多くの人が「Odysseus vs Ollama」を、どちらか一方を選ばなければならないかのように検索しています。それは間違った問いであり、なぜそう問われたのかも簡単にわかります。 Odysseus は2026年5月31日のローンチ後にバズりましたが、ローンチ時の報道の多くはそれを「ChatGPTの代替」と位置づけ、肝心な部分を飛ばしていました。つまり、それがどのレイヤーに位置するのかという点です。
手短な答えはこうです。Odysseusはワークスペースです。チャットUI、エージェント、リサーチツールがそれにあたります。Ollamaはそれが話しかけるエンジンであり、モデルを実行するものです。両者は競合する製品ではありません。同じ建物の別々の階なのです。
私はこの2つを接続して一緒に動かしてみました。そこで以降では、それぞれが何をするのか、両方必要なのか、そしてこのスタックを自分でホストするには何がかかるのかを説明します。
要約
- Odysseusはセルフホスト型のAIワークスペースであり、Ollamaはローカル推論エンジンです。 両者は競合ではありません。Odysseusは、アプリがデータベースを呼び出すのと同じように、OllamaのAPIを呼び出してモデルの応答を取得します。
- おそらく両方が必要でしょう。 Odysseusは体験（チャット、エージェント、ディープリサーチ、メール、ノート）を提供し、Ollamaは実際の言語モデルをローカルかつプライベートに実行します。
- Ollamaは最も手軽なデフォルトであって、唯一のバックエンドではありません。 Odysseusは他のローカル推論サーバーや、OpenAI、Anthropic、OpenRouterのようなクラウドAPIに接続することもできます。トレードオフは単純です。ローカルバックエンドは推論を自分のマシン上に留め、クラウドAPIはそれを自分のマシンの外へ移します。
- モデルがハードウェアを決めます。 CPU VPSは7Bモデルを動かせますが、13B以上のものはGPUを必要とします。これはVRAMの問題であって、システムRAMの問題ではありません。
Odysseusとは何か
Odysseusを起動すると、 localhost:7000にチャットウィンドウが表示されますが、チャットはその中で最も小さな部分にすぎません。そのウィンドウの背後には完全なワークスペースがあります。MCPツール実行機能を備えた自律エージェント、ファイルおよびシェルへのアクセス、複数ステップのウェブリサーチを実行してレポートを書き上げるディープリサーチモード、AIによる執筆機能を持つMarkdownドキュメントエディタ、あなたのIMAP/SMTPの受信箱をトリアージするメールアシスタント、さらにノート、タスク、CalDAVカレンダー。ハードウェアに基づいてモデルとダウンロードパスを推奨するModel Cookbookもあり、Odysseus自身が横に立ち上げるSearXNGコンテナ上で動く内蔵のウェブ検索もあります。
Odysseusがすること ありません しないのは、モデルを実行することです。それらの機能の一つ一つ（どのツールを呼ぶか決めるエージェント、ページを要約するリサーチアシスタント、タグを選ぶメールのトリアージ）は、テキストを生成するモデルへ別の場所に送られるリクエストです。Odysseusはオーケストレーションを行います。推論は行いません。
だからこそ、典型的なデプロイは4つほどのDockerコンテナ（ベクトルストア用のChromaDB、検索用のSearXNG、通知用のntfy、そしてメインのOdysseusイメージ）で構成され、そのどれもが言語モデルではありません。モデルは、Odysseusが接続する別のプロセスの中に存在します。
ライセンスはAGPL-3.0-or-laterで、これは一見思えるよりも重要な意味を持ちます。その点には後で戻ります。ツール使用に関する注意点が一つ。エージェント機能にはfunction-calling対応のモデルが推奨されるので、何を動かすか選ぶときはそれを念頭に置いてください。
Ollamaは何をするのか、そしてなぜ別のレイヤーなのか
Ollamaは、言語モデルを実際にメモリにロードして実行するプロセスです。これはllama.cppバックエンド上に構築されたローカル推論エンジンであり、Odysseusにとって有用になる理由は、それが OpenAI互換のREST APIを公開している点にあります。Odysseusはそのapiに対して、どんなアプリがデータベースに話しかけるのとまったく同じように話しかけます。リクエストを送り、応答を受け取り、内部でどう処理されたかは気にしません。
