Ollama Cloudの料金と使えるモデル、自分でOllamaを動かすべきとき

Ollama Cloudとは

Ollama Cloudは、いつものOllamaのアプリ、コマンドライン、APIはそのままに、モデルを手元のGPUではなくOllamaのサーバーで動かす仕組みです。サインインして、名前が-cloudまたは:cloudで終わるモデルを選べば、ローカルのモデルと同じように応答します。Ollamaは2025年9月19日にプレビュー版として公開し、2026年8月31日にGPU時間による制限をトークン単位の課金に切り替えました。理由は、Ollama自身の言葉では「GPU-time based billing was difficult to predict」（訳：GPU時間に基づく課金は予測が難しかった）です。

Ollamaはモデルを「Native weights, as released by the model provider」（訳：モデルの提供元が公開したままのネイティブの重み）で提供するとしていますが、NVIDIAのBlackwell世代のハードウェアでは、4ビット形式のNVFP4を使う場合があるとも書いています。一覧はOllamaが決めていて、現在は17モデル（gpt-ossの2サイズを別に数えると18モデル）、その約半数は個人で買えるどのコンピューターにも収まりません。

プランとクレジット

どのプランにも、毎月の利用クレジットがついています。ProとMaxでは支払う1ドルごとに3ドル分を使え、Proを年払いにすると3.6ドル分です。それを超えた分は、購入したクレジットから同じトークン単価で支払います。ただし、購入するクレジットの価格をOllamaは公開していないため、3倍が確実なのはプランの範囲内だけです。

• 価格は税抜です。Ollamaの利用規約には「You are responsible for all applicable taxes」（訳：適用されるすべての税金は利用者の負担です）とあります。
• 毎月のクレジットは繰り越せません。毎月の請求日にリセットされます。購入したクレジットは1年間使えます。「Purchased usage credits expire one year after they are added to your account」（訳：購入した利用クレジットは、アカウントに追加されてから1年で失効します）。
• 月の上限はありません。「when you use it up, you can keep going at the same per-token rate」（訳：使い切っても、同じトークン単価で使い続けられます）とあり、その分は購入したクレジットから差し引かれます。有料プランでは、毎月のクレジットの90%に達するとメールが届きます。
• 以前のPro、Max、Teamの契約は、自動更新が続く間は5時間ごとと週ごとの制限が残ります。プランや支払いサイクルを変えるか、解約して契約し直すと、トークン単位の料金体系に移ります。Ollamaによると、サポートに頼めば元に戻せます。

クレジットでできること

チャットの返信で比べると、1ドル分のクレジットで使える量は、最も安いモデルと最も高いモデルで56倍違います。プランよりも、どのモデルを選ぶかのほうが大きく効きます。下の計算ツールは、3種類の作業をOllamaの公開価格で計算します。測定値ではなく計算例で、チャットの返信（入力2,000トークン、出力500トークン）、コーディングエージェントの1ステップ（コンテキスト30,000トークン、うち80%は前のステップからキャッシュ済み、出力800トークン）、長い文書を1回要約する場合（入力50,000トークン、出力1,000トークン）です。

Ollama Cloudのモデルと料金

100万トークンあたりの米ドル建ての料金で、Ollamaが2026年10月8日時点で掲載しているものです。キャッシュ入力とは、直前のリクエストでモデルがすでに読んだ入力のことで、エージェントや長いチャットではその多くを再利用します。

* Nemotron 3 Super：入力価格はOllamaの掲載どおりです。より小さいNanoモデルの入力価格を下回っています。計算ツールでは、この価格で順位をつけています。

自宅で動くクラウドモデル

Ollamaのクラウドモデルの約半数は、市販のマシンには収まらないからこそクラウドで提供されています。下の表は、各モデルに必要なメモリと、それをGPUメモリの95%以内（サイトのほかのページと同じ基準）に収められる当サイトのデータで最小のマシンです。当サイトのデータにあるモデルは4ビット（Q4_K_M）・8kコンテキストで計算し、2つのNemotronはOllamaの4ビット版のダウンロードサイズ（重みのみ）を使っています。クラウド専用のモデルの数値は下限です。4ビットの重みは、コンテキストを除いても1パラメータあたり0.5バイトを使い、MoE（Mixture of Experts）モデルでは、アクティブなものだけでなくすべてのエキスパートをメモリに載せる必要があるためです。

