Ollama/LM Studio「初心者向けに解説 – ローカルAIを始めよう」

ChatGPTやClaude、Geminiなどのクラウド型AIサービスが注目を集める中、機密性の高いデータを保護しつつ、インターネット接続なしでも高度な言語処理をローカル環境で行いたいというニーズが高まっています。

そんな方におすすめなのが、OllamaとLM Studioです。これらのツールを使えば、外部サービスに依存せず、データのプライバシーを守りながら効率的な処理が可能になります。

この記事では、両ツールの特徴から使い方、どちらを選ぶべきかまで、初心者にもわかりやすく解説します。

この記事でわかる内容

ローカルLLMとは？
1. ローカルLLMのメリット
Ollama（オラマ）とは
LM Studio（エルエムスタジオ）とは
推奨システム要件
Ollama vs LM Studio：どちらを選ぶべき？
注意点とトラブルシューティング
おすすめモデル
まとめ

ローカルLLMとは？

ローカルLLM（Large Language Model）とは、インターネットへの接続が必要なく、質問内容がインターネットを経由してサーバーに渡されることもない、自分のパソコン上で動作する大規模言語モデルのことです。

ローカルLLMのメリット

プライバシー保護: 質問・生成内容自体を学習データとして使われるかもしれないという懸念がない
コスト削減: ChatGPTなどのAPIを使うとお金がかかりますが、ローカルLLMなら電気代だけで済む
オフライン利用: インターネット接続なしでも利用可能
カスタマイズ性: 用途に応じてモデルを選択・調整できる

Ollama（オラマ）とは

Ollamaは、2023年8月にリリースされ、ローカル環境でも高度なLLM推論ができる点が強みのオープンソースのAIツールです。

Ollamaの特徴

シンプルな操作: コマンドラインインターフェースで、LLMの起動、停止、管理などが簡単に行える
幅広いモデル対応: DeepSeek-R1については、LlamaとQwenをベースとした6つ蒸留モデルと通常モデルに対応
高速処理: llama.cppライブラリを巧みに利用して、標準的なコンシューマーハードウェアでの効率的な実行を保証
API対応: REST APIとして他のアプリケーションから利用可能

Ollamaのインストール方法

Windows

# wingetを使用
winget install ollama

# または公式サイトからインストーラーをダウンロード
# https://ollama.com/

macOS

# Homebrewを使用
brew install ollama

# サービスとして起動
brew services start ollama

Linux

# 公式インストールスクリプトを使用
curl -fsSL https://ollama.com/install.sh | sh

Ollamaの基本的な使い方

1. モデルのダウンロードと実行

# Llama 3.2 3Bモデルを実行（初回はダウンロードも実行）
ollama run llama3.2

# その他のモデル例
ollama run gemma2      # Google Gemma 2
ollama run phi3        # Microsoft Phi-3
ollama run mistral     # Mistral AI

2. モデルの管理

# インストール済みモデル一覧
ollama list

# モデル情報の確認
ollama show llama3.2

# モデルの削除
ollama rm llama3.2

3. 日本語対応モデルの利用

日本語版のモデルも公開されており、Hugging FaceでGGUF形式に変換されたものを使用できます：

# 日本語対応DeepSeek-R1モデル（例）
ollama run mmnga/lightblue-DeepSeek-R1-Distill-Qwen-7B-Japanese-gguf

LM Studio（エルエムスタジオ）とは

LM Studioとは、ローカル環境で、言語モデルを探してダウンロードしたり、言語モデルを利用して会話が出来たり、言語モデルサーバとしての機能も果たすツールです。

LM Studioの特徴

GUI操作: GUIベースで操作できるので、プログラミングに馴染みの無い人や、言語モデルを試してみたい人には手軽に設定することができる
ChatGPT風のインターフェース: ollamaとOpen WebUIを使えばChatGPTっぽいUIからローカルLLMを使えるような使い心地
Hugging Face連携: Discoverタブはモデルのお菓子屋さんで、Hugging Faceからのものを引き出します
OpenAI互換API: openai api 互換と書いてあるようにopenai apiに似ている

LM Studioのインストール方法

公式サイトにアクセス
「Download LM Studio for [OS名]」をクリック
ダウンロードしたインストーラーを実行
私には5分もかからなかったほど簡単にインストール完了

