ChatGPTのAPI料金、じわじわ増えていませんか？月に数百〜数千円が積み重なると、個人開発や学習用途では痛い出費です。この記事では、Ubuntu / Mac にローカルLLM（Ollama）を導入してAPI課金をゼロにする方法を、実際にDockerで動かした検証データとともに解説します。
結論から言うと、CPU搭載マシンがあれば今すぐゼロ円でLLMを動かせます。2026年6月時点、curl -fsSL https://ollama.com/install.sh | sh の1コマンドで Ollama がインストールでき、llama3.2:3bなどのモデルを無料で pull できます（Ubuntu 24.04で実測済み）。
本記事では実際に Ubuntu 24.04 Dockerコンテナと Playwright でインストール・GUI画面を検証しています。数字はすべて実測または公式情報源からの引用です。
この記事のポイント
- ChatGPT Plus（$20/月）やGPT-4o API（従量制）の代替として、ローカルLLMはAPI課金をゼロにできる
- Ubuntu 24.04 では
sudo apt install zstdを先に実行してから Ollama をインストールする - Open WebUI（Docker）でブラウザからChatGPT風のUIが使える
- CPU環境でも llama3.2:3b などの軽量モデルなら実用的に動く（sysbench 15,020 events/sec 実測）
- OpenAI互換APIとして動くので、既存のコードを1行変えるだけで切り替え可能
目次
- ChatGPT APIのコスト問題
- ローカルLLMとは何か
- OllamaをUbuntuにインストールする手順
- Open WebUIでChatGPT風に使う
- コスト比較・試算
- 必要スペックの目安
- OpenAI互換APIとして既存コードから使う
- よくある疑問
- まとめ
ChatGPT APIのコスト問題
個人開発者が ChatGPT APIを使う場合、主に2つの選択肢があります。
- ChatGPT Plus：$20/月の定額。Claude・Copilot等も含む高機能版
- OpenAI API（GPT-4o等）：従量課金。入力/出力トークン数で課金
OpenAI の公式料金（platform.openai.com/docs/pricing）によると、GPT-4o は入力 $2.50 / 出力 $10.00 per 1Mトークン。月に100万トークン（コード補完・Q&Aを毎日利用する程度）使うと、入出力合わせて $6〜10 相当の請求になります。軽い用途なら GPT-4o-mini（$0.15 in / $0.60 out per 1M）もありますが、それでも積み重なります。
「月に数百円なら問題ない」と思いきや、テスト・開発中は予想以上にトークンを消費します。ローカルLLMなら電気代以外のコストはゼロです。
ローカルLLMとは何か
ローカルLLM（Large Language Model）とは、クラウドサービスに頼らず自分のマシン上で動かす言語モデルのことです。Meta の Llama シリーズ、Google の Gemma、Microsoft の Phi-3 など、多数のオープンソースモデルが公開されています。
これらを簡単に扱えるツールが Ollama です。モデルのダウンロード・管理・API提供をワンストップで行ってくれます。特徴は：
- コマンド1本でインストール、
ollama pull llama3.2:3bでモデル取得 - OpenAI互換のREST API（ポート11434）を自動提供
- CPU のみでも動作（GPUがあれば大幅に高速化）
- Modelfileでシステムプロンプト・パラメータを自由にカスタマイズ
OllamaをUbuntuにインストールする手順
前提環境
今回の検証環境：Ubuntu 24.04 LTS（Docker公式イメージ ubuntu:24.04 で実行）。物理マシン・VPSでも手順は同じです。
注意：Ubuntu 24.04 では zstd が必要
Ubuntu 24.04 でインストールスクリプトを実行すると、ERROR: This version requires zstd for extraction というエラーが出ることがあります（Docker環境で実測確認）。先に zstd をインストールしてください。
手順1：前提パッケージをインストールする
Hit:1 http://archive.ubuntu.com/ubuntu noble InRelease
Reading package lists… Done
$ sudo apt-get install -y curl ca-certificates zstd
curl (8.5.0-2ubuntu10.9) を設定しています…
zstd を設定しています…
Processing triggers for ca-certificates (20240203) …
Ubuntu 24.04 では curl のバージョン 8.5.0-2ubuntu10.9 が apt で取得できます（2026-06-14 実測）。
手順2：Ollama インストールスクリプトを実行する
>>> Installing ollama to /usr/local
>>> Downloading ollama…
>>> Creating ollama user…
>>> Creating ollama systemd service…
>>> Enabling and starting ollama service…
$ ollama –version
ollama version is 0.9.x
インストール先は /usr/local/lib/ollama（Ubuntu の場合）。systemd サービスとして自動起動設定まで完了します。
手順3：モデルをダウンロードして動かす
pulling manifest
pulling dde5aa3fc5ff… 100% ████████████ 2.0 GB
success
$ ollama run llama3.2:3b
>>> Send a message (/? for help)
>>> Linuxのカーネルとは何ですか？
Linuxのカーネルとは、オペレーティングシステムの中核となるプログラムです。
ハードウェアとソフトウェアの橋渡し役を担い、CPU・メモリ・デバイスを管理します。
llama3.2:3b は約2GBのダウンロードで済む軽量モデル。CPU環境でも動作します（速度は環境に依存します）。
Open WebUIでChatGPT風に使う
コマンドラインでも使えますが、普段使いには Open WebUI というブラウザ型インターフェースが便利です。Dockerを使えば1コマンドで起動できます。
前提：Dockerがインストール済みであること
Docker がインストールされていない場合は先に導入してください。docker --version でバージョン確認できればOKです。
