ローカルLLMを手軽に試す手段として使いやすいのがOllama（オラマ）です。
無料で利用でき、インストールからモデル実行まで2ステップで進められます。
ChatGPTのようなAIモデルを、インターネット接続なし・完全無料・外部にデータを送信せずに自分のPC上で動かせます。
この記事では、WindowsやMacへの導入手順、基本コマンド、PCのメモリ容量別おすすめモデル、快適に動かすためのPC選びの目安をまとめます。
Ollamaとは？3行で説明
- ローカルLLMの実行環境。
オープンなモデル（Llama、Qwen、Gemma、gpt-ossなど）をコマンド1つでダウンロード＆実行できる - Windows／Mac／Linux対応、無料
- APIサーバー機能内蔵で、他のアプリ（VS Code拡張やチャットUI）からも呼び出せる
インストール手順
Windowsの場合
ollama.com からインストーラーをダウンロードして実行します。
wingetコマンドでもインストールできます。
winget install Ollama.OllamaMacの場合
公式サイトからdmgファイルをダウンロードしてインストールするか、Homebrewで実行します：
brew install ollama最初のモデルを動かす
ターミナル（Windowsの場合はPowerShell）で実行コマンドを入力します。
初回はモデルのダウンロード処理が走ります（サイズは数GB程度）。
ollama run gemma3:4bプロンプトが表示されたら、日本語でテキストを入力してください。
対話の終了は /bye です。
この手順だけでローカルLLMを動かせます。
基本コマンド5選
| コマンド | 処理内容 |
|---|---|
ollama run モデル名 | モデルを実行（未取得なら自動ダウンロード） |
ollama pull モデル名 | モデルのダウンロードのみ実行 |
ollama list | ダウンロード済みモデルの一覧表示 |
ollama ps | 実行中モデルとメモリ使用量の確認 |
ollama rm モデル名 | モデルを削除してディスク容量を解放 |
PCのメモリ容量別・おすすめモデル
Ollamaで快適に動作するモデルの規模は、PCのメモリ（またはVRAM）容量によって決まります。
対応する容量の目安は次のとおりです。
| 搭載メモリ | おすすめモデル | コマンド例 |
|---|---|---|
| 8GB | Gemma 3 4B | ollama run gemma3:4b |
| 16GB | Llama 3.1 8B / Qwen3 8B | ollama run qwen3:8b |
| 32GB | Qwen3 14B / Gemma 3 12B | ollama run qwen3:14b |
| 64GB（ユニファイド） | Qwen3 32B / Gemma 3 27B / gpt-oss 20B | ollama run gpt-oss:20b |
| 128GB（ユニファイド） | gpt-oss 120B / Llama 3.3 70B | ollama run gpt-oss:120b |
なぜメモリで決まるのか、生成速度がどう変わるのかはローカルLLMに必要なスペック解説で詳しく解説しています。
おすすめの活用方法2選
① チャットUIを組み合わせる
コマンドライン操作ではなくGUIを使いたい場合は、LM StudioやOpen WebUIを組み合わせると、ChatGPTのようなWebブラウザUIで利用できます。
OllamaはAPIサーバー（http://localhost:11434）を自動で起動しているため、対応クライアントから接続するだけで連携できます。
② 家庭内LANでAIサーバーとして共有する
ミニPCにOllamaを導入して常時起動しておけば、LAN内の各PCやスマートフォンから利用できる自宅用AIサーバーとして運用できます。
環境変数 OLLAMA_HOST=0.0.0.0 を設定して起動することで、LAN内の他の端末からのアクセスを受け付けられるようになります。
常時起動には省電力設計のミニPCが適しています。
Ollamaが快適に動くおすすめPC
現在のPCで動作が遅い場合や大規模モデルが読み込めない場合、ボトルネックの多くはメモリ帯域幅および容量にあります。
用途に合わせた機種選定の目安となる代表例は次の3機種です。
入門：Mac mini M4（16GB〜）
10万円前後の価格帯で8Bクラスのモデルがスムーズに動作する入門向け構成です。
静音性・省電力性に優れ、常時起動サーバーとしての運用にも向いています。
ミドル：MINISFORUM AI X1 Pro（32GB）
14Bクラスまで日常的に活用できるWindowsミニPCです。
日常の作業環境とAI実行を兼用するメイン機として適しています。
上位構成：GMKtec EVO-X2（Ryzen AI Max+ 395 / 64GB）
