Ollama CLI チートシート：ls、serve、run、ps + コマンド（2026年更新版）

このOllama CLI チートシートでは、日常的に使用するコマンド（ollama ls、ollama serve、ollama run、ollama ps、モデル管理、一般的なワークフロー）に焦点を当てており、コピー＆ペーストできる例を多数記載しています。

また、「パフォーマンス調整」に関する短いセクションも含めており、これにより**OLLAMA_NUM_PARALLEL**や関連する設定を発見し、深く理解するのに役立ちます。

このOllamaチートシートはCLIコマンド、モデル管理、カスタマイズに焦点を当てています。 しかし、ここではいくつかのcurl呼び出しについても言及しています。

OllamaがvLLM、Docker Model Runner、LocalAI、クラウドプロバイダーなど、ローカル、セルフホスト、クラウドオプションの中でどのような位置づけにあるのかを全体像として把握したい場合は、LLMホスティング：ローカル、セルフホスト、クラウドインフラストラクチャの比較を参照してください。異なるローカルLLMホスティングソリューションを比較検討している場合は、Ollama、vLLM、LocalAI、Jan、LM Studioなどの包括的な比較をご覧ください。コマンドラインインターフェースの代替手段を探している方には、Docker Model RunnerがLLMデプロイメントに対する異なるアプローチを提供しています。並行トラフィックやキューイングにより単一のOllamaインスタンスに負荷がかかるようになった場合、OllamaからvLLMへ：ローカルLLMサーバーを移行するタイミングでは、移行のサインと段階的なロールアウトプランについて解説しています。

Ollamaのインストール（ダウンロードとCLIインストール）

• オプション1: ウェブサイトからダウンロード
  • ollama.comにアクセスし、ご利用のオペレーティングシステム（Mac、Linux、Windows）用のインストーラーをダウンロードします。
• オプション2: コマンドライン経由でインストール
  • MacおよびLinuxユーザーの場合、以下のコマンドを使用します：

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

• 画面の指示に従い、パスワードの入促があった場合は入力してください。

Ollamaのシステム要件（RAM、ストレージ、CPU）

• オペレーティングシステム: Mac、Linux、Windows
• メモリ (RAM): 8GB以上、16GB以上推奨
• ストレージ: 少なくとも約10GBの空き容量（モデルファイルは非常に大きくなる可能性があるため、詳細はこちらOllamaモデルを別のドライブへ移動を参照）
• プロセッサ: 比較的新しいCPU（過去5年間のもの）。Ollamaが異なるCPUアーキテクチャをどのように利用するかについて興味がある方は、OllamaがIntel CPUのパフォーマンスコアと効率的なコアをどのように使用するかの分析をご覧ください。

本格的なAIワークロードの場合、ハードウェアオプションを比較検討したいかもしれません。私たちはNVIDIA DGX Spark vs Mac Studio vs RTX-4080のOllamaパフォーマンスをベンチマークしており、ハイエンドハードウェアへの投資を検討されている方には、DGX Sparkの価格と機能の比較で詳細なコスト分析を提供しています。

基本的なOllama CLIコマンド

ジャンプラインク: Ollama serveコマンド · Ollama launchコマンド · Ollama runコマンド · Ollama run フラグ · Ollama psコマンド · Ollama showコマンド · Ollama signin · Ollama CLIの基礎 · パフォーマンス調整 (OLLAMA_NUM_PARALLEL) · 並列リクエストの深掘り

Ollama CLIとは（概要）

Ollama CLIは、モデルを管理し、ローカルで実行/提供するためのコマンドラインインターフェースです。ほとんどのワークフローは以下に集約されます：

• サーバーの起動: ollama serve
• モデルの実行: ollama run <model>
• 読み込み中/実行中の確認: ollama ps
• モデルの管理: ollama pull、ollama list、ollama rm

