公開日:
Ollamaは、OSへ導入してモデルを選び、ollama run gemma3を実行すれば始められます。
- 要点1：Windows・macOS・Linuxの公式手順でインストールする
- 要点2：CLIでモデルの取得、実行、確認、停止、削除まで管理できる
- 要点3：ローカルAPIは
http://localhost:11434で使え、外部公開時はセキュリティ対策が必要
対象読者：初めてローカルLLMを使う人、DX推進担当者、情報システム部門
今日やること：公式ページからOllamaを導入し、ollama run gemma3を1回実行する
この記事の目次
- OllamaとはローカルでLLMを動かすための実行環境
- Ollamaを始める前に確認すること
- Ollamaをインストールしてモデルを動かす6つの手順
- Ollamaの基本コマンド一覧
- Ollamaで使うモデルの選び方
- モデルを取得・確認・コピー・削除する方法
- Modelfileでカスタムモデルを作る方法
- Ollama APIをcURLから使う方法
- OpenAI互換APIで既存ツールと連携する方法
- Ollamaのモデル保存先を確認・変更する方法
- Ollamaを完全なローカルモードで使う方法
- Ollamaを安全に使うためのセキュリティ設定
- OllamaのGPU利用と速度を確認する方法
- Ollamaが起動しない・動かないときの対処法
- Ollamaを業務利用するときの設計ポイント
- OllamaとLM Studioの使い分け
- Ollama本体とモデルのライセンス・費用
- Ollamaの使い方に関するよくある質問
- Ollamaを使い始めるためのチェックリスト
- まとめ：Ollamaは公式手順と安全な初期設定から始める
Ollamaを使うと、対応する大規模言語モデルを自分のパソコン上で取得して実行できます。
ただし、快適に動くモデルや導入方法は、OS、メモリ、GPU、モデルの仕様によって変わります。
この記事では、初心者がインストールから会話、モデル管理、API連携まで進められるように、Ollamaの使い方を順番に解説します。
外部公開時の認証やモデルのライセンスなど、業務利用で見落としやすい注意点も確認しましょう。
OllamaとはローカルでLLMを動かすための実行環境
Ollamaは、LLMの取得、実行、管理、API提供を一つの環境で扱えるソフトウェアです。
ターミナルからコマンドを実行するだけで、対応モデルとのチャットを始められます。
ローカルで処理する構成なら、入力を外部の生成AI APIへ毎回送らずに利用できる点が特徴です。
一方で、「ローカルで動かすこと」と「自動的に安全であること」は同義ではありません。
端末のアクセス制御、ログ、モデルのライセンス、APIの公開範囲は利用者側で管理する必要があります。
Ollamaの全体像と最初の実行例は、公式のQuickstartで確認できます。
LLM自体の仕組みから理解したい方は、LLMとは何かを解説した基礎ガイドも参考にしてください。
Ollamaを始める前に確認すること
最初に、利用中のOS、空きストレージ、メモリ、GPU、利用目的を確認します。
モデルファイルは別途ダウンロードされるため、Ollama本体を導入しただけでは会話を始められません。
必要な容量や実行時の負荷はモデルごとに異なります。
モデル名が同じでも複数のサイズやバリエーションが用意される場合があるため、固定的な必要容量は断定できません。
利用前にOllama公式Libraryで、モデルの説明、タグ、サイズ、利用条件を確認してください。
OS要件も更新される可能性があるため、古い解説記事ではなく、利用するOSの公式ページを基準にします。
業務利用では、検証用の非機密データから始め、入力してよい情報の範囲を先に決めることが重要です。
ローカルLLMの向き・不向きを整理したい場合は、ローカルLLMの基礎ガイドをご覧ください。
＼ AI導入の進め方を一緒に整理しませんか ／
AI顧問の無料相談はこちらOllamaをインストールしてモデルを動かす6つの手順
ここでは、OSの確認から最初の会話までを6つの手順で進めます。
Windows、macOS、Linuxのうち、自分に該当するインストール手順を実行してください。
手順1：自分のOS向け公式ページを開く
OllamaはWindows、macOS、Linux向けに案内されています。
まず、Windows版の公式手順、macOS版の公式手順、Linux版の公式手順から対象ページを開きます。