執筆時点で、Ollamaの最新リリースは v0.31.1 (June 30, 2026)で、MITライセンスであり、 ollama.com/libraryにある大きなモデルライブラリからプルします。Llama 3、Mistral、Phi-3、Gemma、Qwenなど、多くのモデルをコマンド一つで取得できます。UIもエージェントもワークスペースもありません。モデルを実行し、API呼び出しに応答する。それが仕事のすべてです。
一つ明確にしておきたいことがあります。人がつまずくところだからです。無料でオープンソースのOllamaローカルランナー（この記事全体が扱っているMITライセンスのもの）は、Ollamaのホスト型クラウドオプションとは別物です。誰かが「Ollama」の月額料金を提示してきたとき、たいていはホスト型のクラウド利用や有料のクラウドティアの話であって、ローカルランナーの話ではありません。あなたが自分のマシンにインストールするランナーは無料です。唯一のコストは、それを動かすマシンです。
Ollamaそのものについて、そしてGUIファーストのツールとどう比較されるかをもっと深く知りたい場合は、 OllamaとLM Studioの詳細比較 でその比較を扱っています。
要点はこうだ。 Ollamaはサーバーであって、アプリではありません。モデルを実行し、API呼び出しに応答します。体験のレイヤーは誰か他の人の仕事です。
では、両方が必要なのか？
この2つのツールを機能ごとに並べてみると、あることに気づきます。それぞれの列は、ほとんどがもう一方の空白を埋めているのです。両者はほとんど重なりません。
| 機能 | Odysseus | Ollama |
|---|---|---|
| チャットUI | あり | No |
| エージェント / MCPツール実行 | あり | No |
| ディープリサーチ | あり | No |
| メール / ノート / カレンダー | あり | No |
| モデルの実行（推論） | No | あり |
| モデルライブラリ | なし（Model Cookbook経由で推奨） | あり |
| APIを公開 | それを消費 | あり（OpenAI互換） |
つまり素直な答えはこうです。ローカルでプライベートな推論を伴う完全なAIワークスペースが欲しいなら、両方を動かします。体験のためにOdysseus、モデルのためにOllama。それが標準的なセットアップであり、ローンチ時のチュートリアルが人々を案内するセットアップでもあります。
Odysseusを別の推論バックエンドに接続するなら、Ollamaは任意です。それはOpenAI、Anthropic、OpenRouterのようなクラウドAPIかもしれませんし、llama.cpp、LM Studio、vLLMのような別のローカルエンジンかもしれません。トレードオフは推論がどこで行われるかによります。ローカルバックエンドはプロンプトを自分のマシン上に留め、一方クラウドAPIはそれをマシンの外へ移し、たいていはサブスクリプションや従量課金の価格を再び話に持ち込みます。
要点はこうだ。 ローカル推論には推論バックエンドが必要です。Ollamaは最も手軽なデフォルトですが、唯一のローカルオプションではありません。
どうやって接続するか（人がつまずく部分）
接続そのものは些細なことです。OdysseusにOllamaのOpenAI互換エンドポイントがどこにあるかを教えるだけです。落とし穴は、そして人がつまずく唯一のことは、「どこにあるか」が実行方法によって変わることです。Dockerのネットワーキングが厄介だからです。
エンドポイントには /v1 というサフィックスが必要です（これがまさにOpenAI互換のパスです）。接続先の指定は次の通りです。
- ネイティブインストール、同じマシン：
http://localhost:11434/v1 - macOSまたはWindows上のDocker：
http://host.docker.internal:11434/v1 - Linux上のDocker：
http://172.17.0.1:11434/v1、またはextra_hosts: ["host.docker.internal:host-gateway"]をcomposeファイルに追加
そして、Odysseusがコンテナの内側からOllamaに到達するとき、Ollamaはループバックだけでなくすべてのインターフェースでリッスンしている必要があります。 OLLAMA_HOST=0.0.0.0:11434 を設定してください（そして OLLAMA_ORIGINS=*も）。さもないと接続がまったく成立しません。
