Claude Code とローカルモデルの組み合わせ

![image](https://www.kdnuggets.com/wp-content/uploads/KDN-Shittu-Pairing-Claude-Code-with-Local-Models.png)** ## # イントロダクション エージェント型コーディングセッションは高価です。単一の Claude Code セッション（ファイルの読み込み、コードの記述、テストの実行、反復処理など）では、通常のチャット会話と比較して 10〜50 倍ものトークンを消費する可能性があります。スケールを考えると、これはすぐに大きなコストになります。さらに、セッション中に長期実行中のワークフローを中断させる可能性のあるレート制限や、価格変更の適用、より厳格なポリシーの強制、あるいは突然の利用不可といったリスクを伴うサードパーティ製 API への依存を考慮すると、ローカル推論（local inference）を採用する理由は明白になります。 2026 年におけるローカルモデルは、実用的なレベルに達しています。Claude Code が日常的に扱うタスク——コード補完、リファクタリング、デバッグ、コードベースの解説など——については、適切に選択された量子化（quantization）済みモデルをローカルで実行すれば、トークンあたりのコストゼロかつレート制限なしで、実際のユースケースの绝大多数をカバーできます。本記事では、3 つの推論バックエンド（[Ollama](https://ollama.com/)**、**[LM Studio](https://lmstudio.ai/)、および [llama.cpp](https://github.com/ggml-org/llama.cpp)）について解説し、それぞれを Claude Code に接続するための正確な環境変数と設定ファイル、実行する価値のあるモデルを厳選した一覧表、そして実際に遭遇する可能性のある問題に対するトラブルシューティングの解決策を取り上げます。 ** 仕組みは、多くのガイドが示すほど複雑ではありません。Claude Code は Anthropic Messages API の形式でリクエストを送信します。デフォルトではこれらのリクエストは Anthropic のサーバー宛てに送信されますが、ANTHROPIC_BASE_URL を設定することで、同じ形式に対応する任意のサーバー（現在は Ollama、LM Studio、llama.cpp がネイティブ対応しています）へリダイレクトできます。 公式の Claude Code 環境変数ドキュメントによると、このセットアップに関係する重要変数は以下の通りです: - ANTHROPIC_BASE_URL: Anthropic のサーバーからのすべての API 呼び出しを、設定した URL へリダイレクトします。ローカル推論サーバーのアドレスを設定してください。 - ANTHROPIC_API_KEY: リクエストヘッダーに送信される API キーです。ローカルサーバーは通常認証を無視するため、これは「local」や「ollama」といったプレースホルダ文字列として設定されることがほとんどです。 - ANTHROPIC_AUTH_TOKEN: 代替の認証ヘッダーです。一部のローカルサーバーでは API キーではなくこちらをチェックします。同じプレースホルダを設定してください。 ANTHROPIC_DEFAULT_SONNET_MODEL、ANTHROPIC_DEFAULT_HAIKU_MODEL、および ANTHROPIC_DEFAULT_OPUS_MODEL: Claude Code はタスクに応じて内部で異なるモデルティアを要求します。これら 3 つの変数は、各ティアをローカルモデルの名前にマッピングします。これらが設定されていない場合、Claude Code は「claude-sonnet-4-20250514」というリクエストをローカルサーバーへ送信しますが、ローカルにそのようなモデルが存在しないため、リクエストは拒否されます。 ** 2026 年 1 月、Ollama は Anthropic Messages API のネイティブサポートを追加しました。これは、翻訳プロキシなしでこのワークフローを実用的にする技術的変更でした。LM Studio はバージョン 0.4.1 でネイティブの /v1/messages エンドポイントを追加しました。llama.cpp はより長い間、直接の Anthropic API サポートを提供しています。これら 3 つは現在、Claude Code のネイティブプロトコルに対応しています。 ![image](https://www.kdnuggets.com/wp-content/uploads/A-clean-architecture-diagram-showing-Claude-Code-Ollama-LM-Studio-and-llama.png) Claude Code、Ollama、LM Studio、および llama.cpp を示すクリーンなアーキテクチャ図 | 画像提供：著者 ## # バックエンド 1: Ollama Ollama は適切な出発点です。モデル管理の複雑さ — ウェイトのダウンロード、量子化（quantization）、GPU と CPU の割り当て、そしてサービング — をすべて、シンプルなコマンドラインインターフェース（CLI）の背後で処理します。インストールには 1 つのコマンド、モデルの取得には 1 つのコマンド、設定には数個の環境変数です。