配布方法や要件は変更される可能性があるため、ダウンロード前に公式ページの最新情報を確認してください。
非公式の配布サイトからインストーラーを取得することは避けます。
手順2：Windowsへインストールする
Windowsでは、公式ページから案内されるインストーラーを取得して実行します。
インストール後にPowerShellまたはコマンドプロンプトを開き、Ollamaのコマンドを確認します。
アプリがバックグラウンドで動作していれば、通常は別のターミナルでモデル実行コマンドを入力できます。
環境変数を変更する場合は、Windowsの公式ページにある設定方法を確認し、変更後にOllamaを再起動します。
手順3：macOSへインストールする
macOSでは、公式ページからアプリを取得し、案内に沿ってApplicationsフォルダへ配置して起動します。
初回起動時にOSの確認画面が表示された場合は、内容と配布元を確認して進めます。
Ollamaアプリが起動すると、ターミナルからollamaコマンドを利用できます。
macOSで環境変数を変更するときは、シェル設定だけでなくアプリ側へ反映する方法が必要になる場合があるため、公式手順に従ってください。
手順4：Linuxへインストールする
Linuxでは、公式ページに掲載されているインストールスクリプトを利用できます。
実行前にURLとスクリプトの提供元を確認してください。
curl -fsSL https://ollama.com/install.sh | shインストール後は、サービスの状態やログを確認し、必要に応じて起動設定を行います。
ディストリビューションやサービス管理方法によって操作が異なるため、Linux向け公式ドキュメントを基準にしてください。
手順5：インストール結果を確認する
新しいターミナルを開き、次のコマンドでOllamaが認識されるか確認します。
ollama --versionバージョン情報が表示されない場合は、ターミナルを開き直し、アプリやサービスの起動状態、コマンドのパスを確認します。
サーバーを手動で起動する構成では、次のコマンドを使います。
ollama serveWindowsやmacOSでアプリがすでにサーバーを起動している場合、同じポートでollama serveを重ねて実行する必要はありません。
手順6：gemma3を実行して会話する
最初の動作確認には、公式Quickstartにも掲載されている次のコマンドを使います。
ollama run gemma3ローカルにモデルがなければ取得処理が行われ、準備が完了するとプロンプトへ文章を入力できます。
たとえば、「ローカルLLMの利点を3つ説明してください」と入力し、応答が返るか確認します。
対話を終えるときは、対話画面で/byeを入力します。
ここまで完了すれば、Ollama本体、モデル取得、推論の基本経路が動いています。
Ollamaの基本コマンド一覧
Ollamaの主な操作はCLIから行えます。
公式のCLIリファレンスを基に、よく使うコマンドを整理すると次のとおりです。
| コマンド | 役割 | 実行例 |
|---|---|---|
run |
モデルを実行して対話する | ollama run gemma3 |
pull |
モデルを取得または更新する | ollama pull gemma3 |
ls |
取得済みモデルを一覧表示する | ollama ls |
show |
モデルの情報を表示する | ollama show gemma3 |
ps |
現在ロード中のモデルを確認する | ollama ps |
stop |
ロード中のモデルを停止する | ollama stop gemma3 |
rm |
取得済みモデルを削除する | ollama rm gemma3 |
cp |
モデルを別名でコピーする | ollama cp gemma3 my-gemma3 |
create |
Modelfileからモデルを作る | ollama create mymodel -f ./Modelfile |
serve |
Ollamaサーバーを起動する | ollama serve |
runは実行、pullは取得、stopはメモリからの停止、rmは保存ファイルの削除です。
似た操作でも結果が異なるため、特にstopとrmを混同しないようにしましょう。
オプションや利用可能なコマンドは更新されるため、ollama --helpと公式CLIページも併せて確認します。
