Ollama は Cloud Mac AI Stack のプライベート Inference 層であり、ローカル試用ではない

前回では L1（GitHub Runner） を整理しました：git push のあと監査可能な Fact が必要です（定義は Runner 編 · Stack 用語）。多くのチームは同じ Cloud Mac に Claude Code を入れ、ついで brew install ollama——すると本番コーディングは依然 100% Claude API、Ollama は空転し 6–8GB のユニファイドメモリを占有、という状態に陥ります。

これは「Ollama が無用」ではなく、なぜ Inference が単独の層でなければならないかにまだ答えていないからです。本稿は Ollama インストール大全ではなく、16GB vs 24GB 実測やM4 vs GPU クラウドコストも繰り返しません。L2 の存在理由・境界、L3（Diff）との関係だけを扱います（L3 は Claude Code ワークステーション）。

L2 の産出物：Inference とは

Cloud Mac AI Stack ではツール名ではなく産出物で層を分けます（全体は Runner 編 · Stack 用語）：

記憶の鎖 · 五種の産出物（呼び出し順ではない）

  Context  →  Inference  →  Diff  →  Fact  →  Workflow
  (MCP)      (Ollama 等)    (Claude Code)  (Runner)  (OpenHands)

五層図は L0–L5 のコンポーネント；産出物の鎖は Inference を Context/Diff/Fact/Workflow と並列にし「横断パッチ」感を避ける

ここでの Inference は、自分が制御する macOS プロセス内のモデル forward——prompt / embedding を入れ、completion / ベクトルを出し、第三者の推論 API を経由しない（または L3 主経路だけ API、L2 でローカル必須の token を処理）ことを指します。Ollama は現在最も一般的な L2 実装ですが唯一ではありません。Core ML や MLX も一部 Inference を担えますが、Ollama のモデル生態と運用パスが統一されやすく、L2 のデフォルト叙述に向きます。

L2 の形態：Inference Serviceであり、たまの ollama run ではない

Inference だけでは「またローカルモデルツール」と読まれがちです。Stack では形態——各層が長期依存できるシステム役割——を強調します：

ollama run qwen3:8b と ollama serve＋ヘルスチェック＋cron の差は、「SSH で手動テスト」と「Runner が push を待つ」の差に似ています：

ollama run     →  人が端末の前で一度きりの推論（試走）
Inference Service  →  11434 常駐、モデル pin、Runner / スクリプト / Agent が繰り返し呼ぶ

Inference を L2 として独立させる理由（Claude Code の一部ではない）

よく聞かれる：「Claude API も推論では？」 はい——しかし Stack は産出物で層分けし、「ニューラルネットがあるか」では分けません。

Claude Code の責務は Diff——どのファイルをどう直し、PR にどんな patch か。Inference の責務は Token——任意の forward のテキストやベクトル。Diff は Token の用途のひとつです。

同じく Inference だがコーディング Agent 主経路に入れない仕事：

• ログ要約・分類・レビュー・ルーティング
• Embedding、RAG、rerank
• Agent 記憶整理、ナレッジベース清掃
• 夜間バッチ、定時レポート

したがって：

Claude Code  ⊂  Inference の応用シーンのひとつ

ではなく：

Inference  ⊂  Claude Code

L2 を独立させるのは Ollama が「より下」だからではなく、一台の Cloud Mac に複数の推論パイプラインがあり得るからです：L3 は API で Diff；L2 はローカルでプライベート Token；並行で代替しません。Inference を Claude Code に折りたたむと「Claude を入れれば推論層は揃った」と誤り、空転 Ollama の原因になります。

Ollama vs Claude Code：二者択一ではない

検索では「Ollama か Claude Code」がよく出ますが、Stack 文脈では問いの立て方が違います。産出物が異なり、代替関係ではありません。

実務の合言葉：コードは Claude Code；「どの token を機外に出せず、定時で回すか」は Ollama。 L2-Q03 続編；本稿は「二者択一ではない」だけを固定します。