5モデルは、購入できるマシンに収まります。さらに4モデルは計算上は収まりますが、数値は下限で、ぎりぎり収まるモデルにはコンテキストの余地がほとんど残りません。3モデルは、最大のマシンがGPUに割り当てる384GBを使い切って余裕がなく、5モデルはそれを超えます。最大のマシンは512GBのMac Studio M5 Ultraで、この構成の出荷は2026年10月下旬です。また、自宅で動かす4ビット版は、Ollamaが提供する重みと同じとは限りません。マシン名のリンク先（GPUのページ）は英語です。

自分のGPUとOllama Cloud、トークン単価の比較

GPU 1枚でも動くクラウドモデルについては、電気代とOllamaの出力価格を比べるのが公正な比較です。損益分岐の速度とは、ボード電力いっぱいで動かしたGPUの電気代（1kWhあたり$0.20）が、Ollama Cloudのトークン単価と等しくなる生成速度です。それより速く生成できれば、自分のGPUのほうが安くなります。この値は速度の推定を必要とせず、ボード電力と2つの価格だけで決まるため、先に示しています。当サイトの推定値は、その隣に並べています。

この2つの前提は、どちらもクラウドに有利です。生成中のGPUがボード電力いっぱいまで電力を使うことはまれで、またクラウドでは入力トークンにも課金されますが、ここでは含めていません。さらに、電気代は費用の一部にすぎません。GPU本体のほうが大きな費用で、元が取れるかどうかは使う時間で決まります。購入とレンタルの比較ツールで、自分の条件で計算できます。≤のついた推定値はメモリ帯域幅から求めた上限（理論値）で、実際の速度はそれを下回ります。特に、トークンごとに読む重みが少ないMoEモデルでは、その差が大きくなります。GPU名のリンク先（GPUのページ）は英語です。

プライバシー：Ollamaの説明とその意味

• 記録と学習：「Prompt or response data is never logged or trained on.」（訳：プロンプトや応答のデータが記録されたり、学習に使われたりすることはありません）。利用規約にはさらに「We do not use your inputs or outputs to train AI models.」（訳：入力や出力をAIモデルの学習に使うことはありません）とあります。
• 処理する場所：Ollamaによると、処理は「primarily in the United States」（訳：主に米国で）行われ、「may route to Europe and Singapore」（訳：欧州やシンガポールに振り分けられる場合がある）とされています。
• 運用する会社：「Ollama collaborates with NVIDIA Cloud Providers (NCPs) to host open models.」（訳：OllamaはNVIDIAクラウドプロバイダー（NCP）と協力して、オープンモデルをホストしています）。これらのパートナーについてOllamaは「we require no logging, no training, and zero data retention policies」（訳：記録なし・学習なし・データ保持ゼロのポリシーを求めています）としていますが、社名は公開していません。
• プライバシーポリシーは、料金ページより慎重な書き方です。「we process your prompts and responses transiently to provide the service」（訳：サービスを提供するために、プロンプトと応答を一時的に処理します）とし、「technical measures designed to minimize retention of prompt and response content」（訳：プロンプトと応答の内容の保持を最小限にするよう設計された技術的措置）を使っているとしたうえで、データを共有する第三者として「model inference providers」（訳：モデルの推論プロバイダー）を挙げています。

まとめると、Ollamaの約束は明確ですが、それは検証できるものではなく、信頼して受け入れるしかないポリシーです。また、プロンプトはOllamaが名前を明かさない会社を経由します。ローカルでは、仕組みからして違います。「We don't see your prompts or data when you run locally.」（訳：ローカルで実行する場合、私たちがプロンプトやデータを目にすることはありません）。

自分で動かす場合にも、別のリスクがあります。SentinelLABSとCensysの研究者は、293日間のスキャンでインターネットから到達できるOllamaサーバーを175,108台数えました（Ollamaではなく第三者による二次情報です）。Ollamaは初期設定では127.0.0.1でしか待ち受けず、ローカルのAPIにはログインがありません。そのためOLLAMA_HOST=0.0.0.0でネットワークに公開したサーバーは、見つけた人なら誰でも使えてしまいます。

