以在你习惯的工具中，无缝地为你的模型插上联网的翅膀。

下面是一个使用 curl 调用网页搜索的例子：

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"}'

返回的结果会包含一系列网页的标题、URL 和摘要。

我们也可以用它来构建一个简单的研究代理。比如，我们可以先搜索一个主题，然后用 fetch API 来阅读其中一篇文章的全文。

import os
from ollama import Clientclient = 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?")if not search_results:print("No search results found.")
else:# 2. Fetch the content of the first resultfirst_url = search_results[0]['url']fetched_content = client.fetch(url=first_url)# 3. Use a model to summarize the contentsummary_response = client.chat(model='qwen3:7b', # Using a local model for summarizationmessages=[{'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'])