Mac上のOllama 2026：Apple Silicon完全セットアップガイド（M1–M5、Metal GPU）

クイックセットアップ（3コマンド）

1. 1
   Ollamaをインストール
   Why it matters: `brew install ollama` — ワンクリックインストール。
2. 2
   モデルをダウンロード
   Why it matters: `ollama pull llama2` — Llama 3.3 7Bをダウンロードします。
3. 3
   チャットを開始
   Why it matters: `ollama run llama2` — 対話型チャットインターフェース。

Metal GPU確認

1. 1
   詳細出力で実行
   Why it matters: `ollama run llama3.1:8b --verbose`を実行し、コンソール出力で`ggml_metal_init: found device: Apple M[X]`を確認します。
2. 2
   推論中の速度を確認
   Why it matters: トークン生成レートを観察：Macによって20–60 tok/sであるべき（M5 Pro：Llama 3.3 8Bで約50 tok/s）。CPUのみのフォールバック：約1–5 tok/s。
3. 3
   GPU使用率を監視
   Why it matters: アクティビティモニタ（アプリケーション → ユーティリティ）を開いてGPUセクションを確認。Metalが動作している場合、推論中は80–100%のGPU使用率を示すはず。

モデル管理

1. 1
   `ollama pull <モデル>`
   Why it matters: モデルをダウンロード。例：`ollama pull mistral`。
2. 2
   `ollama list`
   Why it matters: ダウンロード済みの全モデルを一覧表示。
3. 3
   `ollama run <モデル>`
   Why it matters: モデルで対話型チャットを開始。
4. 4
   `ollama rm <モデル>`
   Why it matters: ストレージを解放するためにモデルを削除。

Apple Siliconのメモリ最適化

• OLLAMA_MAX_LOADED_MODELS：メモリに保持するモデル数。デフォルト：1。マルチモデルセットアップでは2–3に設定。
• GPUレイヤー：デフォルトでOllamaは利用可能なすべてのユニファイドメモリを使用。メモリが不足する場合はModelfileで`num_gpu_layers`を設定。
• Whisper：埋め込みモデルとLLMと組み合わせ — OllamaでM5 Pro 64GBに収まります。

複数モデルの同時実行

export OLLAMA_MAX_LOADED_MODELS=3
export OLLAMA_KEEP_ALIVE=1h
brew services restart ollama

# Now pull all models you need
ollama pull llama3.1:8b
ollama pull llava:7b

# Send requests to each — they stay loaded
curl http://localhost:11434/api/chat -d '{"model": "llama3.1:8b", "messages": [{"role": "user", "content": "Hello"}]}'
curl http://localhost:11434/api/chat -d '{"model": "llava:7b", "messages": [{"role": "user", "content": "Describe this image"}]}'

ログイン時の自動起動

# Enable auto-start
brew services start ollama

# Check status
brew services list | grep ollama

# Disable auto-start (optional)
brew services stop ollama

開発者向けAPIセットアップ

# Chat endpoint (streaming)
curl http://localhost:11434/api/chat -d '{
  "model": "llama3.1:8b",
  "messages": [{"role": "user", "content": "Write a Python function"}],
  "stream": false
}'

# Python example
import requests
response = requests.post(
  "http://localhost:11434/api/chat",
  json={
    "model": "llama3.1:8b",
    "messages": [{"role": "user", "content": "Hello"}],
    "stream": False
  }
)
print(response.json()["message"]["content"])

Modelfileのカスタマイズ

• `ollama create llm-expert -f Modelfile` — カスタムモデルをビルド
• `ollama run llm-expert` — カスタムモデルで対話型チャットを開始
• `ollama run llm-expert "Code review this function"` — プロンプトを直接送信

FROM llama2
SYSTEM "You are an expert software engineer reviewing code for security and performance issues. Provide actionable feedback."
PARAMETER temperature 0.7
PARAMETER top_p 0.9

よくある問題と解決策

• Metalが検出されない： `ollama run llama3.1:8b --verbose`で確認し`ggml_metal_init: found device: Apple M[X]`を探す。ない場合は再起動：`brew services restart ollama`または`pkill ollama && ollama serve &`。
• 推論が遅い（CPUフォールバック）： 原因：Metalの初期化に失敗し、モデルがCPUで動作中。アクティビティモニタを確認 — 推論中はGPU使用率が80–100%のはず。GPUが0%の場合：Ollamaを再起動。
• メモリ不足（OOM）： モデルがクラッシュするか応答が切れる。原因：モデル + コンテキスト + macOSオーバーヘッドがRAMを超えている。解決策：(1) より小さい量子化を使用（`ollama pull llama3.1:8b-q4_K_M`）、(2) コンテキストを削減（`OLLAMA_NUM_CTX=2048 ollama run llama3.1:8b`）、(3) より小さいモデルを使用（`ollama pull phi4` — 2.5 GB）。
• モデルダウンロードが止まる： 原因：ネットワーク制限またはHuggingFaceのレート制限。修正：`pkill ollama && ollama pull llama3.1:8b`（前回の進捗から再開）。
• ポート11434が使用中： 別のOllamaインスタンスが実行中、または別のサービスがポートを使用。確認：`lsof -i :11434`。修正：`pkill ollama`して再起動。
• モデルが意味不明 / ランダムな文字を出力： 原因：Modelfileパラメータが範囲外、または間違ったテンプレート。修正：公式モデルを取得`ollama pull llama3.1:8b`（カスタムを上書き）、次にテスト：`ollama run llama3.1:8b "Hello, how are you?"`。
• ストレージがいっぱいになる： モデルは`~/.ollama/models/`に保存。サイズ確認：`du -sh ~/.ollama/`。未使用を削除：`ollama rm <モデル名>`。

関連記事

• ローカルLLM向けApple Silicon：完全ガイド
• MLX vs Ollama vs llama.cpp 比較
• Apple Silicon向けベストLLMモデル
• ローカルLLMに必要なユニファイドメモリ量
• M5 Pro vs M5 Maxベンチマーク
• ローカルAIサーバーとしてのMac Mini M5
• Apple MLX vs NVIDIA CUDA 2026 — Apple SiliconとNVIDIA GPUの選択のために。