インストール後はバックグラウンドサービスとして動作するため、手動でのサーバー起動は不要です。 前提条件** - macOS、Linux、または Windows（Windows では WSL2 を推奨） - 実用的な使用には少なくとも 16 GB の RAM（32 GB を推奨） - GPU 推論には VRAM 8GB 以上の GPU、または十分な RAM を備えた CPU のみ - Anthropic Messages API サポートには Ollama v0.14.0 以降が必要 Ollama のインストール: # macOS および Linux -- コマンド 1 つでインストール curl -fsSL https://ollama.com/install.sh | sh # バージョンを確認する -- Claude Code との互換性のためには 0.14.0 以上が必要 ollama version # 期待される結果：ollama のバージョンは 0.14.x 以上であること # Windows: インストーラーを https://ollama.com からダウンロード # 最近のリリースでネイティブ Windows サポートが大幅に改善されました インストール後、Ollama はポート **11434** でバックグラウンドサービスとして自動的に起動します。実行中であることを確認できます： # Ollama サーバーが稼働しているか確認する curl http://localhost:11434 # 期待される応答: # Ollama is running コーディング用モデルをダウンロード（pull）します： # GLM-4.7-Flash -- おすすめのスタートポイント # 強力なツール呼び出し機能、128K コンテキスト、8 GB VRAM で動作可能 # Apache 2.0 ライセンス ollama pull glm-4.7-flash:latest # Qwen3-Coder -- 強力なコード生成と指示従順性 # フルモデルには 20 GB 以上の VRAM が必要 ollama pull qwen3-coder # Devstral-Small -- エージェント型コーディングワークフロー用に特別に設計 # Claude Code との互換性がコミュニティでテスト済み # 24B パラメータ、16 GB 以上の VRAM が必要 ollama pull devstral-small-2:24b # モデルがダウンロードされ準備完了したことを確認する ollama list # ダウンロードされたすべてのモデルとそのサイズ、更新日を表示 ## // Claude Code の設定で Ollama を使用 **オプション 1：シェル環境変数のエクスポート（現在のターミナルセッションのみ）** # Claude Code をローカルの Ollama サーバーにリダイレクトする export ANTHROPIC_BASE_URL="http://localhost:11434" # ローカルサーバーには実際の認証は不要 # これらは空でない文字列のいずれかに設定 -- Ollama は値を無視します export ANTHROPIC_API_KEY="ollama" export ANTHROPIC_AUTH_TOKEN="ollama" # Claude Code のモデルティアリクエストをローカルモデル名にマッピングする # Claude Code は内部的に sonnet/haiku/opus を要求しますが、これらの変数は # それらのティア名をローカルでプルした任意のモデル名に変換します export ANTHROPIC_DEFAULT_SONNET_MODEL="glm-4.7-flash:latest" export ANTHROPIC_DEFAULT_HAIKU_MODEL="glm-4.7-flash:latest" export ANTHROPIC_DEFAULT_OPUS_MODEL="glm-4.7-flash:latest" # Claude Code を起動 -- これで Anthropic API ではなく Ollama が使用されます claude **オプション 2: ~/.claude/settings.json（永続的、全セッションに適用）** このアプローチはターミナルの再起動後も維持され、Claude Code を起動するたびに適用されます。Claude Code は起動時に settings.json から環境変数を読み込むため、claude がどのように起動されたかに関わらず即座に有効になります。 ~/.claude/settings.json の作成または編集: { "env": { "ANTHROPIC_BASE_URL": "http://localhost:11434", "ANTHROPIC_API_KEY": "ollama", "ANTHROPIC_AUTH_TOKEN": "ollama", "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-4.7-flash:latest", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.7-flash:latest", "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-4.7-flash:latest" } } **オプション 