「モデル試用」と「プライベート Inference 層」の差

同じ ollama run qwen3:8b でも、意図でアーキテクチャ結果が分かれます：

一言：試用は「動くか」；L2 は「何を・いつ・誰が出力に依存するか」。 プライベート Inference が不要なら L2 は丸ごとスキップ可——「完全 Stack」のために無理に Ollama を入れないでください。

L2 と L1 / L3 の分担

混同しやすい境界：

L2 は Diff も Fact も産みません。 PR を緑にしたり xcodebuild を代替したりしません。典型接続：Claude Code が修正 → Runner が検証 → 某 step や sidecar が Ollama でログ要約、脆弱性パターン、プライベート embedding——出力は Context（L4）や人のレビューへ行き、「ビルド成功」と同一ではありません。

五層図の L2：階層 ≠ 呼び出し順

全シリーズ共通の五層は Runner 編 · 五層構造図。図で Ollama が Claude Code の下にあるのは責務上 Inference がプライベート算力の土台を示すもので、起動時に必ず ollama serve してから Claude Code、ではありません。

抜粋 · 全体は Runner 編

  Claude Code  L3 · Diff
       ↑ 並行、非依存
  Ollama       L2 · Inference Service（任意）
       ↑
  GitHub Runner L1 · Fact
       ↑
  Cloud Mac    L0 · インフラ

Claude API と Ollama は同時に存在できます——前者はコーディング主経路の Diff、後者は本機 Inference。これは「ローカルモデルが Claude を置き換える」物語とは異なり、Cloud Mac AI Stack と「単機 All-in-One チャット」製品の境界です。

コンプライアンス以外：L2 の常時計算価値

L2 は「金融・医療・大企業だけ」と書かれがちですが、Cloud Mac の利用者の多くは個人開発者・AI 起業家・小チームで、コンプライアンスチケットがなくても L2 が要ることがあります。

差は働き方です：

Claude Code（L3）· オンデマンド
  開く → 推論開始
  閉じる → 主経路の推論終了

Ollama（L2）· 24/7 可
  常駐 → cron / sidecar が随時呼ぶ
  端末の前にいなくても動く

これらはAgent 対話でも CI でも日常 Coding でもないが、本物の長期 Inference Serviceです：

• Runner / アプリログの毎時整理
• 夜間の embedding 再構築、ナレッジベース清掃
• 日報・異常分類・ルーティング草稿の自動生成
• Claude Code オフライン時も Context（L4）側データを更新

ノートを閉じれば止まり、インフラにはなりにくい。L1 と錯峰すれば昼 Fact・夜 Inference は小チームに現実的——前提は L2 をServiceとして運用することです。

ローカル Mac は動かせる、Cloud Mac は運用できる

「自宅 Mac mini でも brew install ollama できるのに Cloud Mac？」——その通り、ローカル Mac = 動かせる；差はインフラとして運用できるかです。

選定と L0 境界は Cloud Mac vs ローカル Mac AI ワークステーション。本稿はレンタル仕様を繰り返さず、Stack 叙述では L2 は「運用できる」ノードに置くとだけ固定します。

L2 に載せるべきワークロード

Ollama を L2 インフラ（試用以上）とみなすシグナル：

• コンプライアンス / エアギャップ——コードとログは Cloud Mac へ、推論リクエストは公有 API 不可；L2 で脱敏後の分類・要約・PII 検出。
• Embedding / rerank——CodeGraph や RAG が安定・pin 可能なローカルベクトルモデルを要する場合。
• 高頻度・小モデル・バッチ——例：毎夜 CI ログ分類；7B–14B 量子化は Apple Silicon で十分（固定ノード vs 時間課金 GPU）。
• L3 と錯峰——昼 Claude Code + Runner、夜 ollama run バッチ。24GB を終日フル負荷にしない。
• マルチ Agent の「速い経路」——大きな変更は Claude；分類・ルート・草稿はローカル 8B で API token 削減（OpenHuman ノートも同様の分割）。