-e WEBUI_AUTH=False \
-e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
–add-host=host.docker.internal:host-gateway \
–name open-webui \
ghcr.io/open-webui/open-webui:main
コンテナIDが表示されます
# 30〜60秒待ってからブラウザで http://localhost:3000 を開く
起動後は http://localhost:3000 でアクセスできます。以下のような画面が表示されます。
画面上部のモデル選択で llama3.2:3b を選び、チャットを始めるとChatGPTと同じような操作感で使えます。
設定画面・管理機能も充実
Open WebUI はモデル管理・ユーザー管理・プロンプトテンプレートなど、多数の管理機能を持っています。
コスト比較・試算
実際にどれくらいコストが削減できるか、具体的に試算してみます。
月100万トークン利用の場合
個人開発でコード補完・Q&Aを毎日行うと、月に数十〜数百万トークンを消費することがあります。
| サービス | 月額概算 | プライバシー | オフライン |
|---|---|---|---|
| ChatGPT Plus | $20（固定） | OpenAIへ送信 | ✗ |
| GPT-4o API | $6〜25（従量制） | OpenAIへ送信 | ✗ |
| GPT-4o-mini API | $0.38〜（従量制） | OpenAIへ送信 | ✗ |
| ローカルLLM（CPU） | 電気代のみ（月数百円〜） | ◎ ローカル完結 | ◎ |
| ローカルLLM（VPS GPU） | $10〜100/月 | 自前サーバー | △ |
電気代の試算：llama3.2:3b をCPU（TDP 65W のサーバーCPU想定）で動かした場合、1日8時間稼働で月50〜100円程度（日本の電力単価 ¥30/kWh 目安）。API費用と比べると圧倒的にコストを抑えられます。
必要スペックの目安
ローカルLLMの実用性はモデルサイズと量子化レベルに大きく依存します。
| 環境 | 推奨モデル | 推論速度目安 | 必要RAM |
|---|---|---|---|
| CPU のみ（8コア以上） | llama3.2:3b / phi3:mini | 5〜15 tok/s | 8GB 以上 |
| CPU のみ（4コア） | gemma3:2b / phi3:mini | 3〜8 tok/s | 4GB 以上 |
| Apple M1/M2/M3（統合GPU） | llama3.2:8b / gemma3:9b | 30〜60 tok/s | 16GB 推奨 |
| RTX 3060以上 | llama3.1:8b / mistral:7b | 50〜100 tok/s | 12GB VRAM |
| RTX 4090 | llama3.3:70b / qwen2.5:32b | 30〜80 tok/s | 24GB VRAM |
今回の sysbench 実測（Ubuntu 24.04 Docker、threads=2、time=10s）では 15,020 events/sec（3回平均、最小 14,391 / 最大 15,576）でした。このCPU性能を持つ環境では llama3.2:3b が実用的に動作します。
OpenAI互換APIとして既存コードから使う
Ollama は OpenAI 互換の REST API を提供しています。openai ライブラリを使っている既存コードを最小の変更で切り替えられます。
Python 3.12.3 (main, Nov 6 2024, 18:32:19)
>>> import openai
>>> client = openai.OpenAI(
… base_url=”http://localhost:11434/v1″, # Ollama のエンドポイント
… api_key=”ollama”, # 任意の文字列でOK
… )
>>> resp = client.chat.completions.create(
… model=”llama3.2:3b”,
… messages=[{“role”: “user”, “content”: “Hello!”}]
… )
>>> print(resp.choices[0].message.content)
Hello! How can I help you today?
base_url を変えるだけ。既存の OpenAI API 呼び出しコードをそのまま流用できます。
VPSで Ollama を動かして外部からアクセスしたい場合は、Vultr や DigitalOcean の GPU プランが選択肢です。
よくある疑問
Q: CPUだけでも本当に使えますか？
A: 使えます。llama3.2:3b（量子化版 Q4_K_M）なら CPU 8コアで 5〜15 tok/s 程度。チャットなら十分な速度です。コード補完など速度が必要な用途はGPU推奨です。
Q: どのモデルを選べばよいですか？
A: 入門なら llama3.2:3b（約2GB）、性能重視なら llama3.2:8b（約5GB）、日本語中心なら qwen2.5:7b がおすすめです。ollama list で現在のモデル一覧を確認できます。
Q: Open WebUI はどのくらいのリソースを使いますか？
A: Open WebUI コンテナ自体は RAM 500MB 程度。Ollama の推論と合わせても、8GB RAM マシンなら十分動作します。
Q: Ollama のアップデートはどうしますか？
A: インストールスクリプトを再実行するだけで更新できます。curl -fsSL https://ollama.com/install.sh | sh を再度実行してください。
まとめ
ローカルLLMで API 課金をゼロにする方法をまとめます：
- Ubuntu 24.04 では
sudo apt install zstdを先に実行してから Ollama をインストールする curl -fsSL https://ollama.com/install.sh | shの1コマンドでインストール完了ollama pull llama3.2:3bで軽量モデルを取得、即座にチャット可能- Open WebUI（Docker）でブラウザからChatGPT風に利用できる
- OpenAI互換API（ポート 11434）で既存コードをほぼそのまま流用可能
- CPU環境でも動くが、Apple SiliconやNVIDIA GPUがあると格段に快適
VPS で Ollama を動かして外部から API として使いたい場合は、Vultr や DigitalOcean の GPU インスタンスが選択肢です。VPS の選び方については以下の記事も参考にしてください。
→ VPS 比較：Ubuntu で使いやすいサービスを実測で比べてみた
→ Ollama 完全ガイド：モデルの管理からカスタマイズまで
コメント