LM StudioとOllamaの比較：GUI/CLI・API互換・複数モデル・ライセンス

LM StudioとOllamaの選択で最初に押さえるべきは、2026年9月時点でAPI互換性の差はほぼ消えていることです。両者ともOpenAI互換の /v1/chat/completions と /v1/responses、Anthropic互換の /v1/messages を実装しており、Claude CodeやCodexのような外部ツールはどちらにも接続できます。残っている違いは、GUIの有無、Apple SiliconでのMLX対応、ヘッドレス運用の作法、そしてソフトウェア自体のライセンス形態です。

この記事は、同じWindows 11 + RTX 3090の環境に両方を入れて実行した結果と、両社の公式ドキュメントおよび利用規約（2026年9月14日確認）に基づいています。LM Studio単体の使い方はLM Studioの使い方、Ollama単体はOllama導入ガイドに分けました。

何が同じで何が違うか

実際に同じPCで動かした

両方をインストール済みのWindows 11機で、同じ日に両方のサーバーを叩きました。ポートが違う（LM Studioは1234、Ollamaは11434）ので共存に問題はありません。

モデル一覧の取り方

lms ls          # LM Studio: 6モデル、79.56GB
ollama ls       # Ollama:    8モデル、~94GB

LM Studioの lms ls はPARAMS・ARCH・SIZEに加えて、埋め込みモデルを別セクションに分けて出します。Ollamaは ollama show <model> で個別にアーキテクチャや量子化を見る形です。

ロードとVRAMの見え方

LM Studioにはロード前にVRAM必要量を見積もるオプションがあります。

lms load qwen/qwen3.8-27b --estimate-only
# Estimated GPU Memory:   16.52 GiB
# Confidence: LOW

実際に小さめのモデルをロードしてみます。

lms load google/gemma-4-e4b --context-length 8192 --gpu max --ttl 300 -y
# Model loaded successfully in 10.60s. (5.89 GiB)
lms ps
# IDENTIFIER          STATUS  SIZE     CONTEXT  PARALLEL  TTL
# google/gemma-4-e4b  IDLE    6.33 GB  8192     4         5m / 5m

Ollama側は同じ情報を ollama ps の SIZE / PROCESSOR / CONTEXT / UNTIL 列で見ます。ロード時のコンテキスト長を明示的に指定できるのはLM Studioの --context-length が分かりやすく、Ollamaは options.num_ctx（API）か OLLAMA_CONTEXT_LENGTH（環境変数）です。

3つのAPIを同じモデルに投げる

LM Studioに google/gemma-4-e4b をロードした状態で、OpenAI互換・Anthropic互換・OpenAI Responsesの3つを順に叩きました。

curl -s http://localhost:1234/v1/models      # 6モデルが id で返る
curl -s http://localhost:1234/api/v1/models  # 独自API: quantization, max_context_length, capabilities まで返る

Anthropic互換の応答は、Ollamaと同じ msg_ で始まるIDと stop_reason: end_turn の形でした。

{"id":"msg_m0i08iqb4clb7t940wsim","type":"message","role":"assistant",
 "content":[{"type":"text","text":"OK from LM Studio"}],
 "model":"google/gemma-4-e4b","stop_reason":"end_turn",
 "usage":{"input_tokens":17,"output_tokens":5,"cache_read_input_tokens":0}}

/v1/responses も "object":"response"、"status":"completed" の形で返りました。LM Studioの公式ドキュメントに「Codexは /v1/responses を実装しているので対応」とあるのはこのことです。Ollamaも同じエンドポイントを持ちますが、公式ページに「非ステートフルのみ（previous_response_id なし）」と注記されています。

ライセンスと商用利用条件

ここは両者で性格が最も違う点なので、原文を確認しました。

LM Studio は独自の利用規約（Terms of Use、2026年8月23日付）で配布されています。許諾範囲は「personal and / or internal business purposes」で、禁止事項として「sublicense, distribute, sell, use for service bureau use, as an application service provider, or a software-as-a-service」が列挙されています。つまり、自分や自社の業務で使うのは無料、ソフト自体を組み込んで再配布したり、LM Studioを裏で動かすサービスを第三者に売るのは不可、という線引きです。2025年7月8日の公式ブログ「LM Studio is free for work」では、それまで規約にあった「会社や組織での利用は別途商用ライセンスを取得」という条項を撤廃したと明記されています。なお lms CLIは公式ドキュメントに「MIT Licensed」と記載され、GitHubで公開されています。

Ollama はGitHubのLICENSEファイルがMIT License（Copyright (c) Ollama）です。組み込み、改変、再配布、商用サービスへの利用に制限はありません。

どちらを使う場合でも、モデルの重みには別途モデルごとのライセンスが適用されます。Qwen3.6やgpt-oss、Gemma 4のGGUFはApache 2.0ですが、Llama系はLlama Community License、PLaMoはPLaMo community licenseで、商用条件が異なります。詳しくは用途別モデル選び 2026で各モデルカードの記載を引用しています。

どちらを選ぶか

判断軸は「モデルを選ぶ段階か、運用する段階か」です。

• モデルを比べて選ぶ段階はLM Studio。 Discoverタブで量子化ごとのファイルを選べ、--estimate-only でVRAM見積もりが出せ、GUIで同じ質問を複数モデルに並べて投げられます。RAG（ドキュメントのドラッグ&ドロップ）やプリセット管理もGUI側にあります。
• 常駐サーバーとして使う段階はOllama。 ollama serve が本体で、systemdやトレイに常駐し、keep_alive と OLLAMA_MAX_LOADED_MODELS でロード管理が自動化されています。ollama launch でClaude Code / Codex / VS Codeなど16の連携先を設定できるのも運用向きです。
• Apple SiliconでMLXを使いたいならLM Studio一択。 OllamaのmacOS版はMetal対応ですがMLXエンジンは持ちません。
• ソフト自体を製品に組み込む、再配布するならOllama。 LM Studioの規約では不可です。
• 両方入れても困らない。 ポートが違うので共存でき、GPUを同時に使わなければVRAMの取り合いも起きません。筆者はモデルの試用をLM Studio、Claude Code / Codexからの常用をOllamaで分けています。

Claude CodeやCodexからローカルLLMを呼ぶ具体的な手順と、実際に動かして分かった品質の期待値はローカルLLMをClaude Code / Codexから使うに書きました。手元のGPUで何が載るかはVRAM別モデルサイズ早見を参照してください。

まとめ

• API互換性の差はほぼ消えた。両者ともOpenAI互換、Anthropic互換、独自APIの3系統を持ち、同日に両方の /v1/messages が同じ形式で応答した
• GUI、MLX、--estimate-only、GUIのRAGはLM Studioだけ。ollama launch の連携メニュー、systemd、MITライセンスはOllama側の強み
• ヘッドレスはLM Studioが llmster（lms daemon up）、Ollamaが ollama serve。どちらも自動ロード・自動アンロードを持つ
• LM Studioは個人・社内業務利用が無料だが再配布・サービス提供は不可。OllamaはMIT。モデルの重みは別途ライセンス確認
• 思考モデルは max_tokens を推論で使い切ることがある。推論レベルの設定を確認してから短文用途に使う

「どちらが優れているか」より、選ぶ段階と運用する段階で道具を分ける方が、2026年9月時点の両者の差に素直です。