OllamaでローカルLLM

外部に出すのがはばかられる情報を扱う場合や、費用をかけたくない場合、再現性が必要な場合、rate limitを気にせず大量ループ処理したい場合に、ローカルLLMは魅力的である。ここでは Ollama（オラーマ）というツールを使って、アプリまたはコマンドラインまたはPythonからLLMを使う方法を説明する。Ollamaは llama.cpp から派生したたいへん使いやすいツールである。Ollama以外の選択肢としては LM Studio がある。

ここではMacを使う。Ollamaサイトよりdmgファイルをダウンロードし、開いて中に見えるOllama.appをApplicationsに移動する。アプリケーションの中のOllamaを起動すると、Ollamaアプリが立ち上がる。初回起動時に /Applications/Ollama.app/Contents/Resources/ollama へのシンボリックリンクが /usr/local/bin に作られる。また、バックグラウンドのプロセスが起動し、メニューバーにOllamaアイコンが常駐する。利用はOllamaアプリで行うのが簡単だが、ターミナルからollamaコマンドを使って行うことも、後述するようにPythonなどを使ってAPIを呼び出すこともできる。Emacsから使う方法は こちら、こちら に書いた。

まずは適当なモデルをダウンロードして動かす。

私のメモリ128GのMac Studio（M4 Max、SSD 512G、553800円）では、OpenAIのgpt-oss-120b（Ollamaでの名前は gpt-oss:120b）が快適に使えた。モデルはOllamaアプリからも選べるが、ターミナルに

ollama pull gpt-oss:120b

とすればモデルがダウンロードされる（すでにダウンロード済みであれば更新を確認し、更新されていれば再ダウンロードする）。あるいは

ollama run gpt-oss:120b

と打ち込めば、モデルがダウンロードされていなければダウンロードして、起動し、ターミナル上で対話できる。

24GB以上あればgpt-oss-20bが使える。

ollama run gpt-oss:20b

16GBでもgpt-oss-20bは起動するが、メモリ不足で実用的でない。

メモリが少ない場合は、いろいろ選択肢がある。例えばGoogleの Gemma 3（ジェンマ・スリー）の場合、OllamaのGemma 3のページを参考にして、gemma3:1b、gemma3:4b、gemma3:12b、gemma3:27b の中から適当なものを選ぶ。メモリ8GのMacなら4b、メモリ16GのMacなら12b、それ以上なら27bが使えそうである（bはbillionつまり10億パラメータ）。モデルのページのView allの中には、さらにいろいろなバリエーションがある。デフォルトは4ビット量子化（Q4_K_M）だが、名前の最後に -it-qat が付くものは新しいQAT版（Quantization-Aware Trained版）である。ちなみに Gemma /ʤémə/ は星の名前で、日本語名はゲンマである。

他の選択肢としては、中国系の Qwen 3（クウェン・スリー）、DeepSeek-R1 などが人気である。

アプリの使い方は直感的で、説明は不要であろう。

コマンドで使う場合は、例えば gemma3:12b なら

ollama run gemma3:12b

と打ち込むと、初回はモデルのダウンロードが始まり、それが終われば入力を受け付ける状態になるので、何か質問すれば、答えが返る。ヘルプは /?、終了は /bye である。モデルが対応していれば、画像を含めることもできる。

>>> OCRしてください。 ./test.jpg

ダウンロードしたモデルは ~/.ollama（ホームディレクトリ🏠の .ollama フォルダ）に入る（Linuxでは /usr/share/ollama/.ollama）。この位置はアプリの設定で変えられる（移動してシンボリックリンクを張ってもよい）。

私は、OpenAIのgpt-ossが出る前は、Gemma 3 27Bの8ビット量子化版 gemma3:27b-it-q8_0 を普段使いしていた。

ollama run gemma3:27b-it-q8_0

モデルの詳細は /show info で調べられる：

>>> /show info     
  Model
    architecture        gemma3    
    parameters          27.4B     
    context length      131072    
    embedding length    5376      
    quantization        Q8_0      

  Capabilities
    completion    
    vision        

  Parameters
    top_p          0.95               
    stop           "<end_of_turn>"    
    temperature    1                  
    top_k          64                 

  License
    Gemma Terms of Use                  
    Last modified: February 21, 2024    

8ビット27Bなら27Gバイト＋αのメモリを使う。＋αの量はコンテクスト長（扱える最大トークン数、num_ctx）にも依存する。Gemma 3はコンテクスト長128Kまで対応する（1Bモデルは32Kまで）。メモリ・CPUの使用率はMac標準のアクティビティモニタで表示できるが、GPUの使用率も含めてグラフィカルに表示できる mactop は便利である。

パラメータを変えるには /set parameter を使う。例えばコンテクスト長を131072、温度を0.1、最大出力トークン数を8192に設定しよう：

/set parameter num_ctx 131072
/set parameter temperature 0.1
/set parameter num_predict 8192

Gemma 3に飽きたら、さらに新しい Qwen 3 や Llama 4、Phi 4 reasoning/reasoning plus などを試すといいだろう。

Pythonから使う方法は PythonでOllamaを使う 参照。

Ollamaアプリでの会話は次のようにしてテキストとして取り出せる。

cd ~/Library/Application\ Support/Ollama
sqlite3 db.sqlite
sqlite> .headers on
sqlite> .mode tabs
sqlite> .output ollama.tsv
sqlite> select id, chat_id, role, content from messages;
sqlite> .quit