GitHub巡回民のためのOllamaモデル家系図【保存版】

最近のAI界隈はモデルが増えすぎ。

Ollamaのライブラリを開くと、Qwen、Gemma、Llama、DeepSeek、Mistral、Phi……。

初めて見る人には、どれも同じように見えるかもしれない。しかし、GitHubを巡回していると少し違う景色が見えてくる。

(´･ω･`) 高スペックPCを持っていない方が、欲しいのは「最強モデル」ではない。GitHubで見つけた面白いリポジトリを理解し、Markdownとして保存し、自分の知識庫に変えていく相棒を探していく。

そこで今回は、性能ランキングではなく、「何をするために生まれたモデルなのか」という家系図として整理してみたい。

Ollamaのようなローカル環境で動かす小さなAIモデルの総称は、一般的に「SLM（Small Language Models：小型言語モデル）」と呼ばれます。

大規模な「LLM（Large Language Models）」に対する言葉として、リソースの限られた環境でも効率的に動作するように設計されたモデルを指す際に用いられる標準的な用語です。

第一勢力：万能型のQwen家

現在もっとも勢いを感じる一族。

会話もできる。コードも読める。要約も得意。
日本語も比較的強い。

GitHub巡回民にとっては、「とりあえず困ったらQwen」という立ち位置になりつつある。特にQwen系は、

などの雑務全般をそつなくこなす。

Unixで例えるなら、「とりあえずbash」みたいな存在だ。

第二勢力：GoogleのGemma家

Gemmaを一言で表すなら、「賢い小型モデル」である。

巨大なGPUを前提にしていない。

比較的小さい構成でも動くため、

との相性が良い。

GitHub巡回用途では、READMEの読解や要約などで十分な能力を発揮する。

個人的には、「手元に置いておきたい文系モデル」という印象が強い。

第三勢力：王家のLlama

Llamaは家系図で言えば本家だ。

現在のローカルLLM文化は、多くの部分でLlamaの影響を受けている。

しかし最近は、QwenやGemmaが急速に伸びたため、初心者が最初に選ぶモデルではなくなりつつある。それでも、

多くの派生モデルの祖先をたどるとLlamaに行き着く。

GitHubを巡回していると、「このモデル、結局Llama系なのか」という場面は今でも多い。歴史を学ぶなら避けて通れない存在だ。

第四勢力：推論特化のDeepSeek家

DeepSeekは少し毛色が違う。

特徴は「考える」。答える前に推論する。

人間で言えば、

反射的に答える人ではなく、ノートにメモを書いてから
答える人である。

GitHubのコード解説や設計理解では面白い。

ただし、軽快さではQwenやGemmaに軍配が上がる。

第五勢力：職人集団のCoder家

ここは独立した家系というより職能集団。代表は、

など。彼らの仕事は明確で、コードを読むこと。

GitHub巡回民なら一度は試したい。READMEよりも、

実際のソースコード理解に強みがある。

私が見ている未来

最近GitHubで増えているのは、「巨大モデルを使う人」

ではなく、「複数の小型モデルを役割分担させる人」である。

例えば、

GitHub　↓
Crawl4AI　↓
Markdown化　↓
Gemmaで要約　↓　Qwenで整理　↓　
Logseq、Memos保存、（Obsidianも可）

のような流れだ。

これは巨大なGPUを持つ人だけの遊びではない。

16GBや32GBのメモリを積んだ普通のPCでも十分に楽しめる。
ちなみに私は8GBと(´･ω･`)い

まとめ

Ollamaのモデルは多い。しかしGitHub巡回民の視点で見ると、

実はそれほど複雑ではない。

まずはこの地図だけ覚えれば十分だ。そして重要なのは、

モデルを集めることではない。

GitHubで見つけた知識を、自分の言葉で保存できることだ。

ローカルLLMは、そのための新しい道具に過ぎない。

#Ollama #ローカルLLM #Qwen #Gemma
#GitHub #AI活用