Ollamaとは？無料で使えるローカルLLMの使い方・必要スペック・料金・LM Studioとの違い【2026年10月】

Ollama（オラマ）は、Gemma 4・Qwen・DeepSeek・GLMなどのオープンウェイトLLMを、自分のPC上でコマンド1つで動かせる無料のオープンソースツールです。 ローカルで使う限り料金はかからず、データも外に出ません。2026年7月にはシリーズBで6,500万ドルを調達し、月間約890万人の開発者が使うツールになっています。

この記事でわかること

• Ollamaの正体と、ChatGPT・ClaudeなどのクラウドAIとの違い
• 2026年10月時点の最新動向（最新安定版v0.35.1、判断モデル、Claude Desktop・ChatGPT Desktop連携）
• 料金：ローカルは無料。Ollama Cloudは8月31日にトークン課金（クレジット制）へ移行
• 必要スペックの目安と、つまずきやすい「コンテキスト長」の設定
• Windows・Mac・Linuxへのインストールから、ollama run・API連携・ollama launchまでの手順
• LM Studioとの違い（2026年7月のBionic登場で比較の前提が変わった点も含む）
• 2026年に報告された脆弱性（CVE-2026-7482ほか）と対策チェックリスト

こんな方に向けた記事です：ローカルLLMをこれから試したい個人開発者、機密データを外部APIに送れない企業の情報システム・開発担当者、Claude Codeなどのコーディングエージェントをローカルモデルで動かしたい方。

Ollamaとは：オープンLLMをローカルで動かす「LLM版Docker」

出典: Ollama 公式サイト

Ollamaは、オープンウェイトのLLMをダウンロードして手元のPCで実行するためのツールです。モデルを動かす実行エンジン、CLI、デスクトップアプリ、REST APIがセットになっています。ollama run gemma4 と打つだけでモデルの取得から対話開始まで完了するため、「LLM版Docker」 と呼ばれることがあります。

ポイントは 「ローカル実行は無料」「データが手元から出ない」「既存ツールにAPIで差し込める」 の3つです。創業者がDocker Desktopの開発に関わっていたこともあり、複雑な環境構築を1コマンドにまとめるというDockerの考え方をLLMに持ち込んだツールだといえます。

ChatGPT・ClaudeなどクラウドAIとの違い

生成AI全体の仕組みや種類から押さえたい方は、生成AIとは？仕組み・できること・活用事例 を先に読むとOllamaの位置づけがつかみやすくなります。

2026年の最新動向：6,500万ドル調達・約890万人・v0.35の新機能

出典: ollama/ollama — GitHub

2026年のOllamaは、資金調達で事業基盤を固めつつ、デスクトップAIアプリとの連携や判断モデルへの対応を広げています。

シリーズBで6,500万ドルを調達（2026年7月9日）

出典はTechCrunch、The Next Web、Ollama公式ブログです。14人体制で900万人規模を支えていること、大企業の開発現場にすでに入り込んでいることがわかります。ユーザー数は2026年7月時点の数字で、それ以降の公式な更新値は出ていません。

2026年7〜10月の主なアップデート

判断モデルは、テキストと「選択肢」「Yes/No」「スコア」といった型付きの質問を送ると、確率付きの構造化回答を返すモデルです。問い合わせチケットの振り分けやコンテンツモデレーションといった「判定」に向いています。TypeSafe社のJevのAPIと互換性があり、nimble（9B）、tev1（0.8B/4B）、Clef（9B/27B）などが提供されています。

なお、v0.40.0はバージョン番号こそ大きいものの、GitHub上ではプレリリース扱いです。業務で使うなら、安定版のv0.35.x系を選んでください。

Ollamaでできること

Ollamaの実用価値は、「モデルを動かせる」ことよりも既存の開発ツールやAIアプリにそのまま差し込めることにあります。

実務で最も効くのはOpenAI互換APIです。OpenAI SDKで書いた社内ツールがあれば、ベースURLを http://localhost:11434/v1 に変えるだけで、コードをほとんど触らずにローカルモデルへ切り替えられます。

Ollamaの料金：ローカル実行は無料、課金はCloudだけ

Ollamaをローカルで使う限り、料金は一切かかりません。 公式の料金ページでも、Freeプランに「Run models locally」と書かれています。お金がかかるのは、大型モデルをクラウドで動かす Ollama Cloud を使う場合だけです。