Ollamaモデル管理：モデルのpullとlistコマンド

モデルのリスト表示:

ollama list

これと同じコマンド：

ollama ls

このコマンドは、システムにダウンロードされたすべてのモデルを、HDD/SSD上のファイルサイズと共にリスト表示します。例：

$ ollama ls
NAME                                                    ID              SIZE      MODIFIED     
deepseek-r1:8b                                          6995872bfe4c    5.2 GB    2 weeks ago     
gemma3:12b-it-qat                                       5d4fa005e7bb    8.9 GB    2 weeks ago     
LoTUs5494/mistral-small-3.1:24b-instruct-2503-iq4_NL    4e994e0f85a0    13 GB     3 weeks ago     
dengcao/Qwen3-Embedding-8B:Q4_K_M                       d3ca2355027f    4.7 GB    4 weeks ago     
dengcao/Qwen3-Embedding-4B:Q5_K_M                       7e8c9ad6885b    2.9 GB    4 weeks ago     
qwen3:8b                                                500a1f067a9f    5.2 GB    5 weeks ago     
qwen3:14b                                               bdbd181c33f2    9.3 GB    5 weeks ago     
qwen3:30b-a3b                                           0b28110b7a33    18 GB     5 weeks ago     
devstral:24b                                            c4b2fa0c33d7    14 GB     5 weeks ago  

モデルのダウンロード: ollama pull

ollama pull mistral-nemo:12b-instruct-2407-q6_K

このコマンドは、指定されたモデル（例：Gemma 2B、またはmistral-nemo:12b-instruct-2407-q6_K）をシステムにダウンロードします。 モデルファイルは非常に大きくなる可能性があるため、ハードドライブまたはSSD上のモデルが使用しているスペースに注意してください。 すべてのOllamaモデルをホームディレクトリからより大きく良いドライブへ移動することも検討してください。

モデルのアップロード: ollama push

ollama push my-custom-model

ローカルモデルをOllamaレジストリにアップロードし、他の人がpullできるようにします。 まずサインイン（ollama signin）している必要があり、モデル名にはOllamaユーザー名をプレフィックスとして付ける必要があります（例：myuser/my-model）。 HTTP経由でプライベートレジストリにプッシュする場合は、--insecureを使用します：

ollama push myuser/my-model --insecure

モデルのコピー: ollama cp

ollama cp llama3.2 my-llama3-variant

何もないを再ダウンロードすることなく、新しい名前でモデルのローカルコピーを作成します。 これはModelfileを編集する前に便利で、まずコピーして、コピーをカスタマイズし、オリジナルを保持できます：

ollama cp qwen3:14b qwen3-14b-custom
ollama create qwen3-14b-custom -f ./Modelfile

Ollama showコマンド

ollama showは、ダウンロードされたモデルに関する情報を出力します。

ollama show qwen3:14b

デフォルトでは、モデルカード（アーキテクチャ、コンテキスト長、エンベディング長、量子化など）を出力します。 以下の3つの有用なフラグがあります：

# モデルがどのシステムプロンプトとテンプレートで構築されたかを正確に確認
ollama show deepseek-r1:8b --modelfile

# コンテキストウィンドウサイズと他の推論パラメータを確認
ollama show qwen3:14b --parameters

# 完全なテンソルレベルの詳細（量子化のデバッグ時に有用）
ollama show llama3.2 --verbose

--modelfileの出力は、モデルをカスタマイズする前に特に有用です。ゼロから作成するのではなく、ベースのModelfileをコピーしてそこから編集できます。

Ollama serveコマンド

ollama serveは、ローカルOllamaサーバーを開始します（デフォルトHTTPポート11434）。

ollama serve

“ollama serve"コマンド（systemd対応の例）：

# 環境変数を設定し、サーバーを開始
# ホストのIPアドレスでollamaを利用可能にする
export OLLAMA_HOST=0.0.0.0:11434
export OLLAMA_NUM_PARALLEL=2
ollama serve

Ollama runコマンド

モデルの実行:

ollama run gpt-oss:20b

このコマンドは指定されたモデルを開始し、対話のためにインタラクティブなREPLを開きます。 Ollamaがどのように複数の並行リクエストを管理するかを理解したいですか？ 詳細な分析でOllamaが並列リクエストを処理する方法を詳しく学んでください。

ollama runはインタラクティブセッションでモデルを実行するため、 gpt-oss:120bの場合、以下のような出力が表示されます。

$ ollama run gpt-oss:120b
>>> メッセージを送信（/? でヘルプ）

質問やコマンドを入力し、モデルが返信します。

>>> あなたは誰ですか？
Thinking...
The user asks "who are you?" Simple question. Should respond as ChatGPT, an AI language model, trained by OpenAI, 
etc. Provide brief intro. Probably ask if they need help.
...done thinking.

