目次

• 比較表
• 比較表の正しい読み方
• 2026年にモデルを「効率的」にするもの
• モデルを一つずつ紹介

  • Qwen 3.5 — 最初にインストールすべきファミリー
  • Gemma 4 — 音声対応のGoogleによる代替
  • gpt-oss:20b — 調整可能な推論強度
  • qwen3-coder:30b — コードのスペシャリスト
  • Qwen 3.6 — ひとつ上の段階
  • Llama 3.2（1Bと3B）— 軽量級
  • glm-ocr — ほとんど誰も知らないスペシャリスト
  • エンベディングモデル — 目立たないが不可欠
• 環境別おすすめ

  • 8 GBのRAM（GPU非搭載または小型GPU）
  • 16 GBのRAM
  • 24 GBのVRAM（RTX 4090 / 5090 など）
  • 32 GB以上（Macのユニファイドメモリを含む）
• 量子化を2分で解説
• 体験を台無しにするよくある間違い
• 今日すぐ始めるおすすめの構成
• よくある質問

  • Ollamaを動かすのに必要なRAMはどれくらい？
  • 16 GBのラップトップに最適なOllamaモデルは？
  • Ollamaは無料ですか？
  • インターネット接続なしでOllamaを使えますか？
  • チャットモデルとエンベディングモデルの違いは？
• 本当に変わったこと

比較表

モデル（タグ）	ダウンロードサイズ	コンテキスト	推奨RAM	マルチモーダル	ツール / 推論	最適な用途
qwen3.5:2b	2.7 GB	256K	8 GB	テキスト + 画像	はい / はい	最小限の万能モデル。要約、書き換え、分類
llama3.2:3b	2.0 GB	128K	8 GB	テキストのみ	はい / いいえ	即時応答、自動補完、CPUでの単純なタスク
qwen3.5:4b	3.4 GB	256K	8–12 GB	テキスト + 画像	はい / はい	多くの人にとってのベストな出発点
gemma4:e2b-it-qat	4.3 GB	128K	8–12 GB	テキスト + 画像	はい / はい	控えめなスペックの環境での自然な文章作成
qwen3.5:9b	6.6 GB	256K	16 GB	テキスト + 画像	はい / はい	リスト全体で品質とサイズのベストバランス
gemma4:12b	7.6 GB	256K	16 GB	テキスト + 画像	はい / はい	長文執筆、ドキュメント分析、多言語
gpt-oss:20b	14 GB	128K	16–24 GB	テキストのみ	はい / はい（調整可能）	明示的な推論とエージェントフロー
qwen3-coder:30b	19 GB	256K	24 GB	テキストのみ	はい / いいえ	リポジトリ規模のプログラミング（MoE、アクティブ3.3B）
qwen3.5:27b	17 GB	256K	24 GB	テキスト + 画像	はい / はい	クラウドに頼らない「本格アシスタント」レベルの品質
qwen3.6:35b	24 GB	256K	32 GB+	テキスト + 画像	はい / はい	高消費ハードウェアで動かせる最高クラス
gemma4:31b-it-qat	19 GB	256K	24–32 GB	テキスト + 画像	はい / はい	ライセンスと文体が異なるQwenの代替
glm-ocr	2.2 GB	128K	8 GB	画像 → テキスト	はい / いいえ	請求書、表、スキャン文書のOCR
embeddinggemma:300m	622 MB	2K	8 GB	エンベディング	—	ファイルのセマンティック検索とRAG
nomic-embed-text	274 MB	8K	8 GB	エンベディング	—	RAGの定番、高速で実績あり

「推奨RAM」の列はファイルサイズのことではありません。アクティブなコンテキストが必要とする容量と、OSが呼吸するための余裕を含めた値です。これについては後でもう少し詳しく説明します。

---

比較表の正しい読み方

よく混同される3つの数値があります。この混同こそが、モデルをダウンロードして「ローカルモデルは使えない」と結論づける最大の原因です。

ダウンロードサイズは消費するRAMと同じではありません。 6.6 GBのモデルはメモリに6.6 GBを占有するうえに、会話の長さに応じて増大するアテンションキャッシュ（KV cache）も必要です。実用的な目安として、通常の使用ではファイルサイズに20–30 %を足し、システム用に少なくとも2 GBを空けておきましょう。非常に長いコンテキストを使う場合は、余裕をさらに大きく取る必要があります。