制限と安定性

• 同時リクエスト数：Freeは1、Proは3、MaxとTeamは10です。それを超えたリクエストは一定数まで待機し、その先は拒否されます。ほかのレート制限は公開されていません。制限に達するとAPIは429を返し、クラウドモデルに接続できないときは502を返します。
• ステータスページも稼働率の保証もありません。ステータスページは見つからず、利用規約には大文字で「WE DO NOT WARRANT THAT OUR SERVICES WILL BE UNINTERRUPTED」（訳：当社のサービスが中断なく提供されることは保証しません）と書かれています。
• 不調の報告もあります。OllamaのIssueトラッカーには、ユーザーから次の報告がありました：2026年4月の503エラーの頻発、2026年4月の「95% failure rate」（訳：失敗率95%）、2026年9月の「model unavailable」（訳：モデルを利用できない）というエラー。このうち2件は、2026年8月の料金変更より前の報告です。
• モデルは廃止されます。2025年9月のローンチ時の4モデルのうち、Qwen3-Coder 480BとDeepSeek V3.1の2つはすでに提供されていません。使ったことのあるモデルの廃止日は、設定画面に表示されます。
• コンテキスト：「Cloud models are set to their maximum context length by default.」（訳：クラウドモデルは、初期設定で最大のコンテキスト長に設定されています）。ローカルでは、OllamaはGPUのメモリに応じてコンテキスト長を設定し、ドキュメントではエージェントやコーディングツールについて「should be set to at least 64000 tokens」（訳：64000トークン以上に設定すべき）としています。

使い方

アプリやコマンドラインからは、一度サインインし、クラウドモデルを名前で指定して実行します。

ollama signin
ollama run gpt-oss:120b-cloud

コーディングツールも同じように始められます。ollama launch claude、ollama launch codex、ollama launch opencodeで、Claude Code、Codex、OpenCodeをクラウドまたはローカルのモデルで開きます。コードから使う場合は、アカウント設定でAPIキーを作成し、ollama.comを直接呼び出します。OpenAI互換のエンドポイントはhttps://ollama.com/v1で、Anthropic形式のクライアントは/v1/messagesを使います。

curl https://ollama.com/api/chat \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -d '{"model": "gpt-oss:120b", "messages": [{"role": "user", "content": "Hello"}], "stream": false}'

curl "https://ollama.com/api/usage?range=24h" -H "Authorization: Bearer $OLLAMA_API_KEY"
curl https://ollama.com/api/balance -H "Authorization: Bearer $OLLAMA_API_KEY"

OLLAMA_NO_CLOUD=1 ollama serve

経路によってモデル名が違います。アプリとCLIではgpt-oss:120b-cloud、APIではgpt-oss:120bです。最新の一覧はollama.com/api/tagsにあります。執筆時点の最新の安定版は、Ollama 0.40.1（2026年10月7日）でした。

自分でOllamaを動かすべきときと、動かす場所

モデルが手持ちのハードウェアに収まるとき、プロンプトを手元に置いておきたいとき、Ollama Cloudにないモデルを使いたいときは、自分で動かしましょう。Hugging Faceにある任意のオープンモデル、自分でファインチューニングしたモデル、アダプターなどです。お使いのGPUで何が動くかは、ローカルLLM動作チェッカーや、gpt-oss 120B、Gemma 4 31Bなどのモデルのページで確認できます。

マシンが小さすぎる場合の中間の選択肢は、GPUを時間単位で借りて、自分でOllamaを動かすことです。96GBのGPUなら、gpt-oss 120B（71.4GB）やNemotron 3 Super（87GB）までのモデルが収まります。GPUごとの最安の時間料金はクラウドGPUの料金ガイド（英語）にあります。DeepSeek V4、Kimi K3、GLM-5.3には、引き続きOllama Cloudが向いています。

よくある質問

Ollamaの利用料はいくら？

手元のPCでOllamaを動かすだけなら無料です。Ollama自身も「Running models on your own hardware is always unlimited.」（訳：自分のハードウェアでモデルを動かす場合は、常に無制限です）としています。料金がかかるのは、Ollamaのサーバーでモデルを動かすOllama Cloudだけです。Proは月$20（年$200）で$60分の利用クレジットつき、Maxは月$100で$300分つきです。使った分はモデルごとのトークン単価で差し引かれ、出力100万トークンあたり$0.24〜$15.00です。価格は米ドル建て・税抜です。

Ollama Cloudは無料で使える？

無料プランがあり、一部のスターターモデルを毎月少しだけ使えます。Ollamaはその量もモデルの一覧も公開していません。無料プランを含むどのプランでもクレジットを購入でき、サブスクリプションなしですべてのモデルが使えるようになります。

