Ollamaのモデルはどこに保存されますか？

公式FAQによると既定は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 で変更できます。筆者の環境では ~/.ollama をEドライブへのシンボリックリンクにして、94GB分のモデルをシステムドライブから逃がしています。

OllamaのAPIはOpenAIのSDKから呼べますか？

呼べます。base_urlを http://localhost:11434/v1/ に、api_keyを 'ollama'（必須だが無視される）にすれば、/v1/chat/completions・/v1/completions・/v1/models・/v1/embeddings・/v1/responses（非ステートフルのみ）が使えます。2026-09-14の実行では qwen2.5:7b が chat.completion 形式で応答しました。

Ollamaを他のPCから使うにはどうしますか？

既定では 127.0.0.1:11434 にしか待ち受けません。環境変数 OLLAMA_HOST=0.0.0.0:11434 を設定して再起動すると、LAN内の他のマシンから到達できます。Windowsは「環境変数」設定画面、Linuxは systemctl edit ollama で Environment 行を追加、macOSは launchctl setenv を使います。

ollama run で日本語の応答が化けたり、別言語で返ってきます

モデルではなく入力経路の問題であることが多いです。筆者の環境ではGit Bashのcurlで -d に日本語を直接書くと、Windowsのコマンドライン経由でcp932に変換されて壊れました。JSONをUTF-8ファイルに保存して -d @file.json で渡すと正しく応答します。

Ollama導入ガイド：Windows/Mac/Linuxのインストール・API・保存先

Ollamaの導入で必要なのは、インストーラを入れて ollama run <モデル名> を打つことだけです。モデルの取得・ロード・チャットが一度に始まり、同時にポート11434でREST APIも立ち上がります。つまずくとすれば、モデル保存先のディスク容量、コンテキスト長の既定値、そしてWindowsのターミナルの文字コードの3点でした。

この記事では、2026年9月14日にWindows 11 + RTX 3090の環境でOllama 0.30.6を実際に叩いた出力を根拠に、OS別の導入、CLI、3系統のAPI、保存先と環境変数を順に整理します。ローカルLLMそのものの選び方はVRAM別のモデルサイズ早見、GUIで始めたい場合はLM Studioの使い方に分けています。

導入はOS別に1手順。 Windowsは OllamaSetup.exe（管理者権限不要）、macOSは dmg、Linuxは curl -fsSL https://ollama.com/install.sh | sh。
CLIは run pull ls ps stop rm の6つで日常が回る。 ollama launch でClaude CodeやCodexとの連携メニューも開ける。
APIは3系統。 ネイティブ /api/generate /api/chat、OpenAI互換 /v1/chat/completions、Anthropic互換 /v1/messages。すべて同じ11434番。
保存先とコンテキスト長は先に決める。 OLLAMA_MODELS で置き場所、ollama ps のCONTEXT列で実際のコンテキスト長を確認する。

OS別インストール

公式ドキュメント（docs.ollama.com）の各OSページで確認した要件と手順です。

Windows

要件は「Windows 10 22H2 以降、Home または Pro」。GPUを使う場合は「NVIDIA 551.61 以降」、AMDは「ROCm v7 / HIP7 対応ドライバ」。
OllamaSetup.exe は管理者権限なしでユーザーアカウント配下にインストールされます。場所を変えたい場合は OllamaSetup.exe /DIR="d:\some\location"。
置き場所は、バイナリが %LOCALAPPDATA%\Programs\Ollama（ユーザーPATHに追加される）、ログが %LOCALAPPDATA%\Ollama（app.log server.log）、モデルと設定が %HOMEPATH%\.ollama。
サービス組み込み向けにGUIなしの ollama-windows-amd64.zip も配布されています。

macOS

要件は「macOS Sonoma (v14) 以降」、Apple Mシリーズ（CPU/GPU対応）またはx86（CPUのみ）。
ollama.dmg をマウントして Applications へドラッグ。CLIをPATHに追加するか初回起動時に聞かれます。
モデルと設定は ~/.ollama 配下。

