Ollama Modelfile：作成およびカスタマイズを行う モデル

#なぜModelfileが必要なのですか？

ollama run qwen3.5:9b と入力すると、汎用モデルが起動します。フランス語の質問に英語で答えることがあり、コードを含む回答には延々と続く前置きを付け、逐語訳を求めても注文どおりには応じようとしません。セッションごとに同じシステムプロンプトを繰り返す代わりに、一度Modelfileに設定しておけば、再利用できる派生モデルが得られます。

具体的に、Modelfileでできることは3つあります。(1) モデルに永続的なシステムプロンプトを設定する、(2) 生成パラメータ（温度、コンテキスト、ストップトークン）を調整する、(3) 必要に応じてチャットテンプレートを置き換えることです。作成した派生モデルは、他のOllamaモデルと同じように、ollama run mon-assistantで使用できます。

#前提条件

Ollama インストール済み

バージョン0.3以降を推奨します。ollama --versionで確認してください。デーモンがhttp://localhost:11434で動作している必要があります。

ダウンロード済みのベースモデル

たとえば、ollama pull qwen3.5:9b または ollama pull qwen3-coder:30b です。Modelfileはこのモデルを継承します。

テキストエディタ

VSCode、Notepad++、vimなど、どれでも構いません。このファイルに必須の拡張子はなく、慣例として通常はModelfileという名前を付けます。

約5分

モデルファイルの作成およびollama createの実行にかかる時間。追加のダウンロードは不要で、既に存在するモデルを再利用します。

#1. Modelfileの構文

Modelfileは、大文字の命令を1ブロックにつき1つ記述するテキストファイルです。順序は重要ではありませんが、慣例ではFROMを最初に置きます。

FROM qwen3.5:9b

SYSTEM """
Tu es un assistant utile et concis.
"""

PARAMETER temperature 0.7
PARAMETER num_ctx 4096

主な指示：

FROM

ベースモデル。必須。Ollamaのモデル名（qwen3.5:9b、qwen3.8:27b）またはローカルのGGUFファイルへのパスを指定できます。

SYSTEM

各会話に注入されるシステムプロンプトです。マルチラインテキストの場合は三重引用符を使用してください。

PARAMETER

サンプリングとコンテキストの設定。パラメータごとに1つの指示。最も有用なもの：temperature、top_p、top_k、num_ctx、repeat_penalty、num_predict、stop。

TEMPLATE

完全なプロンプトフォーマット（稀）。専門知識を持つ場合にのみ編集してください——各モデルファミリーには独自のテンプレートがあります。

MESSAGE

few-shot の例。先頭に MESSAGE user または MESSAGE assistant を付けます。文体を定着させるのに役立ちます。

ADAPTER

FROM で指定したモデルに適用する LoRA GGUF のパス。上級者向けです。

LICENSE

トレーサビリティのための自由記述テキストです。実行には影響しません。

#2. 最初のモデルを作成する

ワークフローはいつも同じです。Modelfileを記述し、ollama createを実行して、ollama runでテストします。

1. 01
   ファイルを作成する

   作業用フォルダーにModelfile（拡張子なし）という名前のファイルを作成してください。その中に、カスタマイズしたモデルの定義を記述してください。
2. 02
   作成を開始する

   同じディレクトリから：ollama create mon-modele -f ./Modelfile。Ollama は構文を検証し、FROM で指定されたモデルの重みを継承して、新しいエントリを登録します。これは即時処理であり、再ダウンロードは行われません。
3. 03
   確認する

   ollama list montre votre nouveau modèle aux côtés des autres. La taille affichée est identique à celle du modèle de base — c'est une référence, pas une copie.
4. 04
   テストする

   ollama run mon-modele. Le system prompt et les paramètres sont déjà appliqués. Vous pouvez aussi pointer une interface (Open WebUI, LM Studio) sur cette variante via l'API.

# Dans le dossier qui contient le Modelfile
ollama create assistant-fr -f ./Modelfile
ollama list
ollama run assistant-fr

#3. 例：簡潔なフランス語アシスタント

目標：常にフランス語で回答し、「もちろん、こちらです…」のような前置きや謝罪の決まり文句を使わず、回答の長さを調整したアシスタント。

FROM qwen3.5:9b

SYSTEM """
Tu es un assistant francophone précis et concis.