プロのヒント：macOSでは、Metal GPUアクセラレーションはDockerを通過しません。Mac上でGPUアクセラレーション付きの推論を行いたい場合は、コンテナの中ではなくOdysseusをネイティブに実行してください。そうでなければ、どんなハードウェアを持っていてもCPUに縛られます。
おおよそこういう形です。これは完全なステップバイステップのデプロイガイドではありません。ここでの狙いは、 なぜ 接続がホスト依存なのかを理解し、最初の試行でうまくいかないときにどこを見ればよいかを知ることです。
使えるのか？ バズった5週間前のプロジェクトを読み解く
Odysseusには、およそ80,800のスターに対して、開いたままのissueが約800件、開いたままのPRが785件あります。これは正しく読むべきです。壊れたプロジェクトなのではなく、メンテナーが押し寄せる貢献の洪水を吸収しきれないほど速くバズったプロジェクトなのです。最初の数日で30,000超のスターを集め、5週間以内に80kに達するようなものがあれば、コードの品質に関係なくissueトラッカーはそういう見た目になります。これは腐敗のサインではなく、バイラリティのサインです。
とはいえ、これは生まれてまだ5週間で、それが所々に表れています。起動時に遅いstdio MCPツール呼び出しをキャンセルしてしまう、短いハードコードされたタイムアウトが報告されています。非ASCIIのエンコーディングバグも出回っています。そして、大規模なコミュニティによるセキュリティ監査はまだ行われていません。これだけのリーチを持つツールにとっては、頼りにする前に知っておく価値のあることです。
そのHNスレッドでのより鋭い異論は、粗削りな点についてではありません。それは「これはOpen WebUI、LibreChat、AnythingLLMがすでにやっていないことで、何をするのか？」というものです。この問いは、 ローンチに関するHacker Newsのスレッドで繰り返し出てきました。あわせて、AI支援によるコードベースの品質への懐疑や、無名の開発者の同等のツールなら決して集められないスターを有名人のプロジェクトが引き寄せていることへの不満もありました。
この差別化の問いには、応援ではなくまっすぐな答えがふさわしいです。Odysseusを際立たせるものは2つあります。第一に、ライセンスです。Odysseusは AGPL-3.0-or-laterであるのに対し、Open WebUIはオープンとはいえ、商標および ブランディングの制限 があり、そのブランディングを削除したり変更したりすることを妨げます。この点は同じHNスレッドで出てきました。本当に制限のないFOSSライセンスが重要なら、それは実際の違いです。第二に、スコープです。チャットに加えて、Odysseusは統合されたメール、ノート、カレンダーに、ハードウェアを認識するModel Cookbookを束ねています。一方、代替ツールはたいていチャットとドキュメントで止まります。その束が価値あるかどうかは、あなたがそれらの部品を使うかどうかによります。Open WebUI、LibreChat、AnythingLLMはいずれも正当な選択肢です。これは決定的な勝負ではありません。
もう一つ正直に検討すべきことがあります。攻撃対象領域が広いということです。Odysseusはウェブを閲覧でき、エージェントを通じてシェルコマンドを実行でき、MCPツールを呼び出せ、IMAP経由であなたのメールに手を伸ばせます。それを、コミュニティがプロンプトインジェクションの懸念を指摘している、若く一部AI生成のコードベースに取り付ければ、多くのことができるツールが手に入ります。誰かが間違った入力を与えれば、あなたが意図しなかったことも含めて。それはこれを避ける理由ではありません。サンドボックス化し、もっと実戦で鍛えられるまで機密性の高いものからは遠ざけ、自分が何を動かしているかを把握する理由です。
VPS上でスタックを動かす
まずはノートパソコンでOdysseusとOllamaを試してみてください。様子を見るにはそれで十分です。しかし、そのものに頼りたいと思った瞬間、ノートパソコンは答えではなくなります。メールをチェックするエージェント、いつでも到達可能にしておきたいリサーチアシスタント、スマホから開くチャットワークスペース。そのすべてには、常にオンで常に到達可能なマシンが必要です。それがLinux VPSです。