パラメータ数はもはや速度を予測しません。 qwen3-coder:30bは合計300億のパラメータを持ちますが、トークンごとにアクティブになるのは33億だけです。これはMixture of Experts（MoE）アーキテクチャだからです。小規模モデルの速度でテキストを生成しながら、大規模モデルの判断力で応答します。対価は待ち時間ではなくRAMで払います。qwen3.5:35b-a3bやgemma4:26b-a4bについても同様です。

公称のコンテキストウィンドウは無料ではありません。 モデルが256Kトークンをサポートしていても、ラップトップで256Kを使えるわけではありません。そのコンテキストはメモリとして現れます。実際には、16 GBの環境では8K〜32Kトークンで快適に作業でき、これは日常的なほぼすべてのタスクに十分な量です。

---

2026年にモデルを「効率的」にするもの

上のリストが2年前のものとこんなに違って見える理由を理解しておく価値はあります。

最大の変化は**量子化対応学習（QAT）**です。これまではモデルを完全精度で学習させてから圧縮する（その過程で品質を落とす）のが普通でしたが、現在では各研究室が4ビットで動かすことを前提にモデルを学習させています。GoogleはGemma 4の-it-qatバリアントを公開しており、従来のQ4よりもサイズを大幅に削減しています。gemma4:e4b-it-qatは6.1 GBで、標準版の9.6 GBに対し、予想よりはるかに小さな品質低下で済みます。Gemma 4を使うなら、常にQATタグから始めましょう。

2つ目はMXFP4です。OpenAIがgpt-ossで使っているフォーマットです。MoEの重みはポストトレーニングの段階からパラメータあたり4.25ビットに量子化されており、Ollamaは追加の変換なしでネイティブに実行します。20Bのモデルが14 GBに収まり、16 GBメモリの環境で動くのはこのためです。

3つ目は中間サイズの充実です。Qwen 3.5は0.8B、2B、4B、9B、27B、35B、122Bで公開されています。この粒度は重要です。「能力不足」と「メモリに収まらない」の二者択一ではなく、自分のハードウェアにぴったりの段階を見つけられます。

そして4つ目は、MacにおけるMLXとnvfp4タグです。Apple Siliconをお持ちなら、-mlxバリアントはAppleのエンジン向けにコンパイルされており、汎用GGUFよりもワットあたりの性能で優れることが多いです。qwen3.5:9b-mlx（8.9 GB）は、16 GBのユニファイドメモリを搭載したMacBookで優れた選択肢です。

---

モデルを一つずつ紹介

Qwen 3.5 — 最初にインストールすべきファミリー

このガイドの1段落しか読まないなら、これを読んでください。Qwen 3.5ファミリーは0.8Bから122Bまでをカバーし、すべてがネイティブで256Kのコンテキストを持ち、テキストと画像の入力に対応しています。マルチモーダルで、ツール呼び出しをサポートし、推論モードもあります。実用上、ローカルアシスタントに求められることの80 %をこなすモデルです。

ollama pull qwen3.5:4b     # 3.4 GB — 出発点
ollama pull qwen3.5:9b     # 6.6 GB — スイートスポット
ollama pull qwen3.5:27b    # 17 GB  — GPUに余裕があれば

9bは現在、カタログ全体で最も優れた品質/サイズ比と言えるでしょう。16 GBに作業用の余裕を持って収まり、画像を理解し、日常的なタスク（執筆、要約、翻訳、説明）においては27bとの差がサイズ差から想像されるより明らかに小さくなります。

使わないほうがいいケース： 大規模なリポジトリ上でエージェント的にコードを書くことが主目的なら、qwen3-coder:30bがそのために特化して学習されています。

Gemma 4 — 音声対応のGoogleによる代替

Gemma 4はGoogleの回答であり、Qwenにはないものをもたらします。音声入力です。視覚、ツール、推論に加えて。サイズはe2bから31bまであり、「e」バリアントは有効パラメータモデルです。つまり実際の計算コストが公称より小さくなるよう設計されています。

ollama pull gemma4:e2b-it-qat   # 4.3 GB
ollama pull gemma4:12b          # 7.6 GB、コンテキスト256K
ollama pull gemma4:31b-it-qat   # 19 GB

gemma4:12bは特に注目に値します。7.6 GBで256Kのコンテキストは優れた密度であり、Gemmaは他のファミリーよりも自然で「マニュアル的」ではない文体で書く傾向があります。メール、記事、人が読むテキストには、多くの人がこれを好みます。