32Bクラスの動作に適し、帯域幅256GB/sによりgpt-oss 20Bも余裕をもって処理できる構成です。
ローカルLLMを本格的に活用したい場合の上位選択肢となります。
よくあるトラブルと対処法
- 動作するが極端に遅い → メモリ容量が不足し、スワップが発生している可能性があります。
ollama psで使用量を確認し、パラメータ数の小さいモデルや量子化精度の高い版への変更を検討してください - ダウンロードが途中で停止する →
ollama pullを再実行すると、中断した箇所からダウンロードが再開されます - ストレージ容量が圧迫される → モデルファイルは1つあたり数GB〜数十GBを消費します。
使用しなくなったモデルはollama rmで削除してください - GPUが認識・使用されていない（Windows＋NVIDIA環境） → タスクマネージャーのパフォーマンス画面でGPUメモリの割り当て状況を確認してください。
VRAMに収まるサイズのモデルであれば自動的にGPU処理が割り当てられます
ローカルLLMを動かす記事は、ほかにもあります。
モデルがどこに置かれているか
容量が足りなくなったとき、削除する前に置き場所を確かめておくと判断しやすい。
公式ドキュメントに、OSごとの既定の場所が載っている。
| OS | 既定の置き場所 |
|---|---|
| Windows | C:\Users\%username%\.ollama\models |
| macOS | ~/.ollama/models |
| Linux | /usr/share/ollama/.ollama/models |
Windowsの場合、既定ではCドライブに入る。
起動ドライブの空きが少ない構成だと、モデルを増やすほど圧迫される。
置き場所を別のドライブへ移す
公式ドキュメントでは、環境変数のOLLAMA_MODELSに置きたいパスを設定すると説明されている。
Windowsでの手順は次のとおりである。
- タスクバーのOllamaをクリックして終了する
- Windows 11なら設定、Windows 10ならコントロールパネルで「環境変数」を検索する
- 「アカウントの環境変数を編集」をクリックする
- OLLAMA_MODELS を新しく作り、置きたいパスを入れる
- OKまたは適用をクリックする
- スタートメニューからOllamaを起動し直す
最後の起動し直しを飛ばすと、設定が読まれない。
macOSでアプリとして使っている場合は、launchctlで設定してからアプリを起動し直す。
launchctl setenv OLLAMA_MODELS "/Volumes/外付け/ollama-models"Linuxでsystemdのサービスとして動かしている場合は、サービスの設定に書く。
systemctl edit ollama.serviceServiceの下に環境変数を足して、読み込み直す。
[Service]
Environment="OLLAMA_MODELS=/mnt/models"systemctl daemon-reload
systemctl restart ollamaLinuxの標準のインストーラーを使っている場合、ollamaユーザーがそのフォルダーを読み書きできる必要がある。
所有者を変えるコマンドも公式ドキュメントに載っている。
sudo chown -R ollama:ollama <ディレクトリ>削除する前に見るところ
どれを消すかは、入っているものを並べてから決める。
ollama lsいま動いているものは別のコマンドで見る。
ollama ps動いているものを消そうとすると止められるため、先に確かめておく。
消すときは名前を指定する。
ollama rm gemma4同じモデルでも量子化の段階が違えば別のものとして入っている。
名前だけでなく、タグまで見て選ぶ。
OLLAMA_MODELSを変えたあとは、前の場所のフォルダーが残ったままになる。
移したつもりで容量が減らない場合は、古いほうを見に行く。
まとめ
Ollamaはインストール後にollama run」を実行するだけでローカルLLMを動かせる、導入難易度の低い実行環境です。
まずは手元のPCのメモリ容量に適したモデルから試し、より高度な用途が必要になった段階でハードウェアの拡張を検討する手順が無理なく進められます。
PC環境ごとの動作対応状況はローカルAI向けPC比較データベース（ソート・絞り込み対応）で確認できます。
小型の専用機を検討するときは、運営メディア「デザノマ」のローカルAI用ミニPCガイドで、GPU対応と購入前の確認事項を整理できます。
※本記事に掲載した価格・仕様は2026年9月3日時点の調査に基づきます。
最終調査日：2026年9月3日。
価格は変動するため、購入前に販売ページで最新の情報をご確認ください。
記事内のリンクにはアフィリエイトリンクを含みます。