I’m ChatGPT, an AI language model created by OpenAI. I’ve been trained on a wide range of text so I can help 
answer questions, brainstorm ideas, explain concepts, draft writing, troubleshoot problems, and much more. Think 
of me as a versatile virtual assistant—here to provide information, support, and conversation whenever you need 
it. How can I help you today?

>>> メッセージを送信（/? でヘルプ）

インタラクティブなollamaセッションを終了するには、Ctrl+Dを押すか、/byeと入力します。結果は同じです：

>>> /bye
$ 

Ollama runコマンドの例

モデルを実行し、非インタラクティブモードで単一の質問を投げかけるには：

printf "ログ分析用の10個のbashワンライナーを教えて。\n" | ollama run llama3.2

ollamaセッションで詳細な冗長なLLM返信を見たい場合は、モデルを--verboseまたは-vパラメータで実行します：

$ ollama run gpt-oss:20b --verbose
>>> あなたは誰ですか？
Thinking...
We need to respond to a simple question: "who are you?" The user is asking "who are you?" We can answer that we 
are ChatGPT, a large language model trained by OpenAI. We can also mention capabilities. The user likely expects 
a brief introduction. We'll keep it friendly.
...done thinking.

I’m ChatGPT, a large language model created by OpenAI. I’m here to help answer questions, offer explanations, 
brainstorm ideas, and chat about a wide range of topics—everything from science and history to creative writing 
and everyday advice. Just let me know what you’d like to talk about!

total duration:       1.118585707s
load duration:        106.690543ms
prompt eval count:    71 token(s)
prompt eval duration: 30.507392ms
prompt eval rate:     2327.30 tokens/s
eval count:           132 token(s)
eval duration:        945.801569ms
eval rate:            139.56 tokens/s
>>> /bye
$ 

はい、その通り、1秒あたり139トークンです。gpt-oss:20bは非常に高速です。 もしあなたも私と同じく16GB VRAMのGPUをお持ちなら、16GB VRAM GPU用OllamaのベストLLMでLLM速度の詳細な比較をご覧ください。

ヒント: モデルをHTTP経由で複数のアプリで利用可能にしたい場合は、ollama serveでサーバーを開始し、長時間のインタラクティブセッションの代わりにAPIクライアントを使用してください。

Ollama run フラグ（完全参照）

Modelfileなしでモデルパラメータを上書き (-p / –parameters)

-pフラグを使用すると、Modelfileを作成せずにランタイムで推論パラメータを変更できます。 複数の-pフラグを積み重ねることができます：

# コンテキストウィンドウを増やし、温度を下げる
ollama run qwen3:14b -p num_ctx=32768 -p temperature=0.5

# デターミニスティックな出力でコーディングタスクを実行
ollama run devstral:24b -p temperature=0 -p num_ctx=65536

この方法で設定できる一般的なパラメータ：

REPLでの複数行入力

テキストを三重引用符（"""）で囲むことで、早期送信せずに複数行のプロンプトを入力できます：

>>> """これを一文で要約してください：
... 素早い茶色の狐が怠惰な犬の上を飛び越えた。
... それは火曜日だった。
... """

マルチモーダルモデル（画像）

ビジョン機能を備えたモデル（例：gemma3、llava）の場合、プロンプトに直接画像パスを渡します：

ollama run gemma3 "この画像には何がありますか？ /home/user/screenshot.png"

CLI経由でのエンベディング生成

エンベディングモデルはテキストの代わりにJSON配列を出力します。 クイックなワンオフエンベディングのためにテキストを直接パイプします：

echo "Hello world" | ollama run nomic-embed-text

本番環境でのエンベディングワークロードには、/api/embeddings RESTエンドポイントまたはPythonクライアントを使用してください。

JSON出力の強制 (–format)

ollama run llama3.2 --format json "5つの首都をJSON形式でリストしてください"

