Ollamaとは？インストール・コマンド一覧・API活用まで完全ガイド[2026]

Ollama（オラマ）とは、オープンなLLM（大規模言語モデル）を自分のPCで動かすための無料のオープンソースツールだ。Windows・macOS・Linux に入り、ollama run モデル名 の1行でモデルの取得から対話までが済む。起動中は localhost:11434 にAPIサーバーが立つので、自作アプリや Claude Code などのツールからも呼び出せる。いまは手元で動かすモデルに加えて、名前が :cloud で終わるクラウドのモデルも同じコマンドで使える。

本記事は Ollama というツールそのものの使い方に絞り、公式のGitHub（ソースコードを含む）・公式ドキュメント・料金ページの原文に沿ってまとめる（2026年11月12日時点）。ローカルLLMそのものの考え方はローカルLLMの始め方、どのモデルを選ぶかはおすすめモデル比較、必要なVRAMの計算は必要スペックの記事、エディタでコードを書かせる設定はOllama＋Clineの記事で扱っている。

1. Ollamaとは？——ローカルとクラウドの2つの動かし方

Ollama は、オープンなモデル（Gemma・Qwen・gpt-oss など）を自分のPCで手軽に動かすための無料・オープンソースのツールだ。モデルのダウンロード、量子化形式の扱い、GPUの利用設定といった面倒を裏で処理し、ユーザーは「モデル名を指定して走らせる」だけでよい。推論の土台には llama.cpp を使い、Apple シリコンの Mac では Apple の MLX で動く版も用意されている。

動かし方は2つある。どちらを選ぶかで、必要なPCと費用がまったく変わる。

似たツールに LM Studio がある。ざっくり、Ollama＝コマンドとAPIが中心で、開発者・自動化・エージェントとの連携向き、LM Studio＝画面が中心で、モデル探しから対話までをGUIで済ませたい人向き。どちらも無料だ。ローカルとクラウドの違いそのもの（費用・性能・プライバシー）はローカルLLMとクラウドの比較で詳しく扱っている。

2. Ollamaのインストール方法（Windows / macOS / Linux / Docker）

公式のダウンロードページとGitHubのREADMEには、OSごとにターミナルに貼る1行のコマンドと手動のインストーラの2通りが載っている。どちらを使っても結果は同じだ。

Windows

コマンドを使いたくなければ、ダウンロードページから OllamaSetup.exe を入手して実行する。公式のWindowsのページによると、既定ではホームフォルダに入り、モデルは別に数十〜数百GBになりうる。Cドライブに余裕が無ければ、本体の入れ先は OllamaSetup.exe /DIR="d:\some\location" で、モデルの置き場は環境変数 OLLAMA_MODELS で変えられる（第9章）。インストール後はバックグラウンドで常駐し、cmd・PowerShell のどちらでも ollama コマンドが使える。

macOS

手動なら Ollama.dmg を開き、アプリを「アプリケーション」フォルダへドラッグする。初回起動時に ollama コマンドが PATH に無ければ、/usr/local/bin にリンクを作る許可を求められる（公式のmacOSのページ）。

Linux

スクリプトを使わない手動インストールの手順や、AMD GPU 向けの追加パッケージは公式のLinuxのページにある。Linux には Windows・macOS のようなアプリは無く、コマンドとAPIで使う。

Docker

公式イメージ ollama/ollama が Docker Hub にある。CPU だけで動かす最小の起動例は次のとおり。NVIDIA GPU を使うなら NVIDIA Container Toolkit を入れて --gpus=all を足し、AMD GPU なら ollama/ollama:rocm のイメージを使う（公式のDockerのページ）。なお macOS の Docker Desktop では GPU を使えない（公式FAQ）。Mac ではアプリを直接入れたほうが速い。

docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
docker exec -it ollama ollama run gemma4:e2b

3. 自分のGPUで速く動くか（対応GPUの早見）

Ollama は GPU が使えないと CPU で動くので、エラーにはならないが何倍も遅くなる。入れる前に、自分のGPUが公式のHardware supportに載っているかを見ておこう。要点を表にした。

実際にGPUに載ったかは、モデルを動かしている間に ollama ps を打つと分かる。PROCESSOR の列が 100% GPU なら全部がGPU、48%/52% CPU/GPU のように割れていればVRAMからはみ出している（公式FAQ）。割れているときに何を下げるかは、第9章の表で扱う。GPUごとの必要VRAMの目安は必要スペックの記事にまとめている。

