Ollama CLI チートシート：ls、serve、run、ps およびその他のコマンド（2026 年更新）

この Ollama CLI チートシート は、毎日使用するコマンド（ollama ls、ollama serve、ollama run、ollama ps、モデル管理、一般的なワークフローなど）に焦点を当てており、コピー＆ペーストできる例を備えています。

また、OLLAMA_NUM_PARALLEL や関連設定を発見し、深く掘り下げるための「パフォーマンス調整項目」セクションも短く含まれています。

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が、ここではいくつかの curl コールも提供しています。

Ollama がローカル、セルフホスト、クラウドのオプション（vLLM、Docker Model Runner、LocalAI、クラウドプロバイダーなど）の中でどの位置に存在するかを完全に把握するには、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。異なるローカル LLM ホスティングソリューションを比較する場合は、Ollama、vLLM、LocalAI、Jan、LM Studio などの包括的な比較 を確認してください。コマンドラインインターフェースの代替手段を求める方々のために、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: ウェブサイトからのダウンロード
  • ollama.com にアクセスし、お使いのオペレーティングシステム（Mac、Linux、または 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: コマンドラインからのインストール
  • Mac および Linux ユーザーは、以下のコマンドを使用します：

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

• 画面上の指示に従い、求められた場合はパスワードを入力してください。

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、または Windows
• メモリ（RAM）: 最低 8GB、推奨は 16GB 以上
• 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、Ollama モデルを別のドライブへ移動 に関する詳細はこちら）
• プロセッサ: 比較的新しい CPU（過去 5 年以内のもの）。Ollama が異なる CPU アーキテクチャをどのように利用するか興味がある場合は、Ollama の Intel CPU パフォーマンスと効率的なコアの利用方法 の分析をご覧ください。

本格的な AI ワークロードの場合は、ハードウェアオプションを比較する必要があるかもしれません。私たちは NVIDIA DGX Spark、Mac Studio、RTX-4080 の Ollama パフォーマンス比較 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している場合は、DGX Spark の価格と機能比較 で詳細なコスト分析を提供しています。

Ollama CLI の基本コマンド

ジャンプリンク: 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項目 (OLLAMA_NUM_PARALLEL) · 並行リクエストの詳細

Ollama CLI（概要）

Ollama CLI は、モデルを管理し、ローカルで実行・サーブ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の通りです：

• サーバーの起動: ollama serve
• モデルの実行: ollama run <model>
• ロード/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：pull と list コマンド

モデルのリスト表示:

ollama list

これと同じこととして:

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 上のモデルが使用するスペースを注意深く監視してください。 場合によっては、すべての Ollama モデルをホームディレクトリから、より大きくて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、他の人がプルできるようにします。 事前にサインイン（ollama signin）する必要があり、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）。 プライベートレジストリに対して HTTP で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

何もしなくても、新しい名前でモデルのローカルコピーを作成します。 Modelfile を編集する前に便利ですが、まずコピーして、コピーをカスタマイズし、オリジナルをそのままにしておきます：

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、埋め込み長、量子化など）を出力します。 3 つの便利なフラグがあります：

# モデルが構築されたシステムプロンプトとテンプレートを正確に確認
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特に役立ちます。ゼロから書き直すのではなく、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 サーバーを起動します（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、サーバーを起動
# 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起動し、インタラクションのためのインタラクティブ REPL を開きます。 Ollama が複数の並行リクエストをどのように管理するかを理解したいですか？ 詳細な分析で、Ollama が並行リクエストをどのように処理するか についてさらに学びましょう。

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、以下のようなものが見られます：

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

質問やコマンドを入力すると、モデルが返信します。

>>> 誰ですか？
Thinking...
ユーザーは「誰ですか？」と尋ねています。シンプルな質問です。ChatGPT、OpenAI が開発した AI 言語モデルとして応答すべきです。
簡潔な紹介を提供します。おそらく助けが必要かどうか尋ねるでしょう。
...done thinking.

