
Содержание3 разделов
Два JSON-ответа Ollama могут различаться, даже если сгенерированный текст совпал. В ответе есть время создания и длительность работы. Для проверки повторяемости сначала сравнивайте поле response, затем уже ищите изменения в параметрах.
Разбор для нативного локального API Ollama по документации, проверенной 15 октября 2026 года. Нужна уже установленная текстовая модель и работающий сервер на localhost:11434. Новую модель скачивать для этого примера не требуется. Запишите установленную версию Ollama до сравнения.
Зафиксируйте условия
Сохраните точное имя модели из списка установленных. Через GET /api/tags можно прочитать её digest и сведения о квантовании. Для сравнения после обновления одного имени недостаточно: сверяйте также сохранённые сведения о модели.
Документация описывает seed как начальное значение генератора случайных чисел для повторяемой генерации при том же промпте. В примере ниже seed равен 42, temperature равна 0. Это выбранные учебные настройки, без обещания побайтового совпадения после смены версии, оборудования или модели.
Отправьте один и тот же запрос трижды
Запустите следующий код в Python 3.14. Введите имя своей установленной модели полностью. Скрипт обращается только к локальному адресу, не создаёт файлы и выполняет три генерации; модель при этом может занять память.
import json
from urllib.request import Request, urlopen
model = input("Installed model: ").strip()
if not model:
raise ValueError("Model name is required")
payload = json.dumps({
"model": model,
"prompt": "Ответь одним словом: столица Франции?",
"stream": False,
"options": {
"seed": 42, "temperature": 0,
"num_predict": 64
}
}).encode("utf-8")
texts = []
for n in range(3):
req = Request(
"http://localhost:11434/api/generate",
data=payload,
headers={"Content-Type": "application/json"}
)
with urlopen(req, timeout=180) as response:
result = json.load(response)
texts.append(result["response"])
print(n + 1, repr(texts[-1]), result.get("done_reason"))
print("Distinct response texts:", len(set(texts)))
Ожидайте три строки результатов и число различных текстов. Значение 1 означает совпадение поля response в этих трёх запусках. Большее число фиксирует расхождение, но само по себе не указывает причину. Здесь не приводится выдуманный результат работы конкретной модели.
Читайте расхождение по месту
Если различаются только created_at или total_duration, это не различие текста. Если done_reason показывает ограничение длины, ответ мог быть оборван заданным num_predict; для думающей модели короткий лимит может не оставить места для итоговой фразы. Такой запуск не стоит считать успешным ответом только из-за одинаковых пустых строк.
Если текст меняется, проверьте, одинаковы ли байты запроса и digest модели. Затем повторите сравнение в той же версии и среде, меняя только один параметр за раз. Для /api/chat отдельно сверяйте массив сообщений и историю. Проверка трёх запусков помогает локализовать расхождение, но не измеряет достоверность ответа: её оценивают по фактам и источникам.
Обложка создана нейросетью как иллюстрация темы. Она не показывает реальный интерфейс или конкретную модель устройства.

Как вам материал?



Комментарии