4. Ollamaのコマンド一覧

公式のCLIリファレンスと、ソースコード（cmd/cmd.go）に定義されたコマンドを表にした。日常的に使うのは上の6つ程度だ。

ollama run には便利なオプションがある。--verbose を付けると、答えの後に処理時間と1秒あたりのトークン数（eval rate）が出るので、モデルやタグを替えたときの速さを数字で比べられる。--think=false は考える過程を出すモデルでその過程を止め、--format json は答えをJSONで返させ、--keepalive 30m はメモリに残す時間を変える。画像を読めるモデルなら、ollama run gemma4 "この画像に何が写っている？ ./photo.png" のようにファイルのパスを文に含めればよい。

対話中（>>> の後）には、/ で始まる専用のコマンドが使える。終了は /bye、一覧は /?、会話の文脈を消すのは /clear、その場でコンテキスト長を変えるのは /set parameter num_ctx 8192 だ。複数行を入力したいときは、""" で囲む。

5. モデルの入れ方とタグの読み方

モデルは名前＋タグで指定する。タグを省くと latest が選ばれるが、latest がどの大きさを指すかはモデルごとに違う。容量を見ずに入れると、思ったより大きい版が落ちてくる。公式のgemma4のタグ一覧を例に、タグの読み方を表にした（2026年11月12日時点の表示）。

大きさに幅があるのは、1つのタグに複数の形式が入っていて、環境に合うものが選ばれるためだ。gemma4 の latest では、下限の6.6GBが e4b-it-q4_K_M、上限の9.5GBが e4b-mlx と同じ大きさになっている。迷ったら接尾辞の無いタグ（gemma4:e4b など）を選べば、Ollama が環境に合う形式を選ぶ。量子化の形式そのもの（GGUF の Q4_K_M の読み方など）は量子化フォーマットの記事で扱っている。

VRAM の欄は、モデルの大きさに会話の分（コンテキスト）の余裕を足した目安だ。公式のクイックスタートも、既定で入る形式で約7.2GB の gemma4:e2b に「8GB の VRAM（Mac は統合メモリ）」を勧めている。入れた後は ollama show gemma4 でパラメータ数・量子化・コンテキスト長を確かめられる。

6. 画面で使う（Ollamaのアプリ・Open WebUI ほか）

「ターミナルは苦手」という人は、まず Ollama 自身のアプリを開けばよい。Windows と macOS 版には、モデルを選んでチャットする画面が入っている（公式ブログ「Ollama's new app」）。Linux にはアプリが無いので、下の他の画面を使う。

7. クラウドモデルと料金

手元の GPU では大きいモデルが動かないとき、Ollama のサーバーで動くクラウドモデルを同じ操作で使える。ollama signin で ollama.com にサインインし、ollama run gemma4:cloud のように :cloud の付いた名前を指定するだけだ。ダウンロードは要らない（公式のCloudのページ）。プランは次のとおり（料金ページ、2026年11月12日時点）。

使った量は、モデルごとの100万トークンあたりの単価で数える。例えば gemma4 のクラウド版は入力 $0.14・出力 $0.40だ。入力100万トークン・出力20万トークンを使うと、0.14＋0.40×0.2＝約0.22ドルになる。Pro の毎月 $60 分は、この割合なら約270回分（60÷0.22）にあたる。含まれる利用分は翌月に繰り越されない。手元で動かすモデルは、どのプランでも無制限で料金はかからない。

8. API活用（OpenAI互換・Anthropic互換）

Ollamaの真価はローカルAPIにある。サーバーは既定で 127.0.0.1:11434 に待ち受けており、ここへリクエストを送れば、自作アプリ・スクリプト・ツールからローカルLLMを使える。入口は3つの形式がある。

/api/chat（会話の履歴を渡す）

curl http://localhost:11434/api/chat -d '{
  "model": "gemma4",
  "messages": [{
    "role": "user",
    "content": "Why is the sky blue?"
  }],
  "stream": false
}'

答えは message.content に入る。"stream": false を外すと、答えが少しずつ JSON の行で返ってくる（既定はストリーミング）。1回だけ答えさせるなら /api/generate に "prompt" を渡す形もある。上の書き方は macOS・Linux のシェル向けで、Windows の PowerShell では引用符の扱いが違うので、公式のWindowsのページにある次の形を使う（モデル名だけ替えた）。

(Invoke-WebRequest -method POST -Body '{"model":"gemma4", "prompt":"Why is the sky blue?", "stream": false}' -uri http://localhost:11434/api/generate ).Content | ConvertFrom-json

OpenAI互換（/v1）

OpenAI の公式ライブラリで、base_url を Ollama に向けるだけで動く。公式の説明によると、ローカルのサーバーではAPIキーは「必須だが無視される」ので、適当な文字列でよい。

from openai import OpenAI

client = OpenAI(
    base_url='http://localhost:11434/v1/',
    api_key='ollama',  # required but ignored
)

chat_completion = client.chat.completions.create(
    messages=[{'role': 'user', 'content': 'Say this is a test'}],
    model='gemma4',
)
print(chat_completion.choices[0].message.content)