3: プロジェクトディレクトリ内の .env ファイル（プロジェクトごとの上書き）** グローバル設定を Anthropic API に維持したまま、特定のプロジェクトで異なるモデルを使用したい場合: # プロジェクトのルートにある .env ファイル -- Claude Code によって自動的に読み込まれます ANTHROPIC_BASE_URL=http://localhost:11434 ANTHROPIC_API_KEY=ollama ANTHROPIC_AUTH_TOKEN=ollama ANTHROPIC_DEFAULT_SONNET_MODEL=qwen3-coder ANTHROPIC_DEFAULT_HAIKU_MODEL=qwen3-coder ANTHROPIC_DEFAULT_OPUS_MODEL=qwen3-coder 接続を確認します: # 簡単なテストで Claude Code を起動 claude # Claude Code 内で基本的なプロンプトを実行: # > What model are you running? # ローカルモデルであれば、Anthropic API への呼び出しを行わずに回答します。 # 外部への呼び出しが行われていないことを確認するには、詳細ログ付きで実行: claude --verbose # localhost:11434 宛てのリクエストが表示される行を探す # api.anthropic.com 宛てのものではなく ゼロから完全な動作手順: curl -fsSL https://ollama.com/install.sh | sh # 1. Ollama のインストール ollama pull glm-4.7-flash:latest # 2. モデルの取得（約 4 GB） export ANTHROPIC_BASE_URL="http://localhost:11434" # 3. Claude Code のリダイレクト設定 export ANTHROPIC_API_KEY="ollama" # 4. プレースホルダー認証の設定 export ANTHROPIC_AUTH_TOKEN="ollama" export ANTHROPIC_DEFAULT_SONNET_MODEL="glm-4.7-flash:latest" export ANTHROPIC_DEFAULT_HAIKU_MODEL="glm-4.7-flash:latest" export ANTHROPIC_DEFAULT_OPUS_MODEL="glm-4.7-flash:latest" claude # 5. 起動 ## # バックエンド 2: LM Studio **LM Studio は、ターミナルだけで完結させるのではなく、モデルの閲覧や管理にグラフィカルインターフェースを求めたい場合に最適な選択肢です。バージョン 0.4.1 以降では、Claude Code が期待するパスであるネイティブな Anthropic 互換 `/v1/messages` エンドポイントが実装されており、変換層やプロキシは不要となっています。 **前提条件:** - macOS、Windows、または Linux - GPU の搭載を推奨（VRAM 6GB 以上）。CPU のみでの実行も可能ですが、速度は遅くなります - lmstudio.ai からダウンロードするか、ヘッドレスサーバー向けに CLI インストーラーを使用してください LM Studio のインストールと設定: # GUI が無いサーバーまたは VM 上 -- CLI インストーラー curl -fsSL https://releases.lmstudio.ai/cli/install.sh | bash # または、GUI 利用のためにデスクトップアプリを https://lmstudio.ai からダウンロードしてください GUI のセットアップ手順: - LM Studio を開き、コーディング用モデルを検索します（"qwen coder" または "devstral" と検索）。 - モデルをダウンロードします。LM Studio が量子化の選択を自動的に処理します。 - 「Local Server」タブ（左サイドバーの <> アイコン）に移動します。 - コンテキストサイズを設定します。LM Studio では、より良い結果を得るために少なくとも 25,000 トークンから開始し、必要に応じて増やすことを推奨しています。 - [Start Server] をクリックします。 - ポート番号（デフォルト: 1234）をメモし、モデル名を表示されている通りに正確にコピーしてください。 **注意:** モデル識別子を正確にコピーしてください。LM Studio は、`ANTHROPIC_DEFAULT_SONNET_MODEL` に渡す必要がある正確な文字列を表示します。ここでの不一致が最も一般的な失敗モードです。 