＼ 業務自動化のお悩みをAI顧問に相談できます ／
AI顧問の無料相談はこちらOllamaで使うモデルの選び方
モデルは知名度だけでなく、用途、対応言語、品質、速度、必要な計算資源、ライセンスで選びます。
文章の要約、コード生成、画像入力など、モデルによって得意分野と対応機能が異なります。
最初は、公式Libraryで用途に合う候補を選び、自分の端末で無理なく動くタグから試すとよいでしょう。
大きなモデルほど常に業務に適するとは限らず、応答時間やメモリ消費とのバランスが必要です。
比較時は同じ入力文を使い、回答品質、初回応答までの時間、処理中のメモリ、誤回答の傾向を記録します。
モデル名やサイズ、タグは追加・変更されるため、本記事の固定値ではなく公式Libraryの最新表示を確認してください。
また、業務で使う前に、モデルカードと配布元のライセンスを読み、商用利用や再配布などの条件を確認します。
モデルを取得・確認・コピー・削除する方法
モデルを対話前に取得しておきたい場合は、pullを実行します。
ollama pull gemma3取得済みモデルはlsで確認できます。
ollama lsテンプレートやパラメータなどの情報を確認したい場合は、showを使います。
ollama show gemma3カスタマイズ前の控えや分かりやすい別名が必要なら、cpでコピーできます。
ollama cp gemma3 my-gemma3現在ロードされているモデルはpsで確認し、不要ならstopで停止します。
ollama psollama stop gemma3ストレージから削除するときは、対象名を十分に確認してからrmを実行します。
ollama rm gemma3削除後に再利用する場合は、モデルを再取得する必要があります。
＼ AI活用の「次の一手」を一緒に考えませんか ／
AI顧問の無料相談はこちらModelfileでカスタムモデルを作る方法
Modelfileは、基になるモデル、システムメッセージ、推論パラメータなどを定義するファイルです。
Dockerfileに似た形式ですが、利用できる命令はOllama独自の仕様です。
最小例は次のように記述できます。
FROM gemma3PARAMETER temperature 0.2SYSTEM あなたは日本語で簡潔に回答する業務アシスタントです。ファイル名をModelfileとして保存し、次のコマンドでモデルを作成します。
ollama create mymodel -f ./Modelfileollama run mymodelFROMには基になるモデルを指定し、PARAMETERでは対応する推論設定を指定します。
SYSTEMは振る舞いの土台になりますが、事実性や安全性を保証する仕組みではありません。
命令、指定方法、対応パラメータは公式のModelfileリファレンスで確認してください。
社内向けに共有する場合は、Modelfileだけでなく、基盤モデルの名前とタグ、評価用入力、変更履歴も管理すると再現しやすくなります。
Ollama APIをcURLから使う方法
OllamaはローカルにHTTP APIを提供します。
標準のベースURLはhttp://localhost:11434/apiです。
生成APIへcURLからリクエストする例は次のとおりです。
curl http://localhost:11434/api/generate \ -d '{ "model": "gemma3", "prompt": "Ollamaを一文で説明してください。", "stream": false }'modelには取得済みのモデル名を指定し、promptには入力文を指定します。
streamをfalseにすると、この例では応答をまとめて受け取れます。
APIのエンドポイント、リクエスト項目、ストリーミングの仕様は、公式のAPI Introductionを確認してください。
ローカルAPIへのアクセスに認証は不要です。
この仕様は自分の端末で試しやすい一方、ネットワークへ公開するときの重要なリスクになります。
OpenAI互換APIで既存ツールと連携する方法
Ollamaには、OpenAI APIとの互換性を提供するエンドポイントがあります。
対応するアプリやライブラリのベースURLをOllamaへ向けることで、既存コードを小さな変更で試せる場合があります。
PythonのOpenAIクライアントを使う基本形は次のとおりです。