Anthropic互換（Claude Code を繋ぐ）

公式のAnthropic互換の説明では、Anthropic の API を前提にした道具に次の2つの環境変数を設定する。環境変数を自分で設定しなくても、ollama launch claude で繋いだ状態で起動できる。

export ANTHROPIC_AUTH_TOKEN=ollama  # required but ignored
export ANTHROPIC_BASE_URL=http://localhost:11434

どちらの互換も、元の API の一部だけに対応している。例えば Responses の形式は状態を持たないので、会話の履歴を毎回送る必要がある。コーディングエージェントでローカルのモデルを使うときは、次の章のコンテキスト長が鍵になる。

9. カスタマイズ（Modelfile・環境変数・メモリの調整）

Modelfile：自分用のモデルを作る

Modelfile は、Dockerfile のような設定ファイルだ。ベースのモデル（FROM、必須）に、パラメータ（PARAMETER）やシステムプロンプト（SYSTEM）を足して、いつも同じ振る舞いをする「自分用のモデル」を作れる。最小の例はこうなる。

FROM gemma4
PARAMETER temperature 0.7
PARAMETER num_ctx 16384
SYSTEM """あなたは丁寧な日本語で、要点から簡潔に答えるアシスタントです。"""

これを Modelfile という名前で保存し、同じフォルダで次を実行する。num_ctx を Modelfile に書いておけば、サーバー全体の既定を変えずに、このモデルだけコンテキスト長を伸ばせる。

ollama create my-assistant -f Modelfile
ollama run my-assistant

既存のモデルがどんな Modelfile でできているかは ollama show --modelfile gemma4 で見られる。これを写して書き換えるのが近道だ。

主な環境変数

サーバーの振る舞いは環境変数で変える。全部の一覧は ollama serve --help で表示される。よく使うものを、ソースコード（envconfig/config.go）と公式FAQに書かれた既定値とともに挙げる。

設定のしかたはOSで違う（公式FAQ）。Windows は、タスクバーの Ollama を終了してから「環境変数」の設定画面でユーザー環境変数を足し、スタートメニューから Ollama を起動し直す。macOS は launchctl setenv OLLAMA_HOST "0.0.0.0:11434" のように設定してアプリを再起動する。Linux（systemd で動かしている場合）は次の手順だ。

systemctl edit ollama.service
# [Service] の下に 1 行ずつ足す
# Environment="OLLAMA_HOST=0.0.0.0:11434"
systemctl daemon-reload
systemctl restart ollama

メモリが足りないとき・長い文脈が要るときの調整

コンテキスト長は、VRAM が 24GiB 未満なら既定で 4k（約4,000トークン）しかない。公式のContext lengthのページは、ウェブ検索・エージェント・コーディングの道具には少なくとも64,000トークンを勧めている。足りないとエラーを出さずに前の内容を忘れるので、症状から逆に引けるよう、やりたいことごとの設定を表にした。

変えた後は ollama ps で、CONTEXT 列が狙った長さになり、PROCESSOR 列が 100% GPU のままかを確かめる。コンテキスト長とメモリの関係の計算は必要スペックの記事、エージェントが文脈切れで壊れるときの症状はOllama＋Clineの記事で詳しく扱っている。

10. つまずきの対処

よくある詰まりどころと、公式のFAQ・Troubleshootingにある対処をまとめた。

まとめ

Ollamaは、オープンなモデルを手元でもクラウドでも同じ操作で動かせるツールだ。要点は4つ。

• 入れる前にGPUを確かめる：NVIDIA は Compute Capability 5.0 以上、AMD は ROCm v7 の対応表か Vulkan、Mac は Apple M シリーズ。動かしたら ollama ps で 100% GPU かを見る。
• タグを読んで選ぶ：latest の中身はモデルごとに違う。大きさの数字（e2b・12b・31b）と、迷ったら接尾辞の無いタグを。
• 文脈の長さを自分で決める：VRAM 24GiB 未満の既定は 4k。エージェントには 64k 以上を勧められており、メモリは K/V キャッシュの量子化で稼ぐ。
• API と launch で道具に繋ぐ：OpenAI 互換・Anthropic 互換のAPIと ollama launch で、自作アプリや Claude Code から使える。重いモデルは :cloud で。

まずはアプリを開くか、ollama run gemma4:e2b を打ってみよう。動かしながら、クラウドとの違いやモデルの選び方を確かめていくのが、いちばん身につく進め方だ。エディタに繋いでコードを書かせるところまで進むなら、ローカルLLMでコーディングするで Cline / Continue の設定を扱っている。

FAQ