ローカルAI実行環境「Ollama」に投げかけられた懸念：llama.cppとの比較と開発姿勢を問う

📝 概要

ローカル環境で大規模言語モデル（LLM）を容易に実行できるツールとして急速に普及した「Ollama」に対し、ソフトウェアエンジニアのzetaphor氏が、その開発姿勢や技術的選択、ライセンス遵守の不備について深刻な懸念を表明しています。Ollamaは基盤技術である「llama.cpp」のラッパーとして始まりながら、長期間クレジット表記を怠るなどのライセンス違反や、不透明なクローズドソース開発を含んでいると指摘されています。利便性の裏側に潜むパフォーマンスの低下やセキュリティ意識の低さを考慮すると、真にローカルAI環境を構築したいユーザーにとっては、Ollamaではなくオリジナルのllama.cppを選択することが重要であるというのが同氏の結論です。

📋 詳細レポート

ライセンス遵守とコミュニティへの敬意

Ollamaは、2023年に登場した大規模言語モデルの軽量実行環境「llama.cpp」を内部で使用していましたが、1年以上にわたりその事実を公表していませんでした。llama.cppはMITライセンスで配布されており、著作権および許諾表示（クレジットの表示）が必須条件でしたが、Ollamaはこの基本的な条件を無視し続けていました。2024年4月にコミュニティからの具体的な指摘を受けてようやく「サポートしているバックエンド」として追記したものの、管理者は同時に「将来的な別エンジンへの移行」を示唆しており、既存のオープンソースプロジェクトへの敬意が欠如していると批判されています。

技術的な欠陥と独自仕様の弊害

zetaphor氏は、Ollamaが導入している独自の仕様やバックエンドについても、技術的な観点から多くの問題点を挙げています。

• 低品質な独自バックエンド: llama.cppから切り替えた独自バックエンドは品質が低く、パフォーマンスがオリジナルの半分程度にまで低下したケースが報告されています。
• 不正確なモデル名の提供: 「DeepSeek-R1」という名称でありながら、実際には性能の劣る蒸留版（Distill）を実行させるなど、ユーザーに誤解を与え、モデル自体の正当な評価を妨げる挙動が見られます。
• 不便なファイル管理: 本来1ファイルで完結するGGUF形式を採用しながら、パラメーター変更のたびに数GBのモデル全体をコピーさせるなど、ストレージ効率の悪い独自仕様が採用されています。
• モデル対応の遅延: llama.cppでは新モデルが登場した瞬間に利用可能ですが、Ollamaは管理者の作業を待つ必要があり、即時性に欠けます。

透明性の欠如とセキュリティの懸念

Ollamaは「オープンソース」を掲げていますが、その実態には不透明な部分が多いと指摘されています。デスクトップ版は非公開リポジトリで開発され、ライセンスが付与されないまま配布されており、ウェブサイト上の誘導もユーザーがオープンソースと誤認しやすい形式になっていました。また、「ローカル実行によるプライバシー確保」を謳いながら、後にデータを外部送信するクラウドモデルを導入。さらに、認証トークン漏洩の脆弱性を数カ月放置するなど、セキュリティに対する優先順位の低さも露呈しています。

今後の展望

ローカルAIの普及において、Ollamaが「使いやすさ」という入り口を提供した功績は否定できません。しかし、技術的な効率性、ライセンスの透明性、そしてセキュリティを重視するエンジニアの視点からは、Ollamaというパッケージは不要な中間層になりつつあります。今後のローカルLLM利用においては、基盤技術であるllama.cppを直接活用する、あるいはより透明性の高い代替ツールを模索する動きが加速するものと考えられます。