from openai import OpenAIclient = OpenAI( base_url="http://localhost:11434/v1/", api_key="ollama",)response = client.chat.completions.create( model="gemma3", messages=[ {"role": "user", "content": "Ollamaの利点を3つ教えてください。"} ],)print(response.choices[0].message.content)上のapi_keyはクライアントライブラリ側の必須項目を満たすための文字列であり、ローカルOllamaがそのキーを認証するわけではありません。
OpenAI APIのすべての機能が同じように使えるとは限らないため、利用する機能が対応範囲に含まれるか確認が必要です。
最新のエンドポイントと互換機能は、公式のOpenAI compatibilityを参照してください。
Ollamaのモデル保存先を確認・変更する方法
OllamaのモデルはOSごとに標準の保存先が異なります。
| OS | 標準のモデル保存先 |
|---|---|
| macOS | ~/.ollama/models |
| Linux | /usr/share/ollama/.ollama/models |
| Windows | C:\Users\%username%\.ollama\models |
ストレージを分けたい場合は、環境変数OLLAMA_MODELSで保存先を変更できます。
変更先には、Ollamaを実行するユーザーまたはサービスが読み書きできる権限が必要です。
Linuxのサービスとして動かしている場合は、ログインユーザーのシェルだけに環境変数を設定してもサービスへ反映されないことがあります。
WindowsとmacOSでも、環境変数の変更後にOllamaアプリの終了と再起動が必要になる場合があります。
モデルファイルを手動で一部だけ移動・削除すると不整合の原因になるため、削除には基本的にollama rmを使います。
保存先とOS別の環境変数設定は、公式のFAQで最新手順を確認してください。
Ollamaを完全なローカルモードで使う方法
Ollamaにはクラウド関連機能が含まれる場合があります。
クラウド機能を無効にしてローカル運用へ限定したい場合は、環境変数OLLAMA_NO_CLOUD=1を設定します。
OLLAMA_NO_CLOUD=1設定方法はOSと起動方法によって異なるため、Windowsアプリ、macOSアプリ、Linuxサービスのそれぞれに合った方法を使います。
設定後はOllamaを再起動し、意図したプロセスへ環境変数が反映されたことを確認してください。
完全なローカル運用でも、モデルの初回取得、更新確認、外部連携ツールなどが通信する可能性は別途評価が必要です。
「Ollamaをローカルで使う」だけでシステム全体の外部通信がゼロになるとは限りません。
ネットワーク制御が必要な組織では、環境変数に加えて、ファイアウォールやプロキシのログで実際の通信も確認します。
OLLAMA_NO_CLOUDの最新仕様はOllama公式FAQを参照してください。
Ollamaを安全に使うためのセキュリティ設定
Ollamaは標準で127.0.0.1にバインドされ、同じ端末からの利用を前提とします。
さらに、ローカルAPI自体には認証がありません。
そのため、待ち受け先を変更して0.0.0.0などから到達可能にする場合は、APIをインターネットへ直接公開してはいけません。
社内の別端末から利用する必要がある場合は、少なくとも認証、アクセス制御、VPN、TLS対応リバースプロキシ、ファイアウォールを組み合わせます。
通信経路をTLSで暗号化するだけでは利用者を識別できないため、認証も別途必要です。
公開範囲は必要最小限のネットワークと利用者に絞り、アクセスログ、レート制限、障害時の停止手順を用意します。
また、OllamaのAPIを呼ぶWebアプリでは、入力値検証、権限分離、プロンプトインジェクションへの対策も必要です。
端末のディスク暗号化、OS更新、モデル保存先の権限、バックアップ方針も確認してください。
業務データを扱う組織は、生成AIガイドラインの作り方を参考に、入力禁止情報と承認手順を明文化するとよいでしょう。
OllamaのGPU利用と速度を確認する方法
Ollamaは環境に応じてGPUを利用できる場合がありますが、対応状況はOS、GPU、ドライバー、モデルによって変わります。
