GPT Image 2.5 is live — OpenAI's newest image model, targeted edits that leave the rest of the frame alone
すべてのガイド

· reAPI Team

Ollama と LM Studio の比較：2026 年に選ぶローカル LLM 実行環境

Ollama と LM Studio を公式ドキュメントで比較。ライセンス、API 互換性、ハードウェア、既定のコンテキスト、コーディングエージェントの設定、バックグラウンドサービスとしての実行を解説します。

Ollama と LM Studio の比較：2026 年に選ぶローカル LLM 実行環境

Ollama と LM Studio のどちらを選ぶかは、作業の進め方次第です。Ollama は MIT ライセンスのモデル実行環境で、コマンドラインとポート 11434 のローカル API を中心に構成され、Ollama のクラウド上のモデルにもリクエストを送信できます。[1][2] LM Studio は、GUI のモデルブラウザーとチャット、ポート 1234 のローカルサーバーを備えたデスクトップアプリです。Apple Silicon では Apple の MLX 形式にも対応します。アプリはクローズドソースです。[3][4] 現在はどちらも OpenAI 互換と Anthropic 互換のエンドポイントを提供しているため、Claude Code、Codex 系のツール、自作スクリプトの接続先として利用できます。

実際に重要な違いは、インターフェースから受ける印象ほど大きくありません。既定のコンテキストサイズ、対応ハードウェア、ライセンスが主な違いです。この比較は、2026 年 11 月 4 日に確認した各プロジェクトのドキュメントに基づいています。

Ollama と LM Studio の比較表

OllamaLM Studio
主なインターフェースCLI とローカル API、デスクトップアプリも提供モデルブラウザー付きデスクトップアプリ、lms CLI
ライセンスMIT（オープンソース）[5]独自ライセンスのアプリ、lms CLI は MIT[4][5]
既定のローカルアドレスlocalhost:11434localhost:1234
OpenAI 互換 API対応対応、/v1/responses と /v1/chat/completions を含む
Anthropic 互換 API対応対応、/v1/messages
モデル形式GGUF と Safetensors のインポートGGUF（llama.cpp）、Apple Silicon では MLX
ホスティングの選択肢API キーで使う Ollama のクラウドモデルアプリには含まれない
GUI なしでの実行可能、Linux では systemd サービスとして実行可能、llmster デーモン経由

出典：Ollama および LM Studio のドキュメント。[1][2][3][6]

既定のコンテキストウィンドウに注意

コンテキスト長を指定しない場合、Ollama は GPU メモリに応じて値を選びます。VRAM が 24 GiB 未満なら 4k トークン、24 から 48 GiB なら 32k、48 GiB 以上なら 256k です。ドキュメントでは、エージェント、ウェブ検索、コーディングツールには少なくとも 64,000 トークンが必要としています。[7] そのため、一般的な 8 GB から 16 GB のコンシューマー向けカードでは、Ollama に接続したコーディングエージェントは、設定を上げない限り 4k のウィンドウで開始します。「ローカルモデルがファイルを忘れた」という不満の多くはここが原因です。

ウィンドウを広げると、メモリ消費が増えます。Ollama は、コンテキストを大きくするとモデルの実行に必要なメモリが増えると注意しているため、モデルとコンテキストを合わせても VRAM に収まるか確認してください。[7] LM Studio では、モデルを読み込む際にコンテキスト長を設定できます。[3]

コーディングエージェント向けの Ollama と LM Studio 比較

どちらも Claude Code のローカル実行先として使えますが、設定手順は異なります。

  • Ollama： ollama launch claude を実行します。Ollama は Anthropic 互換 API 経由で Claude Code を接続し、大きなリポジトリには 64k 以上のコンテキストを推奨しています。スクリプトや CI では、ollama launch claude --model <model> --yes -- -p "..." で選択画面を省略できます。[8]
  • LM Studio： ANTHROPIC_BASE_URL=http://localhost:1234 と ANTHROPIC_AUTH_TOKEN=lmstudio を設定し、claude --model <model> を起動します。LM Studio 自身の例では openai/gpt-oss-20b を使っています。[6]

ツール呼び出しは、実行環境と同じくらいモデルにも左右されます。Ollama がツール呼び出し、思考、画像認識に対応するとしているのは「互換性のあるモデル」だけです。設定を疑う前に、ツールに対応したモデルを選んでください。[8]

それぞれの対応ハードウェア

対応範囲が広いのは Ollama です。[9]

  • NVIDIA： Compute Capability 5.0 以降、ドライバー 550 以降。対応表には DGX Spark の GB10 チップと RTX PRO Blackwell カードも含まれます。
  • AMD： Linux では ROCm v7 経由で Radeon、Radeon PRO、Ryzen AI、Instinct に対応し、Vulkan 経由ではさらに多くの AMD GPU に対応します。
  • Apple： M シリーズの Mac では Metal による GPU アクセラレーションに対応し、Intel Mac では CPU のみで動作します。[13]

LM Studio が示す要件は、より限定的です。[10]