使わないほうがいいケース： 数学的推論やコードのタスクでは、Qwenやgpt-ossが優れることが多いです。

gpt-oss:20b — 調整可能な推論強度

OpenAIのオープンウェイトモデルは、他とは異なる2つの特徴を持って登場しました。完全で可視化された思考チェーンと、3段階（低・中・高）で設定可能な推論強度です。速度が必要なときは浅く考えさせ、問題がそれを正当化するときは深く考えさせることができます。

ollama pull gpt-oss:20b   # 14 GB、コンテキスト128K

Apache 2.0ライセンスで、コピーレフトの制約がなく、商用利用に適しています。ユースケースがエージェント、関数呼び出し、構造化出力、推論のデバッグを伴う場合のデフォルトの選択肢です。モデルがどうやって結論に達したかを正確に読めるからです。

使わないほうがいいケース： 画像を処理しません。マルチモーダルが必要なら、QwenかGemmaに戻りましょう。

qwen3-coder:30b — コードのスペシャリスト

合計30B、アクティブ3.3B、ネイティブでコンテキスト256K（1Mまで外挿可能）。コード割合70 %で7.5兆トークンを使って学習され、実際のコード実行を対象とした強化学習も行われています。ばらばらの行を自動補完するためではなく、リポジトリ規模のエンジニアリングタスク向けに設計されています。

ollama pull qwen3-coder:30b   # 19 GB
ollama launch opencode --model qwen3-coder

24 GBのGPU環境では、現在存在する最良のローカルプログラミング選択肢です。MoEであるため、そのサイズにもかかわらず小規模モデルの速度で生成します。

使わないほうがいいケース： 一般的な質問にはRAMの無駄遣いです。汎用モデルを並行してロードしておきましょう。

Qwen 3.6 — ひとつ上の段階

Qwenの最新世代で、27b（17 GB）と35b（24 GB）で提供されています。改良点はエージェント的コーディング（フロントエンドのフローやリポジトリレベルの推論）と、推論の保持に集約されています。後者は反復的な会話で作業を繰り返さないよう、過去のメッセージの思考コンテキストを保持するオプションです。

ollama pull qwen3.6:27b

32 GB以上のメモリを持ち、コンシューマハードウェアで動かせる最高のものを求めるなら、これです。16 GBなら、qwen3.5:9bにとどめて無理をしないほうがいいでしょう。

Llama 3.2（1Bと3B）— 軽量級

Llama 3.2はもはや最新ではありませんが、明確な理由で今でも有用です。1.3 GBと2.0 GBで、ツールサポートと128Kのコンテキストを備えています。控えめなマシンや小規模サーバーに常にロードしておくモデル、1秒未満で応答するモデル、GPUがなくても快適に動くモデルです。

ollama pull llama3.2:3b   # 2.0 GB
ollama pull llama3.2:1b   # 1.3 GB

段落の書き換え、テキストの分類、エンティティ抽出、短い応答の生成には十分適しています。問題について推論する用途には不向きです。

glm-ocr — ほとんど誰も知らないスペシャリスト

わずか0.9Bのパラメータ、2.2 GBのダウンロードサイズで、一つのことを極めてうまくこなします。文書を構造化テキストに変換することです。複雑な表、数式、スタンプ、コードの多い文書、難しいレイアウトに対応します。プロンプト内で呼び出せる専用モードがあります。

ollama run glm-ocr Text Recognition: ./factura.png
ollama run glm-ocr Table Recognition: ./reporte.png
ollama run glm-ocr Figure Recognition: ./diagrama.png

請求書、レシート、スキャン文書を定期的にデジタル化するなら、このモデル一つでOllamaをインストールする価値があります。

エンベディングモデル — 目立たないが不可欠

自分のドキュメントの中を検索したい（「3月の予算について言及したのはどこだっけ？」）なら、チャットボットではなくエンベディングモデルが必要です。これらは非常に小さく、異なる仕事をします。テキストをベクトルに変換し、意味で比較できるようにすることです。

ollama pull embeddinggemma:300m      # 622 MB、Google製
ollama pull nomic-embed-text         # 274 MB、事実上の標準
ollama pull qwen3-embedding:0.6b     # Qwenファミリーを使っているなら