GPUがない環境でも動作する構成はありますが、モデルによっては応答速度や実用性に大きな差が出ます。
「特定のGPUなら必ず動く」と決めつけず、公式のGPUサポート情報で最新条件を確認してください。
モデル実行中に次のコマンドを使うと、ロード中のモデルに関する情報を確認できます。
ollama ps期待どおりにGPUが使われない場合は、OSがGPUを認識しているか、対応ドライバーか、Ollamaが最新かを順に確認します。
速度を比較するときは、初回のモデルロードと2回目以降の生成を分けて測定します。
同じモデル、同じ入力、同じ生成条件で比較しなければ、設定変更の効果を正しく判断できません。
モデルを同時に多数ロードするとメモリを圧迫するため、不要なモデルはollama stopで停止します。
Ollamaが起動しない・動かないときの対処法
問題が起きたら、インストール、サーバー、ポート、モデル、GPUの順で切り分けます。
最初にollama --versionが動くかを確認し、次にOllamaアプリまたはLinuxサービスが起動しているかを確認します。
APIの確認には、次のようにローカルのモデル一覧エンドポイントへアクセスする方法があります。
curl http://localhost:11434/api/tags接続できない場合は、Ollamaのプロセスが動いているか、11434番ポートを別のプロセスが使っていないか、設定した待ち受け先が正しいかを確認します。
モデルの問題が疑われる場合は、ollama lsで名前を確認し、必要に応じてollama pullで取得し直します。
メモリ不足が疑われる場合は、ollama psでロード状況を確認し、不要なモデルを停止して、より軽い候補を公式Libraryから選びます。
GPU関連のエラーでは、ドライバーをむやみに変更する前に、GPU公式ページとログを照合してください。
ログの場所とOS別の確認方法は、公式のTroubleshootingにまとめられています。
エラーを調べるときは、OS、Ollamaのバージョン、実行コマンド、モデル名、エラー全文をそろえると原因を絞りやすくなります。
ただし、ログを外部へ共有する前に、入力文、ユーザー名、ファイルパスなどの機密情報を削除してください。
Ollamaを業務利用するときの設計ポイント
業務利用では、個人端末で動いた状態をそのまま複数人向けの本番環境にしないことが重要です。
まず、要約、分類、社内検索の下書きなど、誤回答の影響を限定できる用途から検証します。
正解例を含む評価データを用意し、品質、速度、失敗率、人による修正時間をモデルごとに比較します。
次に、入力可能なデータ、モデル保存先、ログ保持期間、管理者、更新方法、障害時の代替手順を決めます。
モデルの更新で回答傾向が変わる可能性があるため、モデル名だけでなくタグや評価結果も記録します。
外部公開が必要なら、Ollamaへ直接アクセスさせず、認証と監査ログを持つアプリケーション層を前段に置きます。
生成結果を顧客への回答、契約、採用、会計処理などへ使う場合は、人の確認と差し戻し手順を残します。
小さな検証から社内展開までの環境設計や運用ルールに迷う場合は、NexaのAI活用相談をご利用ください。
OllamaとLM Studioの使い分け
OllamaはCLIとAPIを中心に、スクリプトやアプリからローカルLLMを扱いたい場合に向きます。
LM StudioはGUIでモデルを探し、設定やチャットを画面上で操作したい場合の候補です。
どちらもローカルLLMを扱えますが、対応モデル形式、API互換性、更新方法、操作性は同一ではありません。
開発者が自動化やAPI連携を重視するならOllamaが選びやすく、CLIに不慣れな利用者が画面操作を重視するならLM Studioも比較対象になります。
企業では、担当者の使いやすさだけでなく、権限、ログ、配布、更新、サポート、ライセンスを含めて選定します。
画面を使った導入手順を知りたい方は、LM Studioの使い方ガイドをご覧ください。
Ollama本体とモデルのライセンス・費用
Ollama本体のソースコードはGitHubで公開され、MIT Licenseが示されています。
詳細はOllamaの公式GitHubリポジトリで確認できます。
ただし、Ollama上で実行する各モデルには、配布元が定める別のライセンスや利用条件があります。
Ollama本体がMIT Licenseであることを理由に、すべてのモデルを無条件で商用利用できるとは判断できません。