Ollama Cloudのプラン（2026年10月時点）

出典：Ollama Pricing

2026年8月31日の料金改定で変わったこと

公式ブログ「Ollama's transparent pricing」によると、Ollama Cloudの課金方式は次のように変わりました。

• GPU時間ベースから、トークン単価による課金へ。月額料金ぶんのクレジットが付き、そこから消費する方式です
• 5時間ごと・週ごとの利用上限は撤廃
• 変更の理由は、Kimi K3（2.8兆パラメータ）のような巨大モデルではGPU時間課金だと料金を予測しにくくなったため
• クレジットは翌月に繰り越せず、契約開始日を基準にリフレッシュされる
• 既存の契約者は旧プランのまま続く。プランや請求サイクルを変えたときに新プランへ移行する

「Proは月$20で$60分使える」のように、支払額より多いクレジットが付くのが新プランの特徴です。モデルごとのトークン単価は料金ページや各モデルページに載っているとされていますが、執筆時点では具体的な単価を確認できませんでした。契約前に公式ページで確認してください。

「無料」でもかかるコスト

ローカル実行に課金はありませんが、コストがゼロになるわけではありません。

• ハードウェア代：実質的に最大のコストです。快適に動かすにはGPUやメモリへの投資が必要になります
• 電気代：一般的な家庭用料金で1日2時間ほど使うなら、月数百円程度が目安です（公式値ではなく編集部の試算）

つまり、Ollamaのコストは「どのマシンで動かすか」でほぼ決まります。

必要スペック：VRAM・メモリの目安とコンテキスト長

公式が出しているのはOSとドライバの要件だけで、モデルごとの最低スペックは公表されていません。 VRAM・メモリ別の表は、あくまで一般的な目安として見てください。

公式のシステム要件

出典：Ollama docs（macOS）、Ollama docs（Windows）

VRAM・メモリ別に動かせるモデルの目安（Q4量子化）

目安を見積もるときは、次の3点を押さえておけば大きく外しません。

• ファイルサイズ＋数GBの余裕が必要メモリのおおよその目安になる（会話が長くなるほど余裕が必要）
• GPUがない場合、モデル全体をシステムRAMに載せてCPUで推論するため、RAM容量が動かせるモデルの上限を決め、速度も大きく落ちる
• Apple Siliconは統合メモリをGPUと共有するため、Macのメモリ容量がそのまま上限になる

70B級以上をローカルで本格運用したい場合は、NVIDIA RTX Sparkとは で紹介しているような大容量メモリの専用機も選択肢です。

見落としがちな「コンテキスト長」の既定値

Ollamaのコンテキスト長（一度に扱えるトークン数）は、VRAM容量によって既定値が自動で決まります（公式docs）。

公式は、コーディングツール・Web検索・エージェント用途では最低64,000トークンを推奨しています。VRAMが24GB未満のPCにClaude Codeをつないで「すぐに文脈を忘れる」「まともに動かない」と感じた場合、原因の多くはこの既定値です。デスクトップアプリの設定スライダーか、環境変数 OLLAMA_CONTEXT_LENGTH で64k以上に引き上げてください。

Ollamaの使い方：インストールから実行までの5ステップ

Windows・Macとも、インストールから最初の対話まで10分ほどで終わります（モデルのダウンロード時間は回線とモデルサイズしだいです）。

Step 1. インストールする

Mac

1. ollama.com/download からmacOS版をダウンロード
2. ダウンロードしたアプリを「アプリケーション」フォルダに移して起動
3. メニューバーにラマのアイコンが出れば常駐している状態

Windows

1. ollama.com/download からWindows版のインストーラ（OllamaSetup.exe）をダウンロード
2. 実行してインストール。管理者権限は不要で、ユーザーフォルダに入る
3. タスクトレイにアイコンが出れば常駐している状態

Linux

curl -fsSL https://ollama.com/install.sh | sh

Docker（サーバー・CI向け）

# 外部公開しないよう、ホスト側は127.0.0.1にバインドする
docker run -d -v ollama:/root/.ollama -p 127.0.0.1:11434:11434 --name ollama ollama/ollama