Linux

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

インストーラがsystemdのサービス（/etc/systemd/system/ollama.service）まで作ります。手動で入れる場合は ollama serve で起動。NVIDIAはCUDAを入れて nvidia-smi で確認、AMDはROCm v7が必要です。環境変数は sudo systemctl edit ollama で [Service] に Environment=... 行を足します。

対応GPU

公式のHardware supportページでは、NVIDIAは「compute capability 5.0以上、ドライバ550以降」。RTX 30xxは8.6、40xxは8.9、50xxは12.0として列挙されています。複数GPUのうち一部だけ使う場合は CUDA_VISIBLE_DEVICES（AMDは ROCR_VISIBLE_DEVICES）で絞ります。Apple MetalとVulkan（Intel/AMD向け、WindowsとLinux）にも対応と記載されています。

CLI：最初の10分

ollama run gemma4          # 未取得なら pull してからチャット開始。/bye で終了
ollama pull qwen3.6:27b    # 取得だけ
ollama ls                  # 取得済み一覧
ollama ps                  # ロード中のモデルとVRAM使用量
ollama stop gemma4         # 即時アンロード
ollama rm gemma4           # 削除
ollama show qwen2.5:7b     # アーキテクチャ・コンテキスト長・量子化

筆者の環境で ollama ls を実行した結果です（2026-09-14）。

NAME                 ID              SIZE      MODIFIED
qwen2.5:3b           357c53fb659c    1.9 GB    3 months ago
gemma4:31b           6316f0629137    19 GB     3 months ago
qwen3.6:35b-a3b      07d35212591f    23 GB     3 months ago
qwen3-coder:30b      06c1097efce0    18 GB     3 months ago
gpt-oss:20b          17052f91a42e    13 GB     3 months ago
qwen2.5-coder:14b    9ec8897f747e    9.0 GB    3 months ago
qwen2.5:14b          7cdf5a0187d5    9.0 GB    3 months ago
qwen2.5:7b           845dbda0ea48    4.7 GB    3 months ago

0.30.6

Ollamaのバージョン

/api/version の応答。起動時に 0.34.0 への更新通知が出ていた

8本 / 94GB

取得済みモデルとディスク使用量

du -sh ~/.ollama/models の実測

11434

待ち受けポート

既定は 127.0.0.1 のみ。OLLAMA_HOST で変更

32768

qwen2.5:7b ロード時のCONTEXT

num_ctx 未指定で ollama ps に表示された値

2026-09-14、Windows 11 + RTX 3090 での実測

Hugging Face上のGGUFは、ライブラリ未登録でも ollama run hf.co/<user>/<repo>:<量子化> の形式で直接実行できます（Hugging Face公式ドキュメントに記載。既定はリポジトリ内に Q4_K_M があればそれが選ばれる）。

ollama run hf.co/llm-jp/llm-jp-4-8b-thinking-gguf:Q4_K_M

`ollama launch` で外部ツールに接続する

0.30系には ollama launch があり、ollama launch --help にはClaude Code、Codex、OpenCode、Cline、VS Codeなど16の連携先が列挙されていました。ollama launch claude --model <model> のように呼ぶと、対象ツールの設定を自動で書いて起動します。Claude Code / Codexとの実際のやり取りはローカルLLMをClaude Code / Codexから使うで扱います。

REST API：3系統を同じポートで

ネイティブAPI（/api/generate と /api/chat）

/api/generate は単発のプロンプト、/api/chat は messages 配列を受け取る会話向けです。どちらも stream の既定値はtrue（部分応答を逐次返す）なので、curlで確認するときは false にします。

# gen.json（UTF-8で保存）
# {"model":"qwen2.5:7b","prompt":"Ollamaとは何ですか。日本語で一文で答えてください。","stream":false}
curl -s http://localhost:11434/api/generate -d @gen.json

