Ollamaのモデル選び入門：パラメーター数、量子化、ハードウェア要件

ollama.comには数百のモデルがあり、それぞれに複数のサイズがあります。このセクションでは、表記の意味を理解し、お使いのコンピューターで動作し、ニーズにも合うモデルを選ぶ方法を説明します。

パラメーター数：Bとは

モデル名の7bや14bはパラメーター数を表し、bはbillion（10億）の略です。

• パラメーター数が多いほど、一般に賢く知識も豊富ですが、より多くのメモリが必要になり、速度も遅くなります。
• e2bやe4bのような表記は「有効パラメーター数」を示し、デバイス向けに最適化されたアーキテクチャです。
• 30b-a3bのような表記は**MoE（Mixture of Experts）**モデルを示します。合計300億のパラメーターがありますが、1回の処理で有効になるのは約30億です。必要なメモリは30Bモデルに近く、速度は3Bモデルに近くなります。

量子化：Q4、Q8とは

元のモデルでは、各パラメーターを通常16ビットで保存します。量子化ではパラメーターをより少ないビット数に圧縮し、品質をわずかに犠牲にする代わりに、必要なメモリを大幅に減らします。

モデルページでTagsを選ぶと、qwen3:8b-q8_0など、利用可能なバージョンをすべて確認できます。

必要なメモリを見積もる

概算式：

モデルサイズ（GB） ≈ パラメーター数（B） × 1パラメーターあたりのビット数 ÷ 8

4ビット量子化を前提に、コンテキスト（KV cache）と実行領域として約1～2 GBを加算します。

最も正確な方法は、モデルページに記載されたファイルサイズを確認し、数GBの余裕を加えることです。コンテキストを長く設定するほど（環境変数を参照）、より多くのメモリが必要になります。

最も重要な原則は、モデル全体をVRAMに収めることです。 容量を超えて一部がシステムメモリに置かれると、速度が元の数分の一まで落ちることがあります。GPUに全体を収められる、ひと回り小さいモデルを選びましょう。

用途別のおすすめ

モデルは頻繁に更新されます。以下は、この記事の執筆時点でOllamaで人気があり、まず試す価値のあるモデルファミリーです。実際に利用する際は、ollama.comで最新バージョンを確認してください。

一般的なチャットと中国語

推論（数学、論理）

deepseek-r1、qwen3、gpt-ossなど、思考モードに対応したモデルは、回答の前に推論を行います。複数段階の思考が必要な質問に適していますが、回答には時間がかかります。

コーディング

qwen2.5-coderやqwen3-coderなどのコード専用モデルは、コード補完、説明、リファクタリングに適しています。

画像認識（ビジョン）

モデルページにvisionと記載されたモデルを使います。例：gemma3、qwen3.5、llava。

テキスト埋め込み（RAG向け）

nomic-embed-text、mxbai-embed-large、bge-m3（多言語対応で、中国語の性能が高い）などがあります。この種のモデルはチャットには使えず、テキストをベクトルに変換するために使います。使い方はテキスト埋め込みとRAGを参照してください。

実際に比較する方法

同じ質問を複数のモデルに尋ね、/set verboseを有効にして速度を比較します。

ollama run qwen3:4b
ollama run qwen3:8b
ollama run gemma3:12b

仕事の文書の要約や、よく書くプログラムなど、実際に尋ねる質問を5～10個用意しましょう。どのランキングよりも、自分に合うモデルを見つけるのに役立ちます。

ダウンロード済みモデルを管理する

ollama list               # ダウンロード済みのモデルとサイズを一覧表示
ollama rm gemma3:12b      # 不要なモデルを削除してディスク容量を解放

その他のコマンドはOllamaコマンド一覧を参照してください。

更新日 2026年10月12日