Step 2. 動作を確認する

ターミナル（WindowsはPowerShell）で次のコマンドを実行します。

ollama --version   # バージョンが表示されればOK（0.35系以上を推奨）

v0.34.2以降は、ollama とだけ打つと初回セットアップが始まり、案内に沿って使い始められます。

Step 3. モデルをダウンロードして話しかける

# ダウンロードから対話開始までこれだけ（初回は数GB〜のダウンロード）
ollama run gemma4

# サイズを指定する場合はタグを付ける（タグ名は各モデルのライブラリページで確認）
ollama run gemma4:12b

>>> が表示されたら日本語で質問できます。終了するときは /bye と入力します。デスクトップアプリから、GUIでモデルを選んでチャットすることもできます。

よく使うコマンド

モデルの保存先は、Macが ~/.ollama/models、Windowsが C:\Users\<ユーザー名>\.ollama\models です。Cドライブの空きが足りないときは、環境変数 OLLAMA_MODELS で別のドライブに変更できます。

Step 4. APIとして使う（OpenAI互換）

Ollamaは起動中、http://localhost:11434 でAPIを待ち受けています。OpenAI SDKのコードなら、ベースURLを差し替えるだけで動きます。

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:11434/v1",  # ここをOllamaに向ける
    api_key="ollama",                       # 任意の文字列でOK
)

response = client.chat.completions.create(
    model="gemma4",
    messages=[{"role": "user", "content": "この議事録を3行で要約して"}],
)
print(response.choices[0].message.content)

公式のPython / JavaScriptライブラリも用意されています。

Step 5. エージェント用途ならコンテキスト長を64k以上にする

Claude Codeなどのエージェントをつなぐ前に、コンテキスト長を引き上げておきます。

• デスクトップアプリ：設定画面のコンテキスト長スライダーで64k以上を選ぶ
• コマンドで起動する場合：

OLLAMA_CONTEXT_LENGTH=64000 ollama serve

設定したら ollama ps で、モデルがGPU上で動いているか（CPUに逃げていないか）を確認します。コンテキストを伸ばすとメモリ消費も増えるため、VRAMに収まらない場合は一回り小さいモデルを選んでください。

応用：コーディングエージェントやデスクトップAIにつなぐ

ollama launch を使うと、環境変数や設定ファイルを触らずにエージェントを起動できます。

# 対話形式で、起動するエージェントとモデルを選ぶ
ollama launch

# Claude Codeを直接起動
ollama launch claude

公式インテグレーションには、Claude Code、OpenCode、DeepSeek Harness、OpenClaw、Hermes Agentなどがあります。Claude Desktop（macOS）やChatGPT Desktop（Codexモード）も、Ollamaアプリの設定をオンにするだけでオープンモデルを使えます。Claude Desktop連携については、テレメトリは既定で無効で、ローカルモデル利用中のプロンプトはAnthropicにもOllamaにも送られないと公式ブログで説明されています。

品質面のトレードオフ：Claude Codeをローカルモデルで動かせば無料かつプライベートにできますが、ローカルモデルの品質はClaudeの最上位モデルには一般に及びません。「機密コードを外に出せない」「オフラインで作業したい」といった条件があるときに選ぶ構成です。

Claude Code自体の機能は Claude Codeとは、他エージェントとの違いは OpenClaw vs Claude Code 徹底比較、ツール全体の選び方は AIコーディングツール おすすめ で整理しています。

うまく動かないときのチェックポイント

対応モデル：人気モデルと用途別の選び方

Ollamaの公式ライブラリ（ollama.com/search）には、主要なオープンモデルがそろっています。Pull数は2026年10月上旬の数値で、日々変わります。

用途別のモデル選び

日本語の精度を重視する場合は、国産LLM 7選 徹底比較 も参考になります。ローカル向けのサイズ感は Gemma 4 12Bとは で詳しく解説しています。

Ollama vs LM Studio：2026年10月版の違い

出典: LM Studio 公式サイト

開発に組み込む「部品」として使うならOllama、アプリ内でモデルを探したりエージェントを使ったりしたいならLM Studio、というのが現在の選び分けです。

「Ollama＝CLI、LM Studio＝GUIで完全無料」という比較は、すでに古くなっています。LM Studioは2026年1月の0.4.0でヘッドレス常駐版「llmster」を出し、7月16日にはエージェントアプリ「Bionic」と有料のクラウド枠（Bionic+ $20/月、Pro $100/月）を投入しました（LM Studio Pricing）。一方のOllamaはデスクトップアプリやClaude/ChatGPT Desktop連携でGUI側にも広がっています。結果として、料金構造は両者とも「ローカルは無料＋月$20/$100のクラウド枠」とほぼ同じ形になりました。