実際の応答（context 配列は省略）です。

{
 "model": "qwen2.5:7b",
 "created_at": "2026-09-14T04:29:26.1790325Z",
 "response": "Ollamaはアリババクラウドによって作成された大規模な言語モデルです。",
 "done": true,
 "done_reason": "stop",
 "total_duration": 724213200,
 "load_duration": 221589300,
 "prompt_eval_count": 46,
 "prompt_eval_duration": 280750000,
 "eval_count": 24,
 "eval_duration": 217519000
}

内容はモデルの勘違い（OllamaをQwen自身の作者と混同している）ですが、フィールドの意味を見るには十分です。公式リファレンスによれば total_duration などはナノ秒、prompt_eval_count が入力トークン数、eval_count が出力トークン数です。eval_count / eval_duration から生成速度が出せます（この例は24トークン / 0.218秒 ≒ 110 tok/s）。

/api/chat では options にサンプリングやコンテキスト長を渡せます。

{"model":"qwen2.5:7b",
 "messages":[{"role":"system","content":"日本語で簡潔に答えてください。"},
             {"role":"user","content":"ローカルLLMの利点を2つ、箇条書きで。"}],
 "stream":false,
 "options":{"num_ctx":8192,"temperature":0}}

{"message":{"role":"assistant","content":"1. 高いプライバシー保護\n2. 即時性の向上"},
 "done":true,"done_reason":"stop","prompt_eval_count":42,"eval_count":19}

keep_alive を指定するとロード保持時間を変えられます（"0" で即アンロード、既定は5分）。think を true や "high" にすると対応モデルで思考出力を分離できる、と公式リファレンスにあります。

OpenAI互換（/v1/…）

公式のOpenAI compatibilityページに列挙されているのは /v1/chat/completions /v1/completions /v1/models /v1/models/{model} /v1/embeddings /v1/responses（非ステートフルのみ、previous_response_id 不可）です。api_key は「必須だが無視される」ので 'ollama' で構いません。

curl -s http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" -d @v1.json

{"id":"chatcmpl-220","object":"chat.completion","model":"qwen2.5:7b",
 "system_fingerprint":"fp_ollama",
 "choices":[{"index":0,"message":{"role":"assistant","content":"Hello"},"finish_reason":"stop"}],
 "usage":{"prompt_tokens":44,"completion_tokens":2,"total_tokens":46}}

/v1/models はローカルの8モデルを owned_by: "library" として返しました。注意点として、OpenAI仕様にはコンテキスト長のパラメータがないため、/v1 経由でコンテキストを変えるにはModelfileで PARAMETER num_ctx を書いた派生モデルを ollama create するか、OLLAMA_CONTEXT_LENGTH を使います。

Anthropic互換（/v1/messages）

同じポートに /v1/messages もあります。公式ページでは「Streaming、System prompts、Vision、Tools、Thinking」に対応し、tool_choice、Prompt caching、Batches、PDFは非対応と明記されています。

{"id":"msg_906c680ecdc295181b7aa081","type":"message","role":"assistant",
 "model":"qwen3-coder:30b",
 "content":[{"type":"text","text":"OK from local"}],
 "stop_reason":"end_turn","usage":{"input_tokens":15,"output_tokens":4}}

ネイティブ /api

互換 /v1

エンドポイント

/api/generate, /api/chat, /api/embed, /api/tags, /api/ps, /api/pull

/v1/chat/completions, /v1/embeddings, /v1/models, /v1/responses, /v1/messages

コンテキスト長

options.num_ctx で毎回指定できる

パラメータなし。Modelfile か OLLAMA_CONTEXT_LENGTH で事前設定

ロード制御

keep_alive で保持時間、"0" で即アンロード

なし（既定の5分か環境変数に従う）

計測情報

eval_count / eval_duration などナノ秒単位で返る

usage の prompt_tokens / completion_tokens のみ

向く用途

Ollama専用のスクリプト、速度計測、ロード管理

既存のOpenAI/Anthropic SDKやツールの差し替え

docs.ollama.com のAPIリファレンスと2026-09-14の実行結果より

モデルの保存先とディスク管理

公式FAQに書かれている既定の保存先です。

macOS    ~/.ollama/models
Linux    /usr/share/ollama/.ollama/models
Windows  C:\Users\%username%\.ollama\models