  • macOS： macOS 14 以降を搭載した Apple Silicon（M1 から M4）。Intel Mac は非対応です。
  • Windows： AVX2 対応の x64、または ARM（Snapdragon X Elite）。RAM 16 GB 以上、専用 VRAM 4 GB 以上を推奨しています。
  • Linux： x64 または ARM64、AppImage 形式で提供。Ubuntu 20.04 以降。

Intel Mac にインストールできるのは、この 2 つでは Ollama だけですが、CPU での実行になります。Apple Silicon では、多くの Mac ユーザーが LM Studio を選ぶ理由が MLX 対応です。

ライセンスとサービスとしての実行

Ollama のリポジトリは MIT ライセンスで、コードの閲覧、変更、再配布ができます。[5] LM Studio の利用規約は、個人用途または社内業務用途でアプリを利用する非独占的ライセンスを付与し、ソースコードを営業秘密として扱っています。また、ソフトウェアの改変や派生物の作成を禁止しています。[4] 実行環境を自社製品に組み込みたいチームにとって、この違いはどの機能よりも重要です。

どちらも画面なしで実行できます。Ollama の Linux ガイドは、起動時に開始する systemd サービスとしてのインストールを推奨しています。[13] LM Studio は、Linux サーバー、GPU マシン、クラウドマシン向けに「LM Studio デスクトップアプリの中核を、サーバー向けにパッケージ化した」llmster を提供しています。デスクトップアプリをヘッドレスモードで使うこともできます。[11]

LM Studio と Ollama の選び方

ドキュメントに記載された違いに基づく、私たちの推奨は次のとおりです。

  • Ollama を選ぶ場合： スクリプト、サーバー、Docker、Intel Mac、Linux 上の AMD GPU で使う場合や、オープンソースのライセンスが必要な場合。クラウドモデルなら、GPU に収まらない大きなモデルも同じ API から試せます。
  • LM Studio を選ぶ場合： GUI でモデルを探して比較する場合、Apple Silicon で MLX 形式のモデルを使う場合、デスクトップチャットアプリとローカルサーバーを 1 回のインストールでそろえたい場合。
  • 両方使うことも可能です： 待ち受けポートが異なり、同じ GGUF ファイルを両方にインポートできます。

FAQ

Ollama と LM Studio で同じモデルファイルを使える？

一部は共通です。どちらも GGUF ファイルを読み込めます。Ollama では Modelfile 経由、LM Studio では lms import でインポートします。Ollama はインポート時に GGUF を量子化しないため、必要なら事前に量子化してください。MLX モデルが動くのは LM Studio だけです。[12][3]

LM Studio はオフラインで使える？

はい。LM Studio によると、モデルファイルをダウンロードした後は、完全にオフラインで実行できます。[10]

どちらが速い？

どちらのプロジェクトも直接比較するベンチマークを公開しておらず、速度はモデル、量子化、コンテキストサイズ、ハードウェアに左右されます。判断する前に、自分のマシンで同じモデルファイルを同じコンテキスト長で実行してください。

ローカル実行環境が適さない場合

Ollama と LM Studio の比較が意味を持つのは、モデルが自分のマシンに収まる場合だけです。64k 以上のコンテキストを持つ大きなモデルには、ほとんどのノート PC の搭載量を超えるメモリが必要で、4k のウィンドウには実際のリポジトリは収まりません。その場合は、ホスティング型 API が実用的な選択肢です。Ollama 自身のクラウドもその 1 つで、reAPI は DeepSeek V4、Kimi K3、GLM-5.2 を 1 つの OpenAI 互換キーで提供しています。

参考文献

  1. Ollama. Ollama documentation and FAQ. 2026年11月4日取得：docs.ollama.com
  2. Ollama. Cloud. 2026年11月4日取得：docs.ollama.com/cloud
  3. LM Studio. LM Studio documentation: getting started, MLX and model import. 2026年11月4日取得：lmstudio.ai/docs/app
  4. LM Studio. Terms of use. 2026年11月4日取得：lmstudio.ai/app-terms
  5. GitHub. ollama/ollama and lmstudio-ai/lms repository licenses (MIT). 2026年11月4日取得：github.com/ollama/ollama および github.com/lmstudio-ai/lms
  6. LM Studio. OpenAI and Anthropic compatibility endpoints. 2026年11月4日取得：lmstudio.ai/docs/developer/openai-compat および lmstudio.ai/docs/developer/anthropic-compat
  7. Ollama. Context length. 2026年11月4日取得：docs.ollama.com/context-length
  8. Ollama. Claude Code integration. 2026年11月4日取得：docs.ollama.com/integrations/claude-code
  9. Ollama. Hardware support. 2026年11月4日取得：docs.ollama.com/gpu
  10. LM Studio. System requirements and offline operation. 2026年11月4日取得：lmstudio.ai/docs/app/system-requirements
  11. LM Studio. Run LM Studio as a service (headless). 2026年11月4日取得：lmstudio.ai/docs/developer/core/headless
  12. Ollama. Importing a model. 2026年11月4日取得：docs.ollama.com/import
  13. Ollama. macOS and Linux installation guides. 2026年11月4日取得：docs.ollama.com/macos および docs.ollama.com/linux
すべてのガイド