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 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'])

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：

1. 1. 网页搜索 (/api/search): 给一个查询，返回相关的网页列表。
2. 2. 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 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?")

if not 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'])

这个功能极大地扩展了 Ollama 的应用场景，让我们可以构建出能够实时获取信息的智能体。

总的来说，Ollama 的这两个更新都非常实用。免费的云端视觉模型和网页搜索 API，让普通开发者也能轻松用上最前沿的 AI 能力。我非常期待看到社区里会出现哪些有趣的应用。

好了，今天的分享就到这里。我们下篇文章再见！

制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个，谢谢你看我的文章，我们下篇再见！