この記事のポイント
- Ollamaに選択肢・確率・スコアを返す判定専用APIを追加。文章を生成するチャットとは異なる使い方ができます。
- 質問は選択・条件に当てはまる確率・段階スコアの3種類。問い合わせ分類や、処理するモデルの振り分けを想定します。
- 対応モデルはNimbleとTev1。判定に特化したモデルで、誤った振り分けや人へ戻す条件を業務ごとに評価します。
Ollamaの公式リリースノートから、判定モデル用の窓口を紹介します。文章を作る処理との違いと、用意された質問形式を整理します。
文章を作らず、選択肢や確率を返す判定モデル
公式リリースノートでは、この仕組みを「decision models(判定モデル)」と呼んでいます。ひとことで言うと、文章を作らずに、選択肢・確率・スコアだけを返すAIのことです。普段使うOllamaのチャットやChatGPTは、質問に対して文章で答えを組み立てますが、decision modelsは違います。「AとBどちらが正解か」「この条件は当てはまるか」「10段階でどのくらいか」といった聞き方に対し、答えそのものと、その答えがどれくらい確からしいかという確率(またはスコア)をセットで返します。
公式によれば、/v1/systemoneはTypeSafe社が提供する「Jev」というAPIの仕様がベースになっています。Jevについては、AI-PLEXでも会話せず判断だけを高速に返す新モデル「Jev」を紹介した記事で取り上げているので、仕組みそのものに興味がある方はそちらもあわせてどうぞ。今回のポイントは、Ollamaから判定モデル専用の接続窓口（API）を呼び出せるようになった点です。
3つの質問タイプで、分類やモデルの振り分けに使える
/v1/systemoneが対応する質問タイプは3種類です。
- 選択（choice）: 用意した選択肢の中から1つを選び、それぞれの確率も返す(例: 問い合わせ内容を「営業」「サポート」「その他」に分類する)
- 条件の確率（noul）: ある条件が正しいかどうかを、Yes/Noではなく「正しい確率」として返す(例: 投稿内容が規約違反に当たるかどうかの判定)
- 段階スコア（score）: あらかじめ決めた段階(順序のある尺度)のどこに当たるかをスコアで返す(例: 質問の難易度を評価し、簡単なら軽いモデル、難しければ高性能なモデルへ振り分ける「モデルルーティング」)
対応モデルとして、Bespoke Labsの「Nimble」とTogether AIの「Tev1」が用意されています。どちらも、こうした判定タスクに特化したモデルです。チケットの一次仕分けやコンテンツのチェックのような、文章生成モデルへ回答形式を指示していた場面で、判定専用の仕組みも比較できるようになった点が実務上の違いです。
出典・参考資料：Ollama公式GitHubのリリースノート(v0.35.0、2026年9月28日公開)。
まとめ：判定の精度と用途を照合する
振り分け処理を検証する場合は、分類の定義と判断に迷う例を用意するとよいでしょう。過去事例で誤った振り分けを確かめ、人へ戻す条件を検討する方法が考えられます。正答率だけでなく修正の負担も、業務へ組み込むかの判断材料になります。
