Ollama モデルライブラリとモデル選択

この章では、Ollama モデルライブラリの読み方、主要モデルファミリーの位置づけ、量子化精度のトレードオフを横断的に整理し、最終的にタスク別の実用的なモデル選定方法を提供します。

モデルを正しく選べば、パフォーマンス問題の半分は存在しなくなります。


モデルライブラリの読み方:能力タグ体系

Ollama モデルライブラリ(ollama.com/search)はタグ体系で各モデルの能力を表しています。モデル選定の最初のステップはタグによるフィルタリングです。

タグ意味典型的な用途
vision画像入力に対応画像のQ&A、スクリーンショット理解、文書認識
toolsツール呼び出しに対応エージェント、関数呼び出し、自動化
thinking思考モードに対応数学、論理、複雑な推論
embeddingテキストをベクトル化RAG、意味検索、ナレッジベース
cloudクラウド実行、ローカル計算能力不要ローカル構成が不足している場合に大規模モデルを呼び出し

本チュートリアルの qwen3.5 を例にとると、モデルライブラリで vision、tools、thinking のタグを同時に持っており、「オールラウンダー」タイプです。これが本書全体でテストモデルに選ばれた理由でもあります。

各モデルページには、全タグ(tag)、ダウンロードサイズ、コンテキストウィンドウ、入力タイプ、更新時間も一覧表示されます。ダウンロード前に1分間読むだけで、多くの試行錯誤の時間を節約できます。


主要モデルファミリー一覧

Ollama はモデルではなく、各社のオープンソースモデルを実行するプラットフォームです。以下は現在最も一般的ないくつかのファミリーです:

ファミリー開発元位置づけ・特徴適したシーン
Qwen(通義千問)Alibabaサイズ展開が豊富で、中国語能力が強く、マルチモーダルとツール呼び出しが完備中国語タスク、汎用開発、本チュートリアルの例
DeepSeekDeepSeek(深度求索)推論シリーズ(R1)は思考チェーンに優れる数学、論理、深い推論が必要なタスク
GemmaGoogle軽量サイズで優れた性能、マルチモーダル低スペックデバイス、軽量タスク
LlamaMetaエコシステムが最も広く、コミュニティ資料が多い汎用タスク、英語シーン
GPT-OSSOpenAIOpenAI のオープンソースシリーズ、思考レベルに対応汎用タスク、エージェント実験
MistralMistral AI欧州勢の代表、小規模モデルの効率が高い軽量デプロイ、多言語

モデルの反復速度は週単位で、具体的に利用可能な規格と能力はモデルライブラリのリアルタイムページが基準です。具体的な結論よりも選定の考え方の方が長く使えます。まずタスクと能力タグを決め、次に規格とハードウェアのマッチングを検討します。


量子化精度:サイズと品質のトレードオフ

量子化はモデルの重みを高精度の小数から低ビット幅のストレージに圧縮する技術であり、「大規模モデルを小GPUで動かす」ための鍵です。

同一モデルの異なる量子化バージョンでは、サイズと品質の関係はおおよそ次のようになります。

精度相対サイズ品質の性能適用シーン
fp16 / fp32ベンチマーク(最大)無損失トレーニング・量子化前のオリジナルの重み
q8_0約 1/2ほぼ無損失VRAMに余裕がある場合の推奨
q4_K_M約 1/4性能は若干低下するが、コストパフォーマンスが最も高い大多数のローカルデプロイの選択肢
q4_K_Sq4_K_M よりわずかに小さいq4_K_M よりさらに低いVRAMを極限まで使い切る

モデルライブラリのモデルはデフォルトで量子化済み(一般的には q4_K_M)であり、ダウンロードしてすぐ使えるため、自分で気にする必要はありません。

ローカルモデルの実際の精度を確認したい場合、show 系インターフェースまたは API で量子化レベルを確認できます。自分で fp16 モデルを小さく圧縮したい場合は、create コマンドの quantize パラメータを使用します。次の Modelfile の章で完全なデモがあります。


タスク別のモデル選定

「モデル選定」を分類問題に変えます。まずタスクを決め、次に推奨と照合します。

按任务选择模型的决策树

タスク推奨モデルハードウェア参考備考
日常会話、文章作成qwen3.5:4b ~ 9b16GBメモリで動作可能コストパフォーマンス最優先、能力タグが充実
コード生成qwen3-coder24GB以上のVRAMを推奨コーディングツールと組み合わせる場合は64Kコンテキストが必要
数学、論理推論deepseek-r1 / qwen3.5 思考モードサイズに応じた標準構成think を有効にすると安定するが遅くなる
画像、スクリーンショットの理解qwen3.5(ネイティブビジョン)対話の規格と同じコマンドラインで画像パスを直接渡す
RAG、意味検索embeddinggemma / qwen3-embeddingサイズが小さく、要件が低い埋め込みモデルはチャットに使用できない

埋め込み(embedding)モデルと生成モデルは別物です。前者はテキストをベクトルに変換するだけで、検索や類似度計算に使われ、文字による回答は出力しません。ナレッジベースを構築する際は両方必要ですので、混同しないようにしてください。


サイズとハードウェアのマッチング

丸暗記よりも除外法が便利です。まず大まかなルールで「動くかどうか」を判断し、その後に微調整します。

大まかなルール:モデルのダウンロードサイズは最小メモリ/VRAM要件にほぼ等しく、実際の実行時にはさらに1〜2GBのオーバーヘッドを確保し、コンテキストウィンドウが大きいほど追加分も増えます。

利用可能なメモリ / VRAM実行可能な規格の上限推奨
8GBqwen3.5:0.8b ~ 2b体験重視、能力の上限を受け入れる
16GBqwen3.5:4b ~ 9b日常利用のスイートスポット
8GB VRAM(独立GPU)qwen3.5:9b100% GPU を維持して初めて速度が出る
24GB VRAMqwen3.5:27b / qwen3-coder上級開発とコードタスク
48GB VRAM以上35b+ とマルチGPU構成デフォルトのコンテキストも自動的に増える

起動したら、次を使用してollama ps検証:PROCESSOR 列に 100% GPU と表示されればすべてVRAMに入ったことを意味し、CPU/GPU の混合比率が表示されればVRAM不足で分割されていることを意味します。速度が明らかに低下するため、無理に続けずにより小さい規格に変更すべきです。


Cloud モデルと退役メカニズム

ローカルの計算能力が足りないが超大規模モデルを使いたい場合、Ollama は第三の道を提供しています。それが cloud タグのクラウドモデルです。

例

# Ollama アカウントにログイン(クラウドモデルに必要)
ollama signin

# ローカルモデルと同じようにクラウドモデルを実行、重みのダウンロードは不要
ollama run qwen3.5:cloud

クラウドモデルの使用方法はローカルモデルと完全に同じで、同じコマンド、同じ API、同じツール統合です。ただ、推論が Ollama のサーバー上で行われる点だけが異なります。

クラウドモデルには退役メカニズムがある点に注意が必要です。公式は定期的に旧モデルを終了し、推奨の代替を提示します。メールと公式サイトのお知らせで通知されるため、特定のクラウドモデルに依存する自動化プロセスはこうした通知に注意してください。

ローカルモデルは退役メカニズムの影響を一切受けません。ディスクにダウンロードした重みは永久に使用でき、これが純粋なローカルソリューションがチームに最も安心感を与える特性です。

その他の拡張