逆に、iOS 納品のみ・コーディングは Claude API のみ・定時ローカル推論なしなら L2 は L1 Runner より後——まず push に Fact を。

読む順：Runner → Ollama → Claude Code

シリーズ追読の推奨順：

1. L1 · Fact — GitHub Runner 実行エンジン：push 後に本当にビルド・テスト・配布できるか。
2. L2 · Inference Service — 本稿：どの Token を Cloud Mac に残し、サービスとして呼ぶか。
3. L3 · Diff — Claude Code ワークステーション：リポジトリをどう直すか（多くは API）。

基盤・選定：Cloud Mac vs ローカル Mac。Context（L4）と CodeGraph は後続で Inference 出力に接続します。

典型の誤認：Ollama を入れたが Stack は API のみ

1. Cloud Mac で brew install ollama、モデル二つ、「AI スタック完成」と祝杯。
2. 日常は 100% Claude Code + Anthropic API；Ollama は一週間、どのスクリプト / Agent からも未呼び出し。
3. メモリは未使用モデルが占有；Claude Code と Runner が残りメモリを奪い Swap 上昇（16GB vs 24GB）。
4. 責任者：「なぜ Cloud Mac？」——L0 はマシンだけで L2 ワークロードが未定義。

修正は GUI をもう一つではなく、L2 必須の pipeline を 1–2 本指定（例：CI 失敗ログ要約のみ Ollama；embedding のみ nomic-embed-text）し、モデル pin と 11434 ヘルスチェック。並行 scheduling は L2-Q03 · メモリ scheduling。

L2 をスキップできるチーム

既存実測記事との関係（本稿は繰り返さない）

• L2-Q02 · 16GB vs 24GB——メモリ・Swap 実測；「どの機種か」であって「Stack のどの層か」ではない。
• L2-Q04 · M4 vs GPU クラウド——請求と規模；本稿は比価しない。
• L2-Q05 · Core ML——Apple ネイティブ推論；Ollama と併存可、別ランタイム。
• L3 · Claude Code ワークステーション——コーディング体験；本稿は L2 で API コーディングとローカル Inference の併存を補う。

導入順：Fact のあとに Inference

Runner 編 · 接続順と同様：

1. L0——Cloud Mac 常駐 macOS。
2. L1——Runner、push → 緑/赤 を再現可能に。
3. L2——Ollama は定義済みプライベート Inference 管線だけ（本稿）。
4. L3–L5——Claude Code、MCP、OpenHands。Fact +（任意）Inference のあと。

L2 を先に積み L1 を後回しにすると、ローカル要約は回るのに xcodebuild は Linux で失敗——Inference は Fact を代替しない。

L2 連載

本稿は L2 基盤（位置と境界）。同テーマの続き：

五層責務の総図は Cloud Mac AI Stack 五層構造図。

よくある質問

Claude API も推論なのに、なぜ Inference を単独の層に？
Claude Code は Diff；L2 は Token（要約、embedding、バッチ等）。Claude Code ⊂ Inference の応用であり、その逆ではありません。

Ollama と Claude Code は二者択一？
いいえ。コーディングは L3 API；本機・定時推論は L2。比較表参照。

Claude Code の前に Ollama 必須？
不要。L2 は任意、L3 と並行。

コンプライアンスがなくても L2？
24/7 推論（ログ、embedding、日報）が要れば個人・小チームにも L2 は価値あり；たまの試用だけならスキップ。

ローカル Mac mini で Ollama できるのに Cloud Mac？
ローカルは動かせる；Cloud Mac は運用 Inference Service——24/7、Runner/Agent 同 Stack。ローカル vs Cloud Mac。

Ollama と Runner の先後？
先 L1、次 L2。図の上下は責務階層で起動順ではない。

本稿と 16GB vs 24GB の違い？
本稿は Stack 位置；メモリは 16GB vs 24GB、コストは M4 vs GPU クラウド。