【2026年】Ollama完全セットアップガイド！ミニPCでローカルAIを動かす方法

「クラウドのAPI課金に頼らず、自分のPCでAIを動かしたい」

そんな願いを叶えるのが Ollama だ。Ollamaは、ローカル環境でLLM（大規模言語モデル）を実行するためのツール。コマンド一発でモデルをダウンロードして、オフラインでAIと会話できる。

この記事では、ミニPC（GMKtec M8 / Minisforum UM690L）でOllamaを動かす方法を、Windows・WSL2の両方に対応して完全解説する。

まず結論：OllamaならミニPCでもAIが動く

質問	答え
ミニPCでAIって動くの？	動く。7Bモデルなら実用的な速度で動作する
必要なスペックは？	メモリ16GB以上、CPUはRyzen 5以上推奨
GPUは必要？	必須ではない。CPUでも動くが、GPUがあると高速
セットアップは難しい？	Ollamaのインストールは5分。ターミナルで3コマンド
何に使えるの？	プログラミング補助・文章作成・翻訳・要約など

Ollamaとは

Ollamaは、ローカルPCでLLMを手軽に実行するためのオープンソースツール。Dockerのようにモデルを管理できるのが特徴だ。

主な特徴

コマンド一発でモデルをダウンロード＆実行: ollama run llama3.2
多くのモデルに対応: Llama 3, DeepSeek V4, Mistral, Qwen, Gemma など
REST API提供: 他のアプリケーションから呼び出し可能
OpenAI互換API: 既存のOpenAIライブラリをそのまま使える
マルチプラットフォーム: macOS / Linux / Windows 対応
GGUF量子化対応: メモリの少ない環境でも動く軽量モデルが豊富

必要な環境

GMKtec M8やMinisforum UM690Lのような 16GBメモリのミニPC を想定して説明する。

項目	推奨スペック	最低スペック
メモリ	32GB以上	16GB
CPU	Ryzen 7 / Core i7以上	Ryzen 5 / Core i5
ストレージ	50GB以上（モデル保存用）	20GB以上
GPU	NVIDIA RTX 4060以上（eGPU可）	内蔵GPUでもOK
OS	Linux（Ubuntu 24.04）	Windows 11 + WSL2

メモリ16GBの場合、7BモデルのQ4量子化 が現実的なライン。32GBあれば13Bモデルも視野に入る。

セットアップ手順（OS別）

方法A: Windows + WSL2（推奨）

WSL2上でLinux環境を作り、Ollamaを動かすのが最も安定する。

Step 1: WSL2のインストール

# PowerShell（管理者）で実行
wsl --install -d Ubuntu-24.04

インストール後、Ubuntuを起動してユーザー名・パスワードを設定する。

Step 2: Ollamaのインストール

# WSL2（Ubuntu）上で
curl -fsSL https://ollama.com/install.sh | sh

Step 3: モデルをダウンロードして実行

# 軽量モデル（3B）— まずは動作確認
ollama run llama3.2:3b

# 実用的なモデル（7B）
ollama run llama3.1:7b
ollama run deepseek-v4:7b
ollama run qwen2.5:7b

初回起動時にモデルがダウンロードされる（モデルにより2〜10GB）。ダウンロード後はオフラインでも使える。

方法B: Windows ネイティブ（WSL2なし）

Windows用の公式インストーラーが用意されている。

Ollama公式サイトからWindows版をダウンロード
インストーラーを実行
コマンドプロンプトまたはPowerShellを開く
ollama run llama3.2:3b で起動確認

WSL2版との違いはほぼない。ホストOSから直接GPUを使いたい場合の選択肢。

方法C: Linux ネイティブ（Ubuntu / Debian）

ミニPCに直接Linuxを入れている場合：

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

# サービスの状態確認
systemctl status ollama

# モデル実行
ollama run llama3.2:3b

モデル	サイズ	パラメータ	実行速度	おすすめ用途
Llama 3.2	2.0GB	3B	🟢 爆速	動作確認・簡単なチャット
DeepSeek V4 Lite	4.5GB	7B-Q4	🟢 快適	プログラミング・翻訳
Llama 3.1	4.7GB	8B-Q4	🟢 実用的	文章作成・要約
Qwen 2.5	4.5GB	7B-Q4	🟢 実用的	日本語タスク全般
Mistral	4.1GB	7B-Q4	🟢 実用的	コード生成・推論
DeepSeek V4	8.5GB	14B-Q4	🟡 メモリ不足気味	16GBでは非推奨

よく使うコマンド集

# モデルを実行（なければ自動ダウンロード）
ollama run <model-name>

# ダウンロード済みモデル一覧
ollama list

# モデルの詳細情報
ollama show <model-name>

# モデルの削除
ollama rm <model-name>

# サーバーモードで起動（API提供）
ollama serve

# 利用可能な全モデルを検索
ollama search <keyword>

Open WebUIでブラウザから使う

OllamaはCUI（コマンドライン）が基本だが、Open WebUI を導入すればChatGPTライクなブラウザUIで使える。

# WSL2 / Linux 上で
pip install open-webui
open-webui serve

起動後、http://localhost:8080 にアクセスすれば、チャットUIが表示される。ChatGPTと同じ感覚でローカルAIと会話できる。

Ollama vs LM Studio

比較項目	Ollama	LM Studio
インストール	CLI（コマンド一発）	GUIインストーラー
操作	コマンドライン + API	マウス操作（GUI）
GPU利用	自動検出	手动設定が必要
モデル管理	自動ダウンロード（簡単）	手動ダウンロード
APIサーバー	内蔵（OpenAI互換）	内蔵
Windows対応	WSL2推奨	ネイティブ対応
Linux対応	✅ 完全対応	⛔ 未対応
GPUオフロード	自動設定	手動設定が必要

初心者にはLM Studio、慣れてきたらOllama という使い分けがおすすめ。Ollamaは慣れると圧倒的に効率的だ。

トラブルシューティング

Q. 「ollama: command not found」になる

インストール後にシェルの再起動が必要。exec $SHELL を実行するか、ターミナルを開き直す。

Q. メモリ不足でモデルがロードできない

より小さい量子化バージョンを試す。モデル名の末尾に :q4_K_M や :q3_K_M を付けると軽量版が使える。

ollama run llama3.1:8b-q4_K_M  # 4bit量子化（推奨）
ollama run llama3.1:8b-q3_K_M  # 3bit量子化（より軽量）

Q. GPUが使われていない

WSL2環境では nvidia-smi でGPUが認識されているか確認。Linuxネイティブの場合はROCmの設定が必要な場合がある。

Q. モデルのダウンロードが遅い

モデルサイズは2〜10GB。ネットワーク環境によるが、Gigabit回線なら数分で完了する。

まとめ：OllamaでローカルAIを始めよう

Ollamaを使えば、5万円台のミニPCでも実用的なローカルAI環境 が手に入る。

ステップ	内容
Step 1	WSL2をインストール（Windowsユーザー）
Step 2	Ollamaをインストール（curl一発）
Step 3	モデルを選んで実行（ollama run <model>）
Step 4	Open WebUIでブラウザから操作

ローカルAIの魅力は、課金もインターネットも不要で、プライベートなAIアシスタントが手に入る こと。ミニPCとOllamaの組み合わせは、その入り口として最適だ。

GMKtec M8 ミニPCレビュー — このガイドで使ったミニPCの詳細レビュー
GMKtec M8 vs Minisforum UM690L 比較 — ローカルAI向けミニPCの選び方

当サイトはアフィリエイトリンクを含みます。紹介するサービスの一部から報酬を得ることがあります。

無料AIモデル