結局どちらを選ぶべきか

両者は排他ではありません。LM Studioでモデルを探して試し、気に入ったモデルをOllamaで開発に組み込むという併用もよく見られます。

llama.cpp・vLLMとの違い：カテゴリを取り違えない

ローカルLLMツール選びでよくある失敗は、用途の違うカテゴリのツールを比べてしまうことです。

OllamaやLM Studioは基本的に「1台のマシンを少人数で使う」用途向けです。 「社内の数十人が同時に使うAIチャット」をOllama 1台で処理しようとすると、まず詰まります。その規模になると、continuous batchingなどで同時処理に最適化されたvLLMの出番です（第三者のベンチマークでも、同時処理性能には大きな差が報告されています）。逆に、ノートPCでの実験にvLLMを使うのは手間がかかりすぎます。

セキュリティ：Ollamaは安全か？

最新版を使い、ポート11434を外部に公開しなければ、個人利用のリスクは十分に抑えられます。 ただ、「ローカルだから安全」とは言い切れません。2026年には深刻な脆弱性がいくつか報告されています。

2026年に報告された主な脆弱性

出典：Cyera Research、CERT Polska、SentinelOne

Bleeding Llamaについては、ネットに露出していて影響を受けるサーバーが約30万台と推定されています（Cyera等の報道）。これとは別の調査として、意図せず公開されているOllamaサーバーが約17.5万台見つかったというCiscoのケーススタディもあります。時点も調査主体も異なりますが、「露出したOllamaは少なくない」という点は共通しています。

押さえておくべき設計上の前提

• ローカルのREST APIにはネイティブの認証機能がない：localhostから呼ぶ前提で作られています。外部に公開するなら認証プロキシが必須です
• 既定では 127.0.0.1:11434 にバインドされる：OLLAMA_HOST を変えない限り、外部からはつながりません
• ローカル実行中、プロンプトや応答はollama.comに送られない（公式FAQ）

対策チェックリスト

1. 最新安定版（2026年10月時点でv0.35.1）に更新する。CVE-2026-42248の影響範囲が0.17.5までと報告されているため、少なくとも0.17.5より新しいバージョンにする
2. Windows版は自動更新任せにせず、手動でバージョンを確認する（CVE-2026-42248対策）
3. OLLAMA_HOST を 0.0.0.0 にしない。Dockerでも 127.0.0.1:11434:11434 でバインドする
4. ポート11434をファイアウォールで閉じる
5. 共有するなら、認証付きのリバースプロキシやAPIゲートウェイを前段に置く
6. 出どころの分からないGGUFモデルを読み込ませない（Bleeding Llamaの攻撃経路）
7. 組織でクラウド利用を禁止したいときは OLLAMA_NO_CLOUD=1（または ~/.ollama/server.json の disable_ollama_cloud）
8. プロキシ環境では HTTPS_PROXY を使い、HTTP_PROXY は避ける（公式FAQ）

Ollama Cloudを使う場合の注意

:cloud 付きモデルを選んだ時点で、プロンプトと応答はOllamaのクラウド（主に米国。欧州・シンガポールにもルーティング）に送られます。料金ページでは「Prompt or response data is never logged or trained on（ログ保存も学習利用もしない）」と明記されており、推論パートナーにもゼロデータリテンションを求めているとしています。ただ、契約上の保証範囲（DPAなど）は公開情報では確認できませんでした。機密データを扱うなら、ローカルモデルだけを使い、OLLAMA_NO_CLOUD でクラウドを止めておくのが確実です。

生成AI全般のセキュリティ設計は 生成AIのセキュリティリスクと対策、コーディング用途のリスクは AIコーディングのセキュリティリスク で解説しています。機密データをローカルで扱う考え方は、ガバメントAI「源内」 の事例も参考になります。