Règles strictes :
- Réponds toujours en français, jamais en anglais, même si l'utilisateur écrit en anglais.
- Pas de préambule ("Bien sûr", "Voici", "Absolument"). Va directement au fait.
- Pas d'excuses ni de disclaimers sauf si l'information est réellement incertaine.
- Réponses courtes par défaut (3-5 phrases). Détaille uniquement si on te le demande explicitement.
- Si tu ne sais pas, dis-le en une phrase. N'invente pas.
"""

PARAMETER temperature 0.6
PARAMETER top_p 0.9
PARAMETER num_ctx 8192
PARAMETER repeat_penalty 1.15

作成およびテスト：

ollama create assistant-fr -f ./Modelfile-assistant-fr
ollama run assistant-fr "Quels sont les avantages d'un LLM local ?"

repeat_penaltyをデフォルトの1.1ではなく1.15にすると、モデルが同じことを繰り返すのを抑えられます。num_ctxを8192にすると、デフォルトの2048のコンテキスト枠を超えてしまうような、やや長い文書も貼り付けられます。

#4. 例：静かにPythonを書く

目的は、説明文を最小限に抑え、そのまま貼り付けられる Python コードを返すコーディングアシスタントです。出力をエディタやスクリプトにパイプで渡したいワークフローに最適です。

FROM qwen3-coder:30b

SYSTEM """
Tu es un assistant de code Python expert. Tu suis ces règles :

1. Réponds uniquement avec du code Python valide, dans un bloc fenced ```python.
2. Pas d'explication avant ou après le code, sauf si l'utilisateur demande explicitement une explication.
3. Le code doit être complet, exécutable, avec les imports nécessaires en haut.
4. Privilégie la stdlib quand c'est possible. Si une dépendance externe est nécessaire, mets un commentaire en tête : # pip install <package>.
5. Type hints quand c'est raisonnable (Python 3.10+).
6. Si la demande est ambiguë, choisis l'interprétation la plus probable et code-la, sans poser de questions.
"""

PARAMETER temperature 0.2
PARAMETER top_p 0.95
PARAMETER num_ctx 16384
PARAMETER stop "```\n\n"

注目すべき技術上の選択をいくつか挙げます。

FROM qwen3-coder:30b

2026年のコード特化モデル（MoE 30B-A3B、アクティブなパラメータはわずか3B、コンテキスト長256k、Q4で約19GB）。VRAM 24GBのGPU（RTX 4090）またはメモリ32GBのMacでは、アクティブなパラメータが3Bであるため、50〜80トークン/秒で動作します。VRAMが16GBしかない場合は、gpt-oss:20b（14GB）またはdevstral:24bに置き換えてください。

temperature 0.2

コード用には低い値に設定します。0.7（デフォルト）では、モデルが変数名をその場で考え、存在しないAPIを作り出すこともあります。コード生成では、決定性が求められます。

num_ctx 16384

ファイル全体を分析するための拡張コンテキストウィンドウ。注意：コンテキストが消費する VRAM の量が何倍にも増えます。

stop

モデルは最初のコードブロックの後で停止します。これにより、出力に余計な内容を混ぜるコード後の説明を防げます。

ollama create coder-py -f ./Modelfile-coder-py
ollama run coder-py "Lire un CSV avec pandas et retourner la moyenne de la colonne 'prix'"

#5. 例：厳密なEN→FR翻訳モデル

目的：翻訳だけを返し、引用符も「翻訳：」も付けず、文体も変えない翻訳モデル。典型的な用途は、出力をそのまま処理するn8nのパイプラインやbashスクリプトへの組み込みです。

FROM qwen3.5:9b

SYSTEM """
Tu es un traducteur professionnel anglais → français.

Règles ABSOLUES :
- Tu reçois un texte en anglais. Tu retournes UNIQUEMENT la traduction française.
- Pas de préfixe ("Traduction :", "Voici :"), pas de guillemets autour de ta réponse, pas de commentaire.
- Conserve la mise en forme exacte du texte source (sauts de ligne, listes, ponctuation).
- Conserve les noms propres, marques, URLs et identifiants techniques tels quels.
- Si le texte est déjà en français, renvoie-le inchangé.
- Si le texte est dans une autre langue que l'anglais, renvoie : ERREUR_LANGUE_NON_SUPPORTÉE
"""

PARAMETER temperature 0.3
PARAMETER num_ctx 4096
PARAMETER num_predict 2048

MESSAGEを追加し、few-shotの例で形式を定着させると、動作がさらに予測しやすくなります：

FROM qwen3.5:9b

SYSTEM """
Tu traduis de l'anglais vers le français. Tu renvoies UNIQUEMENT la traduction, sans préfixe ni guillemets.
"""

MESSAGE user "The meeting starts at 3 PM."
MESSAGE assistant "La réunion commence à 15 heures."