私は OpenAI が開発した AI 言語モデルである ChatGPT です。幅広いテキストでトレーニングされており、質問への回答、アイデアのブレインストーミング、概念の説明、文章のドラフト作成、問題のトラブルシューティングなど、さまざまなサポートを提供できます。
万能な仮想アシスタントとして考えてください。必要な時にいつでも情報、サポート、会話を提供します。
今日はどのようにお手伝いしましょうか？

>>> メッセージを送信してください（/? 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行うには：

printf "ログ分析用の 10 個の bash 一行コマンドを教えて。\n" | ollama run llama3.2

ollama セッションで詳細な_verbose_ LLM 応答を見たい場合は、--verbose または -v パラメータでモデルを実行します：

$ ollama run gpt-oss:20b --verbose
>>> 誰ですか？
Thinking...
シンプルな質問「誰ですか？」に応答する必要があります。ユーザーは「誰ですか？」と尋ねています。
私たちは ChatGPT、OpenAI がトレーニングした大規模言語モデルであると答えることができます。
能力についても言及できます。ユーザーは簡潔な紹介を期待しているでしょう。フレンドリーに保ちましょう。
...done thinking.

私は OpenAI が開発した大規模言語モデルである ChatGPT です。
質問への回答、説明の提供、アイデアのブレインストーミング、科学や歴史から創造的な写作や日常のアドバイスに至るまで、幅広い話題についてお話しするお手伝いをします。
何を話したいか教えてください！

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、その通りです。秒間 139 トークンです。gpt-oss:20b は非常に高速です。 もし私と同じく 16GB VRAM の GPU をお持ちの場合は、16GB VRAM GPU 向けの Ollama 向け最適な LLM で LLM 速度比較の詳細をご覧ください。

ヒント: モデルを複数のアプリで HTTP 経由で利用できるようにしたい場合は、ollama serve でサーバーを起動し、長時間のインタラクティブセッションではなく 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 なく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 フラグをスタックできます：

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

# 決定論的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

このように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、早期に送信せずにマルチラインプロンプトを入力できます：

>>> """これを 1 文で要約してください：
... 素早い茶色のキツネが怠け者の犬の上を飛び越えます。
... それは火曜日に起こりました。
... """

マルチモーダルモデル（画像）

ビジョン対応モデル（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 から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ではなく JSON アレイを出力します。 迅速なワンオフエンベディングには、テキストを直接パイプします：

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

プロダクションのエンベディングワークロードには、代わりに /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 出力を強制 (–format)

ollama run llama3.2 --format json "JSON で 5 つの首都を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。jq や構造化データを期待するスクリプトへの出力パイプに有用です。

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 はモデルを自動的に一定時間後に放出します。 この時間は指定可能で、デフォルトは 4 分です。 残りの時間を待たずに停止したい場合は、この ollama stop コマンドを使用できます。 keep_alive=0 パラメータで /generate API エンドポイントを呼び出すことで、モデルを VRAM から強制退場させることもできます。詳細と例は以下をご覧ください。

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 が満杯なのか？」のデバッグに有用）。

ollama ps

ollama ps 出力の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

ここでは、私の PC で gpt-oss:20b が私の GPU の 16GB VRAM に非常に良く適合し、わずか 14GB を占有していることがわかります。

ollama run gpt-oss:120b を実行し、その後 ollama ps を呼び出すと、結果は明るくありません： 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 トークンの場合のみです。コンテキストを増やす必要がある場合、もっと悪化します。

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構成、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 以前は、Claude Code や Codex などの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、手動で環境変数を設定し、ツールを正しい API エンドポイントに指し、互換性のあるモデルを選ぶ必要がありました。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を望む場合、ollama launch が最も速い手段です。

対応した統合

基本的な使い方

# インタラクティブな選択 — 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

# 起動せずに統合を設定（設定の確認に有用）
ollama launch droid --config

推奨モデル

コーディングエージェントは、ファイル全体のコンテキストと複数ターンの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 がモデルを収容できない場合、Ollama はクラウドホスト版（例：qwen3-coder:480b-cloud）も提供しており、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 を使用したローカルでの Claude Code 実行