Ollama Cloudはサブスク不要の従量課金で使える？

使えます。無料プランのままでもクレジットを購入でき、使った分がモデルごとのトークン単価で差し引かれます。サブスクリプションなしで、すべてのモデルが使えるようになります。購入したクレジットには有効期限があり、利用規約には「Purchased usage credits expire one year after they are added to your account」（訳：購入した利用クレジットは、アカウントに追加されてから1年で失効します）とあります。なお、購入するクレジットの価格をOllamaは公開していません。

月$20のProプランで何トークン使える？

Proの$60分のクレジットで、出力トークンならNemotron 3 Nano 30B（100万トークンあたり$0.24）で約2億5,000万、Kimi K3（$15.00）で約400万です。入力2,000トークン・出力500トークンのチャットの返信に換算すると、Nemotron 3 Nano 30Bで約250,000回、Kimi K3で約4,400回です。

Ollama Cloudで使えるモデルは？

17モデル（gpt-ossの2サイズを別に数えると18モデル）で、DeepSeek V4 ProとV4.1 Flash、Kimi K3、GLM-5.3、Mistral Large 4、MiniMax M3、Nemotron 3、Gemma 4、gpt-ossなどがあります。一覧は変わります。モデルは追加・廃止され、最新の一覧はollama.com/api/tagsで確認できます。

Ollama Cloudのプライバシーは？

Ollamaは「Prompt or response data is never logged or trained on.」（訳：プロンプトや応答のデータが記録されたり、学習に使われたりすることはありません）としており、モデルをホストするNVIDIAのクラウドプロバイダーにも同じことを求めています。ただし、これは確認できるものではなく、ポリシーです。プロンプトは自分では管理できないサーバーで処理され、その場所は主に米国、ときに欧州やシンガポールです。手元から出してはいけないプロンプトは、ローカルでモデルを動かしてください。

Ollama Cloudは入力データを学習に使う？

利用規約によると、使いません。「We do not use your inputs or outputs to train AI models.」（訳：入力や出力をAIモデルの学習に使うことはありません）と書かれています。

Ollama Cloudのサーバーはどこにある？

Ollamaによると、リクエストは「primarily in the United States」（訳：主に米国で）処理され、欧州やシンガポールに振り分けられる場合もあります。リージョンを選ぶ方法は見つかりませんでした。

Ollama Cloudのモデルはローカルで動かせる？

クラウドのモデルのうち4つは、Ollamaにローカル版もあります（Nemotron 3 Super、Nemotron 3 Nano、Gemma 4、gpt-oss）。残りのクラウド専用モデルのうち5モデルは、4ビットの重みだけで384GBを超え、それ以外も計算上、最大級のマシンにしか収まりません。

Ollama CloudのAPIキーの取得方法は？

ollama.comのアカウント設定で作成し、Bearerトークンとして送ります。キーは自分で無効にするまで期限切れになりません。アプリやCLIからは、キーの代わりにollama signinでサインインします。

Ollama CloudはOpenAI互換？

はい。APIキーを使い、https://ollama.com/v1で利用できます。Anthropic互換のエンドポイントは/v1/messagesです。ただしOllamaによると、クラウドAPIが対応しているのはOpenAIのAPIの一部だけで、ステートフルなResponsesにも、/v1/responses経由の組み込みWeb検索にも対応していません。

Ollama Cloudに使用量の制限はある？

新規の契約や変更した契約では、2026年8月31日のトークン課金への移行で、5時間ごと・週ごとの制限はなくなりました。以前の契約は、プランや支払いサイクルを変えるまでその制限が残ります。残っているのは同時に実行できるリクエスト数で、Freeは1、Proは3、Maxは10です。毎月のクレジットを使い切ると、購入したクレジットから使い続けます。

自分のモデルやファインチューニングしたモデルをOllama Cloudで使える？

調べた限りでは、できません。Ollamaのクラウドで使えるのは一覧にあるモデルで、料金ページ、クラウドのドキュメント、インポートのドキュメント、FAQのどこにも、重みやアダプターのアップロードについての記載は見つかりませんでした。自分のモデルは、ローカルのOllamaで動かします。

Ollama Cloudは使う価値がある？

家庭用のマシンには収まらないモデルなら、いま使っているツールからそれを使う最も簡単な方法です。手持ちのGPUに収まるモデルなら、ローカルは無制限です。gpt-ossなら、それほど高くない生成速度を超えた時点で、GPUの電気代のほうがクラウドの価格よりトークンあたり安くなります（上の表を参照）。