変更は環境変数 OLLAMA_MODELS です。筆者はWindowsのシステムドライブを圧迫しないよう、~/.ollama 自体をEドライブへのシンボリックリンクにしています（ls -la ~/.ollama → /e/ollama_C）。du -sh では94GBでした。

モデルの実体は models/blobs/sha256-... のレイヤーで、同じ重みを共有するタグ同士は重複しません。不要になったタグは ollama rm で消せば、参照されなくなったblobも回収されます。

環境変数：最低限押さえるもの

公式FAQに記載のあるものから、日常運用で触る頻度が高い順に並べます。

OLLAMA_HOST               待ち受けアドレス。既定 127.0.0.1:11434。LAN公開は 0.0.0.0:11434
OLLAMA_MODELS             モデル保存先
OLLAMA_CONTEXT_LENGTH     既定コンテキスト長（FAQの記載では 4096）
OLLAMA_KEEP_ALIVE         ロード保持時間。既定 5m
OLLAMA_NUM_PARALLEL       モデルごとの同時リクエスト数。既定 1
OLLAMA_MAX_LOADED_MODELS  同時ロード数。既定は GPU数×3（CPUのみなら 3）
OLLAMA_FLASH_ATTENTION    1 で有効
OLLAMA_KV_CACHE_TYPE      KVキャッシュの量子化。f16 / q8_0 / q4_0
OLLAMA_ORIGINS            ブラウザ拡張などのCORS許可オリジン

設定方法はOSごとに違います。Windowsは「設定」で「環境変数」を検索してユーザー変数を追加しOllamaを再起動、Linuxは systemctl edit ollama.service で [Service] に Environment="OLLAMA_HOST=0.0.0.0" を追加して daemon-reload、macOSは launchctl setenv OLLAMA_HOST "0.0.0.0" のあとアプリを再起動、というのがFAQの手順です。

コンテキスト長は「実値」を見る

FAQの既定値は4096ですが、筆者の環境で num_ctx を指定せずに qwen2.5:7b をロードすると ollama ps のCONTEXT列は32768でした。バージョン差やアプリ側の設定が効いている可能性があるので、既定値を信じず ollama ps で確認するのが確実です。同じモデルで num_ctx を4096から32768に上げるとVRAM使用量は4.7GBから6.6GBに増えました。この差の内訳はVRAM別モデルサイズ早見で式と一緒に説明しています。

FAQには「必要メモリは OLLAMA_NUM_PARALLEL × OLLAMA_CONTEXT_LENGTH に比例して増える」とあるので、並列数を上げるときはコンテキスト長とセットで考えます。

まとめ

導入はOS別に1手順。Windowsは管理者権限不要、Linuxはワンライナーでsystemdサービスまで作られる
ollama run で取得と起動が同時に済み、ollama ps でVRAMとコンテキスト長の実値が見える
APIはネイティブ /api、OpenAI互換 /v1、Anthropic互換 /v1/messages の3系統が同じ11434番で動く
保存先は OLLAMA_MODELS、LAN公開は OLLAMA_HOST、コンテキストは num_ctx か OLLAMA_CONTEXT_LENGTH
Git Bashのcurlで日本語を -d に直書きすると化ける。UTF-8ファイルを -d @file で渡す

次は、手元のGPUで何が載るかをVRAM別に整理した記事か、用途からモデルを絞る用途別モデル選びへどうぞ。GUI派はLM StudioとOllamaの比較で違いを確認してから選んでも遅くありません。