ここでのコンテキストウィンドウに注意してください。embeddinggemmaは2Kトークン、nomic-embed-textは8Kまで対応します。これはドキュメントの分割方法を左右します。500〜1000トークンのチャンクがどちらでもうまく機能します。

日本語や多言語のコンテンツには、nomic-embed-text-v2-moeやsnowflake-arctic-embed2が多言語検索向けに特化して学習されており、英語専用版より良い結果になることが多いです。

---

環境別おすすめ

8 GBのRAM（GPU非搭載または小型GPU）

これが最も一般的で、かつ最も誤解されやすいシナリオです。動きますが、厳格である必要があります。一度にロードするモデルは1つ、Q4量子化、コンテキストは控えめに。

ollama pull qwen3.5:4b       # 3.4 GB — メインモデル
ollama pull llama3.2:3b      # 2.0 GB — 即時応答用
ollama pull glm-ocr          # 2.2 GB — 文書と画像
ollama pull nomic-embed-text # ローカル検索用エンベディング

8 GBでの黄金律。Q4の小規模モデルは、常にQ2の大規模モデルに勝ります。14Bを極限まで圧縮して無理やり動かしたくなりますが、支離滅裂な応答で終わります。やめましょう。

16 GBのRAM

ここからが、体験が本当に快適に感じられる領域です。広いコンテキストで9〜12Bのモデルを動かしたり、比較のために小規模モデルを2つ同時にロードしたりできます。

ollama pull qwen3.5:9b       # 6.6 GB — 主力モデル
ollama pull gemma4:12b       # 7.6 GB — 長文執筆用
ollama pull gpt-oss:20b      # 14 GB — 推論用（同時に1つ）
ollama pull embeddinggemma:300m

16 GBあれば、小規模モデルでQ5やQ8の量子化に上げることもでき、わずかな速度低下と引き換えに推論の精度をある程度取り戻せます。

24 GBのVRAM（RTX 4090 / 5090 など）

ローカルモデルが妥協のように感じられなくなる領域です。

ollama pull qwen3.5:27b      # 17 GB — 本格的な汎用アシスタント
ollama pull qwen3-coder:30b  # 19 GB — プログラミング
ollama pull gemma4:31b-it-qat # 19 GB — マルチモーダルの代替

32 GB以上（Macのユニファイドメモリを含む）

ollama pull qwen3.6:35b      # 24 GB — コンシューマの実用的上限
ollama pull qwen3.5:35b-a3b  # 24 GB — MoE、サイズの割に高速

Apple Siliconでは、まずMLXタグを試しましょう。qwen3.6:35b-mlx（22 GB）とqwen3.5:27b-mlx（20 GB）はAppleのハードウェア向けに最適化されています。

---

量子化を2分で解説

量子化は、モデルの重みの精度を下げてメモリ使用量を減らす技術です。あなたが持つ中で最も重要なレバーであり、多くの人が間違える箇所でもあります。

Q4_K_Mが標準です。完全精度と比較して消費を約70 %削減し、日常的なタスクでは感知困難な品質低下にとどまります。迷ったらこれを選びましょう。8 GBの環境では選択肢ではなく、唯一のまともな選択です。

Q8_0はQ4に対しておよそサイズが倍になり、推論と数学の精度を取り戻します。メモリに余裕がある場合の小規模モデルで意味を持ちます。qwen3.5:4b-q8_0は5.3 GBで、論理タスクにおいてQ4版より明らかに安定しています。

QAT（Gemmaの-it-qatタグ）は、後から圧縮するのではなく、学習段階から量子化を前提としたものです。存在する場合は、同等のQ4よりも優先しましょう。

MXFP4はgpt-ossのネイティブフォーマットです。何も選ぶ必要はありません。モデルが最初からその状態です。

MLX / nvfp4は、Apple SiliconおよびFP4対応のNVIDIA GPU向けのバリアントです。該当するハードウェアなら、同じかそれ以下の消費でより良い性能を得られます。

実用的な判断の優先順位はシンプルです。まずQ4でメモリに収まるモデルサイズを選び、スペースに余裕があれば量子化を上げることを検討します。順序は決して逆にしないでください。