モデルは有効なJSONを返すように指示されます。出力をjqや構造化データを期待するスクリプトにパイプする際に有用です。

Ollama stopコマンド

このコマンドは、指定された実行中のモデルを停止します。

ollama stop llama3.1:8b-instruct-q8_0

Ollamaはモデルを**自動的（自動的かつ魔法のように）**に一定時間後にアンロードします。 この時間を指定できますが、デフォルトは4分です。 残りの時間を待望したくない場合は、このollama stopコマンドを使用したいかもしれません。 keep_alive=0パラメータ付きで/generate APIエンドポイントを呼び出すことで、モデルをVRAMから強制排出することもできます。詳細と例は以下を参照。

Ollama psコマンド

ollama psは、現在実行中のモデルとセッションを表示します（「なぜVRAMが一杯なのか？」をデバッグするのに有用）。

ollama ps

ollama psの出力例は以下の通りです：

NAME           ID              SIZE     PROCESSOR    CONTEXT    UNTIL
gpt-oss:20b    17052f91a42e    14 GB    100% GPU     4096       4 minutes from now

私のPCでは、gpt-oss:20bはGPUの16GB VRAMに非常に良く収まり、わずか 14GBを使用しています。

ollama run gpt-oss:120bを実行し、その後ollama psを呼び出すと、結果はあまり芳しくありません： レイヤーの78%がCPU上にあり、これはコンテキストウィンドウが4096トークンの場合です。コンテキストを増やす必要がある場合はさらに悪くなります。

NAME            ID              SIZE     PROCESSOR          CONTEXT    UNTIL
gpt-oss:120b    a951a23b46a1    66 GB    78%/22% CPU/GPU    4096       4 minutes from now

Ollama launchコマンド（AIコーディング統合）

ollama launchは、**Ollama v0.15（2026年1月）**で導入されたコマンドで、ローカルOllamaサーバーに対して実行される人気のあるAIコーディングアシスタントのゼロ設定、一行セットアップを提供します。

なぜollama launchを使うのか？

ollama launch以前、Claude CodeやCodexのようなコーディングエージェントをローカルOllamaバックエンドに接続するには、環境変数を手動で設定し、ツールを正しいAPIエンドポイントに向かせ、互換性のあるモデルを選択する必要がありました。ollama launchはこれらすべてをインタラクティブに処理します。

すでにローカルでOllamaを実行しており、API呼び出しの支払いやコードのクラウド送信なしでエージェント型コーディングアシスタントが欲しい場合、ollama launchが最も早い方法です。

サポートされている統合

基本的な使用方法

# インタラクティブなピッカー — メニューから統合を選択
ollama launch

# 特定の統合を直接起動
ollama launch claude

# 特定のモデルで起動
ollama launch claude --model qwen3-coder

# 統合を構成するが起動はしない（設定を確認するのに有用）
ollama launch droid --config

推奨モデル

コーディングエージェントは、完全なファイルコンテキストとマルチターン会話履歴を保持するために長いコンテキストウィンドウが必要です。 Ollamaは少なくとも64,000トークンのコンテキストを持つモデルを推奨しています：

GPUでモデルが収まらない場合、Ollamaはクラウドホスト版（例：qwen3-coder:480b-cloud）も提供しています。これらは同じように統合されますが、推論をOllamaのクラウドティアにルーティングします — ollama signinが必要です。

例：OllamaでローカルにClaude Codeを実行

# 1. モデルが利用可能であることを確認
ollama pull qwen3-coder

# 2. それに対してClaude Codeを起動
ollama launch claude --model qwen3-coder

Ollamaは必要な環境変数を設定し、http://localhost:11434を指すClaude Codeを自動的に開始します。 その後、通常通りClaude Codeを使用できます — 唯一の違いは、推論があなた自身のハードウェアで行われることです。