MESSAGE user "Please check the attached document."
MESSAGE assistant "Merci de consulter le document ci-joint."

PARAMETER temperature 0.3

パイプラインでの使用：

echo "The deployment is scheduled for tomorrow morning." | ollama run translator-en-fr

#6. カスタムモデルの管理

使い続けるうちに、モデルのバリエーションがいくつも増えていきます。管理に役立つコマンドをいくつか紹介します。

# Lister tous les modèles (originaux + variantes)
ollama list

# Voir le Modelfile d'une variante (utile pour récupérer un Modelfile perdu)
ollama show --modelfile assistant-fr

# Voir les paramètres effectifs
ollama show --parameters assistant-fr

# Voir le system prompt seul
ollama show --system assistant-fr

# Supprimer une variante (libère uniquement l'entrée, pas les poids du modèle de base)
ollama rm assistant-fr

#7. ベースモデルはどれを選ぶべきですか？

すべての Modelfile は FROM で始まります。最終結果の 90％を決めるのは、ベースモデルの選択です。どれほど完璧なシステムプロンプトでも、用途に合わないベースモデルや、VRAM に収まりきらないほど大きなベースモデルを補うことはできません。

汎用アシスタント

Q4で量子化した、80億〜140億パラメータの比較的新しいモデル（QwenまたはGemma系）：応答が速く、フランス語が得意で、コンテキスト用の余裕も残せます。

コード

コード特化モデル — Qwen3-Coder 30B-A3B 型の MoE は 20 GB のメモリから非常に高速です。それ未満の場合、7-9B のコードモデルが依然として有効です。

格調高いフランス語／文章作成

サイズが同じ場合、Mistral（Nemo、Magistral）はフランス語対応において優位性を保ちます。

控えめなスペックの構成（VRAM 8GB）

Q4量子化の4B〜9Bモデルにとどめてください。モデルがVRAMに収まらずRAMにはみ出すと、Modelfileの内容にかかわらず応答性が大幅に落ちます。

VRAM、ライセンス、使用方法に基づいてモデルを比較するため、QuelLLM カテゴリは、あなたのマシンに適合するモデルをフィルタリングします。各モデルのページには、FROM に使用する ollama run exacte のコマンドが記載されています。

#トラブルシューティング

モデルはシステムプロンプトを無視します

ベースモデルではなく、ご自身の派生モデル（ollama run mon-modele）を起動していることを確認してください。ollama show --system mon-modele で確認できます。

切り詰められた応答

num_predict（一部の設定ではデフォルトで128）を2048以上に増加させます。または、PARAMETER num_predict -1 を追加して制限を無効にします。

モデルは厳密なルールを遵守していません

ルールを大文字で書き直し、「ABSOLUMENT」または「JAMAIS」を加え、MESSAGEで例を追加してください。小型モデル（約10B未満）は、否定表現だけを示されると、その指示をうまく扱えません。

エラー "Error: invalid model reference"

FROM モデルはローカルにインストールされていません。ollama pull <modele> を実行した後、ollama create を実行してください。

モデル作成後にVRAMの空き容量がなくなる

num_ctxが高くなると消費量が増大します。モデルのサイズに応じて、2048から16384に変更すると、VRAMの消費量は1GBから3GB程度増加します。メモリが不足する場合は8192に戻してください。

#さらに詳しく

Modelfileは、モデルの重みを変更せずにOllamaを特化させるための基盤です。次に掘り下げるとよい方向性は、次の3つです。

システムプロンプトをより深く使いこなす

システムプロンプトのガイドでは、本当に信頼できる振る舞いを実現するために、役割、制約、例をどう構成するかを詳しく説明しています。SYSTEMの内容が5行を超えるようになると役立ちます。

温度、top-p、top-kの設定

モデルに手を加える前に、各サンプリングパラメータが何を変えるのかを正確に理解しておくと、試行錯誤を大幅に減らせます。専用のガイドでは、役立つ設定をすべて解説しています。

Open WebUIでカスタマイズしたモデルを利用できるようにする

カスタムモデルを作成すると、Open WebUIがそれらを自動的に一覧表示します。インターフェースからワンクリックでassistant-fr、coder-py、translator-en-frを切り替えられます。