---

体験を台無しにするよくある間違い

「念のため」にコンテキストを最大にする。 16 GBの環境で256Kのコンテキストを設定すると、空のキャッシュでメモリが埋まり、モデル用のスペースがなくなります。8Kから始めて、必要なときだけ上げましょう。

最初の応答でモデルを判断する。 最初の生成にはメモリへのモデル読み込み時間が含まれます。実際の速度を表すのは2回目です。

チャットモデルをセマンティック検索に使う。 これらは別のツールです。ドキュメントを検索したいなら、エンベディングモデルとベクトルデータベースが必要であり、プロンプトにドキュメントを貼り付けたチャットボットではありません。

専用タグを無視する。 ollama pull gemma4はlatestを持ってきてしまい、それは9.6 GBのe4bです。gemma4:e4b-it-qatは実質的に同じことを6.1 GBでこなします。ダウンロード前にタグ一覧を確認する価値があります。

古いモデルを消さない。 実験のたびにギガバイト単位でディスクを消費します。ollama listで所持しているものを確認し、ollama rm <モデル>で削除できます。

---

今日すぐ始めるおすすめの構成

16 GBの環境で、あまり考えなくても初日からよく機能する構成をお望みなら。

# メインモデル：会話、要約、執筆、画像
ollama pull qwen3.5:9b

# 高速応答と単純なタスク
ollama pull llama3.2:3b

# スキャン文書、請求書、表
ollama pull glm-ocr

# ファイルのセマンティック検索
ollama pull embeddinggemma:300m

ディスクに約10 GBで、アシスタントで人が行うことのほぼすべて（書く、要約する、翻訳する、説明する、ドキュメントを読む、探す）をカバーします。これらのタスクのいずれかが物足りなくなったときには、どのモデルを、なぜ追加すべきかがはっきりと分かるはずです。

---

よくある質問

Ollamaを動かすのに必要なRAMはどれくらい？

実用的な最小要件は、Q4量子化の4Bモデルを控えめなコンテキストで動かす8 GBです。妥協のない快適な体験には16 GBあれば9〜12Bのモデルを動かせます。本格的なコード用途や高品質な汎用アシスタントには、24 GBのVRAMを目指しましょう。モデルサイズにコンテキスト用として20–30 %を足し、システム用に2 GBを空けておくことを忘れないでください。

16 GBのラップトップに最適なOllamaモデルは？

qwen3.5:9b（6.6 GB）です。マルチモーダルで、256Kのコンテキストを持ち、ツールと推論をサポートし、作業に十分な空きメモリを残せます。現在、カタログで最も優れた品質/サイズ比です。

Ollamaは無料ですか？

はい。Ollamaはフリーソフトウェアであり、このガイドが推奨するモデルは寛容なライセンス（Apache 2.0、その派生、商用利用に適した類似ライセンス）を採用しています。あなたが払うのは電気代とハードウェア代だけです。

インターネット接続なしでOllamaを使えますか？

はい。ollama pullでモデルをダウンロードしてしまえば、すべての処理はローカルで行われます。クラウドには何も送信されないため、機密データ、契約書、請求書、オフラインでの作業に理想的です。

チャットモデルとエンベディングモデルの違いは？

チャットモデル（qwen3.5:9bなど）は指示からテキストを生成します。エンベディングモデル（nomic-embed-textやembeddinggemma:300mなど）はテキストを数値ベクトルに変換し、意味でドキュメントを比較できるようにします。ファイルの中で「3月の予算について話したのはどこだっけ？」を検索したいなら、チャットボットではなくエンベディングが必要です。

---

本当に変わったこと

2年前、ローカルでモデルを動かすとは、プライバシーと引き換えに明らかに劣るアシスタントを受け入れることを意味していました。今日では方程式が違います。日常的なタスク（執筆、要約、書き換え、分類、抽出、翻訳）において、6.6 GBのqwen3.5:9bは、ほとんどの人がクラウドサービスと見分けがつかない仕事をこなします。

格差は依然として存在しますが、より高い領域へと移動しました。深い推論、非常に複雑なコードタスク、極めて最新の世界知識にあります。それ以外はすべて、もうラップトップに収まり、オフラインで動き、誰にも何も報告しません。

---

引用したすべてのサイズ、タグ、コンテキストウィンドウは、2026年8月時点のOllama公式カタログからのものです。モデルは頻繁に更新されるため、ダウンロード前にollama.comで最新のタグを確認してください。