パフォーマンス調整 (OLLAMA_NUM_PARALLEL)

負荷下でキューイングやタイムアウトが発生している場合、最初に学ぶべき調整項目は**OLLAMA_NUM_PARALLEL**です。

• OLLAMA_NUM_PARALLEL = Ollamaが並行して実行するリクエスト数。
• 値を高くするとスループットが向上する可能性がありますが、VRAMの圧力とレイテンシのスパイクが増加する可能性があります。

クイック例：

OLLAMA_NUM_PARALLEL=2 ollama serve

完全な説明（チューニング戦略と失敗モードを含む）については、以下を参照：

• Ollamaが並列リクエストを処理する方法

VRAMからのOllamaモデルの解放 (keep_alive)

モデルがVRAM（GPUメモリ）に読み込まれると、使用を終了してもそこに留まります。VRAMからモデルを明示的に解放し、GPUメモリを空き状態にするには、keep_alive: 0をOllama APIリクエストに送信できます。

• curlを使用してVRAMからモデルを解放:

curl http://localhost:11434/api/generate -d '{"model": "MODELNAME", "keep_alive": 0}'

MODELNAMEを実際のモデル名に置き換えます。例：

curl http://localhost:11434/api/generate -d '{"model": "qwen3:14b", "keep_alive": 0}'

• Pythonを使用してVRAMからモデルを解放:

import requests

response = requests.post(
    'http://localhost:11434/api/generate',
    json={'model': 'qwen3:14b', 'keep_alive': 0}
)

これは以下の場合に特に有用です：

• 他のアプリケーションのためにGPUメモリを解放する必要がある場合
• 複数のモデルを実行しており、VRAM使用量を管理したい場合
• 大規模なモデルの使用を終え、直ちにリソースを解放したい場合

注意: keep_aliveパラメータは、最後のリクエスト後、モデルがメモリに読み込まれたままになる時間（秒）を制御します。0に設定すると、モデルはVRAMから直ちにアンロードされます。

Ollamaの抽象化レイヤーを完全に避け、どのGGUFモデルが任意の時点でレジデントであるかを直接制御したい場合は、llama-serverのルーターモードで、llama.cppネイティブな動的モデル切り替えアプローチをカバーしています。

Ollamaモデルのカスタマイズ（システムプロンプト、Modelfile）

• システムプロンプトの設定: Ollama REPL内で、モデルの動作をカスタマイズするためのシステムプロンプトを設定できます：

  >>> /set system 質問に対しては、可能な限り技術的な用語を避け、平易な英語で回答してください
  >>> /save ipe
  >>> /bye
  

  その後、カスタマイズされたモデルを実行します：

  ollama run ipe
  

  これにより、システムプロンプトが設定され、モデルが将来の使用のために保存されます。

• カスタムモデルファイルの作成: 以下の構造を持つテキストファイル（例：custom_model.txt）を作成します：

  FROM llama3.1
  SYSTEM [ここにカスタム指示を記載]
  

  次に、以下を実行します：

  ollama create mymodel -f custom_model.txt
  ollama run mymodel
  

  これにより、ファイル内の指示に基づいてカスタマイズされたモデルが作成されます。

Ollama signinとsignout（レジストリ認証）

ollama signin
ollama signout

ollama signinは、ローカルのOllamaインストールをollama.comのOllamaレジストリと認証します。サインイン後、クライアントは資格情報をローカルに保存し、後続のコマンドで自動的に再利用します。

signinでアンロックされる機能:

• アカウントまたは組織からのプライベートモデルのpullとpush。
• ローカルでは実行しすぎに大きいクラウドホストモデル（例：qwen3-coder:480b-cloud）の使用。
• ollama pushによるレジストリへのモデル公開。

代替：APIキー認証

CIパイプラインやインタラクティブなollama signinが実用的ではないヘッドレスサーバーでOllamaを実行している場合、Ollamaアカウント設定でAPIキーを作成し、環境変数として公開します：

export OLLAMA_API_KEY=ollama_...
ollama pull myorg/private-model

OLLAMA_API_KEY変数は、すべてのOllamaコマンドとAPIリクエストで自動的に受け取られます — 各マシンでollama signinを実行する必要はありません。