次にモデルがサイズを決めます。そしてこれは人が最も取り違える一つのスペックなので、率直に言います。 システムRAMは大きなモデルをうまく動かしません。VRAMがそれをやります。 8〜16 GBのシステムRAMを持つCPUのみのVPSは、Ollamaと小さな7B〜8Bモデルを動かせます。遅いですが、低同時実行の個人利用には使えます。ひとたび13B〜34Bのモデルに踏み込むと、GPUのほうがはるかに理にかなってきますし、24 GBのVRAMカードは多くの量子化された中サイズモデルにとって実用的な快適ゾーンです。Q4の70Bモデルは別の階級です。およそ48 GB+のVRAM、あるいはコンテキストのためのより余裕あるヘッドルームと妥協の少なさが欲しいなら80 GBのカードを見込んでください。70Bを16 GBのシステムRAMにロードするのは単に遅いだけではありません。使えるセットアップとしては、狙いどころが間違っているのです。
VPS上でOllamaを動かすなら、手動インストールを飛ばす最速の方法はCloudzyの ワンクリックOllamaマーケットプレイスアプリです。これがエンジンを立ち上げてくれるので、あなたはすぐにモデルのプルに進めますし、必要なモデルの階級に合わせてVPSのサイズを決めます（7Bなら標準のLinux VPS、13B以上ならGPUインスタンス）。GPU側で注意すべき点として、可用性は地理的に制約されるので、GPUの全ラインナップがすべてのデータセンターにあるわけではありません。契約する前に、欲しいカードがどのロケーションにあるかを確認してください。OdysseusはDockerで手作業でインストールすることになります。それがスタックのワークスペース側にかかる一度きりのセットアップ税です。
要点はこうだ。 ワークスペースのレイヤーは軽く、モデルのレイヤーがVPSのサイズを決めます。7BならCPU、13B以上ならGPU。
よくある質問
OdysseusにはOllamaが必要か？
厳密には必要ありません。Odysseusはその推論を、クラウドAPIバックエンド（OpenAI、Anthropic、OpenRouter）や、llama.cpp、LM Studio、vLLMのような他のローカルエンジンを通じて実行できます。Ollamaは、無料でローカルかつプライベートな推論が欲しいときの標準的な選択肢ですが、それはデフォルトであって要件ではありません。
OdysseusはOllamaの代替か？
いいえ、両者はスタックの異なるレイヤーです。Odysseusはワークスペースでありアプリ（チャット、エージェント、リサーチ、メール）です。Ollamaは、それが言語モデルを実行するために呼び出すモデルサーバーです。OdysseusはAPI経由でOllamaに話しかけるので、両者は競合するのではなく一緒に動きます。
OdysseusをOllamaに接続するには？
OdysseusをOllamaのOpenAI互換エンドポイントに向けます。そこには /v1 というサフィックスが必要です。正確なホストはあなたのセットアップによります。 http://localhost:11434/v1 ならネイティブインストール、 http://host.docker.internal:11434/v1 ならmacOS/Windows上のDocker、そしてLinux上のDockerならホストゲートウェイアドレスです。Ollamaはまた、コンテナから到達される場合には OLLAMA_HOST=0.0.0.0:11434 が必要です。
Ollamaは無料か？
はい、オープンソースのローカルランナーは無料でMITライセンスです。Ollamaには有料のProおよびMaxティアを含むホスト型クラウドオプションもありますが、それはこの記事が主に扱っているローカルランナーとは別物です。あなたが自分のマシンやVPSにインストールするランナーは無料です。唯一のコストは、それを動かすハードウェアです。
Odysseusは安全に動かせるか？
攻撃対象領域が広く（シェルとエージェントの実行、MCPツールの呼び出し、そしてメールのIMAPアクセス）、若く一部AI生成のコードベースで、大規模なセキュリティ監査はまだ行われていません。動かすことはできますが、それに応じて扱ってください。サンドボックス化し、成熟するまで機密性の高いアカウントから遠ざけ、プロンプトインジェクションのリスクに注意してください。
要するに
メンタルモデルこそが肝心な点です。OdysseusとOllamaは対決ではなく、スタックです。ワークスペースが上に乗り、推論エンジンがその下で動き、ワークスペースはAPI経由でエンジンを呼び出します。あなたが選ぶモデルこそがハードウェアのサイズを決めるので、何の上で動かすかを決める前に、何を動かしたいかを決めてください。