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

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

Ollama は必要な環境変数を設定し、自動的に http://localhost:11434 に対して Claude Code を起動します。 その後、通常通り Claude Code を使用できます — 違いは、推論がご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項目 (OLLAMA_NUM_PARALLEL)

負荷下でキューイングやタイムアウトが見られる場合は、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。
• 高い値はスループットを増加させる可能性がありますが、VRAM 圧力とレイテンシスパイクを増加させる可能性もあります。

簡単な例：

OLLAMA_NUM_PARALLEL=2 ollama serve

完全な説明（チューニング戦略と障害モードを含む）については、以下を参照してください：

• Ollama が並行リクエストをどのように処理するか

Ollama モデルの VRAM からの解放（keep_alive）

モデルが VRAM（GPU メモリ）にロードされると、使用が終了してもそこに留まります。モデルを VRAM から明示的に解放し、GPU メモリを解放するには、keep_alive: 0 で Ollama API にリクエストを送信できます。

• curl を使用した VRAM からのモデル解放:

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てください。例：

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

• Python を使用した VRAM からのモデル解放:

import requests

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

これは特に以下の場合に有用です：

• 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
• 大きなモデルを使用し終え、すぐ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にモデルがメモリにロードされたままになる時間（秒）を制御します。0 に設定すると、モデルは即座に VRAM からアンロードされます。

Ollama の抽象化レイヤーを完全に回避し、どの GGUF モデルがその瞬間に常駐しているかについて直接の制御を望む場合は、llama-server ラ우ターモード が、llama.cpp ネイティブな動的モデル切り替えアプローチを扱います。

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にシステムプロンプトを設定できます：

  >>> /set system 全ての質問に対して技術用語を避けて平易な英語で答える
  >>> /save ipe
  >>> /bye
  

  次に、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、将来の使用のためにモデルが保存されます。

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

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

  次に、実行します：

  ollama create mymodel -f custom_model.txt
  ollama run mymodel
  

  これにより、ファイルの指示に基づいた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 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 が解放する機能:

• アカウントまたは組織からのプライベートモデルのプルとプッシュ。
• ローカルでは実行しきれな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。

代替手段: API キー認証

CI パイプラインやインタラクティブな ollama signin が非現実的なヘッドレスサーバーで Ollama を実行している場合は、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取得されます — 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（要約、リダイレクト）

• ファイルからのテキスト要約:

  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。

• モデルの応答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、モデルの応答を output.txt に保存します。

Ollama CLI の使用事例（テキスト生成、分析）

• テキスト生成:

  • 大き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 利用の利点について短い記事を書いてください。" > 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のような影響を与えるのでしょうか？"
    

• データ処理と分析:

  • テキストをポジティブ、ネガティブ、ニュートラルの感情に分類：

    ollama run llama3.2 "この顧客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のカテゴリに分類： 類似のコマンドを使用して、事前定義の基準に基づいてテキストを分類またはカテゴリ化します。

Python との Ollama 利用（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 によるテキスト生成:

  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 を参照してください。これは Web 検索機能、ツール呼び出し、MCP サーバー統合を扱います。AI 駆動アプリケーションを構築している場合は、AI コーディングアシスタント比較 が開発に適したツール選択のお手伝いをします。

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。高性能なプロダクションデプロイメントの場合は、vLLM を代替手段として を検討してください。Ollama と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を比較するには、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ーへ移動

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 など
• 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「エニシッティフィケーション」の最初の兆候

パフォーマンスとハードウェア

• Ollama が並行リクエストをどのように処理するか
• Ollama が Intel CPU パフォーマンスと効率的なコアをどのように使用しているか
• 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で価格確認付きの視点

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 インスタンス向けのオープンソース LLM 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 と Python クライアント例
• Ollama 用 Go SDK - 比較と例