ファイルを使用したOllama runコマンドの使用（要約、リダイレクト）

• ファイルからのテキストの要約:

  ollama run llama3.2 "このファイルの内容を50語で要約してください。" < input.txt
  

  このコマンドは、指定されたモデルを使用してinput.txtの内容を要約します。

• モデルのレスポンスをファイルにログ記録:

  ollama run llama3.2 "再生可能エネルギーについて教えてください。" > output.txt
  

  このコマンドは、モデルのレスポンスをoutput.txtに保存します。

Ollama CLIの使用例（テキスト生成、分析）

• テキスト生成:

  • 大規模なテキストファイルの要約：

    ollama run llama3.2 "以下のテキストを要約してください：" < long-document.txt
    

  • コンテンツの生成：

    ollama run llama3.2 "医療におけるAI使用の利点に関する短い記事を書きなさい。" > article.txt
    

  • 特定の質問への回答：

    ollama run llama3.2 "AIの最新トレンドは何ですか、そしてそれは医療にどう影響しますか？"
    

  .

• データ処理と分析:

  • テキストをポジティブ、ネガティブ、またはニュートラルな感情に分類：

    ollama run llama3.2 "このカスタマーレビューの感情を分析してください：'製品は素晴らしいですが、配送が遅かったです。'"
    

  • テキストを事前定義されたカテゴリに分類： 事前に定義された基準に基づいてテキストを分類またはカテゴリ化するために同様のコマンドを使用します。

PythonでのOllamaの使用（クライアントとAPI）

• Ollama Pythonライブラリのインストール:

  pip install ollama
  

• Pythonを使用したテキスト生成:

  import ollama
  
  response = ollama.generate(model='gemma:2b', prompt='量子ビットとは何ですか？')
  print(response['response'])
  

  このコードスニペットは、指定されたモデルとプロンプトを使用してテキストを生成します。

高度なPython統合については、PythonでのOllama Web Search APIの使用を探索してください。これは、ウェブ検索機能、ツール呼び出し、MCPサーバー統合をカバーしています。AIパワードアプリケーションを構築している場合、AIコーディングアシスタントの比較が、開発に適したツールの選択に役立ちます。

Webベースのインターフェースをお探しですか？ Open WebUIは、RAG機能とマルチユーザーサポートを備えたセルフホストインターフェースを提供します。高性能な本番環境デプロイメントの場合、vLLMを代替としてを検討してください。Ollamaを他のローカルおよびクラウドLLMインフラストラクチャ選択と比較するには、LLMホスティング：ローカル、セルフホスト、クラウドインフラストラクチャの比較を参照してください。

有用なリンク

設定と管理

• Ollamaモデルを別のドライブまたはフォルダへ移動

代替手段と比較

• ローカルLLMホスティング：2026年完全ガイド - Ollama、vLLM、LocalAI、Jan、LM Studio & その他
• vLLMクイックスタート：高性能LLMサービング
• Docker Model Runner vs Ollama：どちらを選ぶべきか？
• Ollamaのエンシティフィケーションの最初の兆候
• OllamaからvLLMへ：ローカルLLMサーバーを移行するタイミング

パフォーマンスとハードウェア

• Ollamaが並列リクエストを処理する方法
• OllamaがIntel CPUのパフォーマンスコアと効率的なコアをどのように使用するか
• NVIDIA DGX Spark vs Mac Studio vs RTX-4080: Ollamaパフォーマンス比較
• DGX Spark vs. Mac Studio: NVIDIAのパーソナルAIスーパーコンピュータの実用的な価格チェック

統合と開発

• PythonでのOllama Web Search APIの使用
• AIコーディングアシスタントの比較
• Open WebUI: セルフホストLLMインターフェース
• ローカルOllamaインスタンス上のLLM用オープンソースチャットUI
• 構造化出力によるLLMの制約：Ollama、Qwen3 & PythonまたはGo
• PythonとのOllama統合：REST APIおよびPythonクライアント例
• Ollama用Go SDK - 例付き比較