Ollama v0.35.0-rc0 发布：新增 System One 评分 API

Ollama 发布 v0.35.0-rc0 预览版

本地大模型运行框架 Ollama 推送了 v0.35.0-rc0 版本（release candidate 预览版）。作为 GitHub 上拥有超过 18 万 Star、1.8 万 Fork 的热门开源项目，Ollama 的每次更新都牵动着本地 LLM 社区的神经。

此次 RC0 版本由维护者 ParthSareen 打标发布，提交记录 ffb6f22 已通过 GitHub 的 verified 签名验证（GPG key ID: B5690EEEBB952194），确保了发布产物的来源可信。

核心变更：System One 评分 API

从公开的发布信息来看，本次版本最值得关注的改动是 新增 System One 评分 API（feat: add System One scoring API，对应 PR #18606）。

评分类 API 通常用于对模型输出结果进行质量打分、置信度评估或排序筛选。对于构建 RAG（检索增强生成）、Agent 工作流或需要对多个候选回答做取舍的应用场景，一个内置的 scoring 接口可以减少开发者自行搭建评估逻辑的成本。

不过需要说明的是，官方 release note 目前披露的细节相当有限，关于 System One API 的具体调用方式、入参格式、支持的评分维度以及底层实现机制，仍需等待正式版文档或源码进一步确认。

RC 版本意味着什么

RC（Release Candidate）即候选发布版，属于正式版之前的最后测试阶段。这类版本功能已基本冻结，主要用于收集社区反馈、暴露潜在缺陷。对于生产环境用户，建议暂缓升级，等待稳定版发布；而希望抢先体验新 API 的开发者，则可以在测试环境中尝鲜，并通过 issue 向项目反馈问题。

RAG（检索增强生成） 是当前 LLM 应用最主流的架构模式之一：系统在生成回答前，先从外部知识库中检索出相关文档片段，再将其拼入上下文，从而让模型能够引用最新或私有的知识。在这一流程中，评分 API 扮演着关键角色——它可以对检索回来的多个候选文档或模型生成的多条候选答案进行相关性/质量打分，帮助系统筛选出最优结果再呈现给用户，有效减少幻觉（hallucination）现象。类似地，在 Agent 工作流中，评分机制常用于对工具调用结果或多步骤推理的中间输出做可信度评估，决定是否需要重试或切换策略。

为什么 Ollama 值得持续关注

Ollama 把本地运行大模型的门槛降到了极低——一条命令即可拉起 Llama、Mistral、Qwen 等主流开源模型，无需复杂的环境配置。它在隐私敏感、离线部署、成本控制等场景中优势明显，也成为众多桌面 AI 工具的底层运行时。

随着越来越多应用围绕 Ollama 构建生态，像评分 API 这样的能力扩展，正体现出项目从「单纯跑模型」向「提供完整推理工具链」演进的趋势。开发者在搭建本地 AI 应用时，能够复用的官方能力越多，自建轮子的工作量就越小。

Ollama 的核心架构基于 llama.cpp 作为推理后端，支持 GGUF 格式的量化模型，能够在消费级 GPU 甚至纯 CPU 上运行大模型。它对外暴露兼容 OpenAI API 风格的 HTTP 接口，使得大量已适配 OpenAI 的工具和 SDK 可以几乎零成本地切换到本地推理。模型以类似 Docker 镜像的方式管理，通过 ollama pull、ollama run 等命令操作，极大降低了本地部署的心智负担。正因如此，Open WebUI、Continue、Dify 等大量开源前端和开发工具将 Ollama 作为首选的本地推理运行时。

升级建议

• 生产用户：保持当前稳定版本，观望至 v0.35.0 正式发布。
• 开发者 / 尝鲜者：可在隔离环境中安装 rc0，重点验证 System One 评分 API 是否满足自身需求。
• 关注更新：建议在 GitHub 上 watch 该仓库，或等待官方正式 changelog 以获取完整特性列表。

由于本次为 RC 预览版且公开信息较少，本文仅基于官方发布页面的可见内容整理。待正式版发布后，相关 API 的完整能力和使用方式将更加清晰。