ライセンスと商用利用：「Ollamaが MIT ならモデルも自由」は誤り

Ollama本体はMITライセンスなので商用でも使えます。ただし、ダウンロードするモデルにはそれぞれ別のライセンスがあります。

たとえばMetaのLlama系は、月間アクティブユーザーが7億人を超えるサービスで使う場合、Metaへの別途の申請が必要です（詳しくは Meta Llama 4 Scoutとは）。Ollamaで動くからといって自由に商用利用できるわけではないので、業務で使う前に各モデルのライブラリページにあるライセンス条項を確認してください。

Ollamaの弱み・できないこと

Ollamaはこんな人におすすめ

Ollamaをおすすめしない人

よくある質問（FAQ）

Q. Ollamaの読み方は？

「オラマ」と読むのが一般的です。ロゴのラマ（Llama）にちなんだ名前で、MetaのLlamaシリーズを手軽に動かすツールとして広まりました。現在はLlama以外の多くのモデルにも対応しています。

Q. 日本語で使えますか？

使えます。Ollama自体は言語に依存せず、日本語を扱えるかは選ぶモデルしだいです。Gemma 4やQwen系は日本語の質問に日本語で答えられます。小さいモデルほど日本語の自然さは落ちやすいので、まずは12B前後から試すのがおすすめです。

Q. インストールしたOllamaのアップデートはどうすればいいですか？

MacとWindowsはアプリが更新を通知します。Linuxはインストールスクリプトを再実行すれば最新版になります。Windows版の古いバージョン（0.17.5以前）は自動更新の署名検証に脆弱性があったため、公式サイトから最新のインストーラを入れ直すのが確実です。

Q. Ollamaを使っていない時もPCに負荷はかかりますか？

アプリは常駐しますが、モデルは最後に使ってから既定で5分たつとメモリから解放されます。待機中の負荷はほぼありません。完全に止めたいときは、メニューバーやタスクトレイのアイコンから終了してください。

Q. 社内の数人で1台のOllamaを共有できますか？

少人数なら可能です。OLLAMA_NUM_PARALLEL で同時処理数を増やし、認証付きのリバースプロキシを前段に置く構成にします。OLLAMA_HOST を変えて素のポートを社内LANに開くだけの運用は、APIに認証がないため避けてください。利用者が数十人規模ならvLLMなどを検討します。

Q. 「900万ユーザー」は本当ですか？

2026年7月の資金調達時点で、公式は月間約890万人の開発者が利用していると公表しています。TechCrunchなどはこれを「約900万ユーザー」と報じました。それ以降の公式な更新値は出ていません。

Q. Ollama CloudのProとMaxはどちらを選べばいいですか？

ローカルでは動かせない大型モデルをときどき使う程度ならPro（$20/月で$60分のクレジット）で足ります。複数のエージェントを並行で動かすなど、同時リクエストが多い使い方ならMax（$100/月で$300分、同時10リクエスト）が候補です。ローカル実行だけならどちらも不要です。

まとめ

Ollamaは、オープンLLMを自分のPCでコマンド1つで動かせる、MITライセンスの無料ツールです。2026年7月に6,500万ドルを調達して月間約890万人の開発者に使われるまでになり、8〜9月にはClaude Desktop・ChatGPT Desktop連携や判断モデルにも対応しました。

• 料金：ローカル実行は無料。有料はOllama Cloudだけで、8月31日からクレジット制（Pro $20で$60分、Max $100で$300分）
• 始め方：公式サイトからインストールして ollama run gemma4。エージェント用途ならコンテキスト長を64k以上に
• スペック：VRAM 8GB／Mac 16GBで12B級、VRAM 24GBで26〜35B級が目安
• 強み：OpenAI・Anthropic互換APIと ollama launch により、既存ツールへ組み込みやすい
• 注意点：最新安定版に更新し、ポート11434を公開しない。モデルのライセンスは個別に確認する
• LM Studioとの違い：組み込みの部品として使うならOllama、アプリでモデル探索やエージェントを使うならLM Studio

「データを外に出さずにLLMを使いたい」「API課金を抑えたい」という目的なら、Ollamaはまず試す価値のあるツールです。手元のPCで ollama run gemma4 から始めてみてください。