モデルごとに商用利用、再配布、改変、生成物、利用地域、用途制限などを確認してください。
費用についても、Ollama本体だけでなく、端末、GPU、電力、運用、バックアップ、開発保守を含めて考える必要があります。
クラウド関連機能や提供条件が変わる可能性もあるため、料金を固定的に断定せず、利用時点の公式情報を確認します。
モデルサイズと必要環境も更新されるため、最終的には公式Libraryと各モデルの配布元情報を基準にしてください。
Ollamaの使い方に関するよくある質問
Q. Ollamaは無料で使えますか？
Ollama本体はMIT Licenseで公開されていますが、利用に必要な端末、電力、運用などの費用は発生します。
クラウド関連機能の条件や各モデルのライセンスは別に確認してください。
Q. Ollamaを使うのにGPUは必要ですか？
GPUが必須かどうかは、OS、モデル、求める速度などによって変わります。
CPUで動かせる構成でも実用速度にならない場合があるため、公式GPU情報とモデル情報を確認し、実機で検証してください。
Q. Ollamaのモデルはどこに保存されますか？
標準ではmacOSが~/.ollama/models、Linuxが/usr/share/ollama/.ollama/models、WindowsがC:\Users\%username%\.ollama\modelsです。
環境変数OLLAMA_MODELSで別の保存先を指定できます。
Q. Ollamaのモデルを終了・削除するにはどうしますか？
ロード中のモデルを止める場合はollama stop モデル名を使います。
保存済みモデル自体を削除する場合は、対象を確認してollama rm モデル名を使います。
Q. Ollama APIにAPIキーは必要ですか？
ローカルのOllama APIには認証がありません。
OpenAIクライアントが形式上のキーを要求する場合はダミー文字列を設定できますが、それはOllama側のアクセス制御にはなりません。
Q. Ollamaへ社内の別PCからアクセスできますか？
待ち受け設定を変更すれば別端末から到達できる構成は作れますが、APIをそのまま公開するのは危険です。
認証、VPN、TLSリバースプロキシ、ファイアウォール、アクセスログを設け、インターネットへ直接公開しないでください。
Ollamaを使い始めるためのチェックリスト
導入時は、次の項目を上から確認すると作業の抜けを減らせます。
- [ ] 利用中のOSに対応する公式ページを確認した
- [ ] 空きストレージ、メモリ、GPUの状況を確認した
- [ ] 公式の配布元からOllamaをインストールした
- [ ]
ollama --versionでコマンドを確認した - [ ]
ollama run gemma3で最初の応答を確認した - [ ]
ollama lsとollama psの違いを確認した - [ ] 利用するモデルのライセンスを確認した
- [ ] 機密ではないデータで品質と速度を評価した
- [ ] APIを127.0.0.1のまま試した
- [ ] 外部公開する場合の認証、VPN、TLS、ログを設計した
- [ ] 必要に応じて
OLLAMA_MODELSとOLLAMA_NO_CLOUD=1を設定した - [ ] 更新、バックアップ、障害対応の担当者を決めた
個人の検証では最初の6項目、業務利用ではすべての項目を確認することをおすすめします。
設定を変更した後は、再起動と動作確認を必ずセットで行ってください。
まとめ：Ollamaは公式手順と安全な初期設定から始める
Ollamaの基本的な使い方は、OS別の公式手順で導入し、ollama run gemma3でモデルを実行する流れです。
慣れてきたら、pull、ls、show、ps、stop、rmを使い分けると、モデルを適切に管理できます。
アプリ連携にはlocalhost:11434のAPIやOpenAI互換APIを利用できます。
ただし、ローカルAPIは認証不要であるため、外部公開時には認証、VPN、TLSリバースプロキシなどを必ず設けてください。
Ollama本体と各モデルのライセンスは別であり、モデルサイズ、料金、OS要件も利用時点の公式情報で確認する必要があります。
まずは非機密の入力を使い、自分の端末で一つのモデルを動かすところから始めましょう。
自社に適したモデル選定、セキュリティ、業務への組み込み方を整理したい方は、NexaのAI活用相談へお問い合わせください。