LM Studioの基本的な使い方

1. モデルのダウンロード

LM Studioを起動
虫眼鏡（Discoverタブ）をクリック
初心者には4–8GBの量子化モデル（Q4_K_Mバージョンなど）を選ぶことをお勧めします—速くて軽量
「Download」をクリックしてダウンロード開始

2. チャットの開始

左欄のchat吹き出しをクリック
利用したい言語モデルをプルダウンで選択
下部のテキストボックスにメッセージを入力して対話開始

3. API利用

LM Studioはローカルサーバーとしても動作し、OpenAI互換のAPIを提供：

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "http://localhost:1234/v1",
  apiKey: "lm-studio",
});

const response = await client.chat.completions.create({
  model: "your-model-name",
  messages: [
    { role: "user", content: "こんにちは" }
  ],
});

推奨システム要件

最低要件

メモリ: メモリ16GB
ストレージ: モデルサイズ分の空き容量（3GB〜数十GB）
OS: Windows 10/11、macOS、Linux

推奨要件

GPU: GPUのVRAMは6GB以上
NVIDIA GPU: CUDAサポートでの高速化
AMD GPU: ROCmサポート（Ollamaの場合）

実際の動作例

手持ちでオンボードGPUが搭載されているマシンがあったので、LM Studioを使ってローカルLLMを試してみましたという事例では、今回検証に使ったPCはメモリ追加を含めても5万円でおつりがくる程度のスペックでも動作したとのことです。

Ollama vs LM Studio：どちらを選ぶべき？

Ollamaがおすすめの人

開発者・エンジニア: コマンドライン操作が得意
API統合重視: 他のアプリケーションとの連携を重視
軽量性重視: 筆者は導入に5分もかからなかったような手軽さを求める
多様なモデル対応: ローカル環境で、これだけ多くのユースケースに対応できるのはありがたい

LM Studioがおすすめの人

GUI操作派: エンジニアだけでなく、非エンジニアでも手軽に試すことができる
ChatGPT風UI希望: 馴染みのあるチャット形式で利用したい
初心者: LM Studioが初心者の夢である理由は何ですか？使いやすさと力です
Windowsユーザー: 特にWindows環境での使いやすさを重視

機能比較表

特徴	Ollama	LM Studio
インターフェース	CLI	GUI
学習コスト	中	低
API対応	○	○
モデル管理	コマンド	GUI
開発者向け	◎	○
初心者向け	○	◎
カスタマイズ性	◎	○

注意点とトラブルシューティング

共通の注意点

長期間使用していない場合、初回応答に時間がかかる
処理速度やカスタマイズ性、言語対応などに課題があります
メモリ不足: 例えば、メモリが16GB搭載されていても、OSなどで6GBくらいは使われるので、LLMに使えるメモリ量は12GBくらいになる

Ollamaでのトラブル対応

# サービス状態確認（Linux）
systemctl status ollama.service

# ログ確認
journalctl -u ollama

# バージョン確認
ollama --version

LM Studioでのトラブル対応

モデルサイズ警告: 「Likely too large for this machine」と警告が出ます場合は、より小さなモデルを選択
GPU設定: NVIDIA GPUをお持ちですか？Chatタブで、「GPU Offload」をスライドして、あなたのVRAMが処理できる最大のレイヤーに合わせます

まとめ

LM Studioは、ローカルで大規模言語モデルを手軽に試せる強力なツールであり、ollama を使えば、最新の LLM をローカル環境で簡単に実行できます。

初めてローカルLLMを試すなら：まずはLM Studioから始めることをおすすめします。GUI操作で直感的に理解しやすく、コーディング不要：GUIは非常に親しみやすく、数分でモデルとチャットを始めることができました。

本格的な開発や統合を目指すなら：Ollamaの方が適しています。並列処理や REST API の統合により、開発や研究の幅が広がるからです。

どちらのツールも無料で利用でき、プライバシー優先：あなたのデータはローカルに保たれます—クラウドAIに懸念を持つ方には大きな利点です。

ぜひこの機会に、ローカルLLMの世界に足を踏み入れてみてください！