Claude Code の設定: # LM Studio のローカルサーバーのベース URL を設定する export ANTHROPIC_BASE_URL="http://localhost:1234" export ANTHROPIC_API_KEY="lm-studio" export ANTHROPIC_AUTH_TOKEN="lm-studio" # モデル名は、LM Studio で読み込まれたモデルとして表示されているものに置き換えてください # バージョンのサフィックスや量子化タグを含めて、正確にコピーしてください export ANTHROPIC_DEFAULT_SONNET_MODEL="qwen2.5-coder-32b-instruct" export ANTHROPIC_DEFAULT_HAIKU_MODEL="qwen2.5-coder-32b-instruct" export ANTHROPIC_DEFAULT_OPUS_MODEL="qwen2.5-coder-32b-instruct" または、~/.claude/settings.json に恒久的に設定する: { "env": { "ANTHROPIC_BASE_URL": "http://localhost:1234", "ANTHROPIC_API_KEY": "lm-studio", "ANTHROPIC_AUTH_TOKEN": "lm-studio", "ANTHROPIC_DEFAULT_SONNET_MODEL": "qwen2.5-coder-32b-instruct", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "qwen2.5-coder-32b-instruct", "ANTHROPIC_DEFAULT_OPUS_MODEL": "qwen2.5-coder-32b-instruct" } } 実行方法: # 1. GUI から LM Studio サーバーを起動する (Local Server タブ > Start Server) # 2. 環境変数を設定する export ANTHROPIC_BASE_URL="http://localhost:1234" export ANTHROPIC_API_KEY="lm-studio" export ANTHROPIC_AUTH_TOKEN="lm-studio" export ANTHROPIC_DEFAULT_SONNET_MODEL="your-model-name-here" export ANTHROPIC_DEFAULT_HAIKU_MODEL="your-model-name-here" export ANTHROPIC_DEFAULT_OPUS_MODEL="your-model-name-here" # 3. 起動 claude ## # バックエンド 3: llama.cpp 推論パラメータ（量子化タイプ、KV キャッシュ設定、バッチサイズ、スレッド数など）を直接制御する必要がある場合や、サーバー上で実行してオーバーヘッドを最小限に抑えたい場合に、llama.cpp が最適な選択肢です。ネイティブの Anthropic Messages API サポートを提供するため、プロキシや変換レイヤーは不要です。 **前提条件:** - GGUF 形式のモデルファイル（Hugging Face からダウンロード; 任意のモデルの「GGUF」バージョンを検索） - GPU 推論には CUDA 対応 GPU を、または CPU のみの場合は低速な推論が可能 - ソースビルドには CMake と C++ コンパイラが必要（Linux/CUDA の場合、ソースからのビルドが推奨されます） llama.cpp のインストール: # macOS -- Homebrew が最も簡単 brew install llama.cpp # CUDA 対応 Linux -- GPU パフォーマンスを最大化するにはソースからビルド git clone https://github.com/ggml-org/llama.cpp cd llama.cpp cmake -B build -DGGML_CUDA=ON # CUDA アクセラレーションを有効化 cmake --build build --config Release # ビルド実行 # バイナリは ./build/bin/ に配置されます # CPU のみの Linux 向けビルド cmake -B build cmake --build build --config Release # Windows -- 事前ビルド済みバイナリは以下で利用可能: # https://github.com/ggml-org/llama.cpp/releases # ハードウェアに合わせた CUDA または CPU バリアントをダウンロード GGUF モデルのダウンロード: # Hugging Face CLI をまだインストールしていない場合は以下を実行 pip install huggingface-hub # GLM-4.7-Flash を Q4_K_XL 量子化（約 4.5 GB）でダウンロード # この量子化は、コーディングにおけるサイズと品質のバランスに優れています huggingface-cli download unsloth/GLM-4.7-Flash-GGUF \ GLM-4.7-Flash-UD-Q4_K_XL.gguf \ --local-dir ./models/ # または、Qwen3-Coder を Q4 量子化（32B で約 15 GB）でダウンロードすることも可能です huggingface-cli download Qwen/Qwen3-Coder-32B-Instruct-GGUF \ qwen3-coder-32b-instruct-q4_k_m.gguf \ --local-dir ./models/ llama.cpp サーバーを起動します: # Anthropic API サポートと 128K コンテキストウィンドウを備えた llama-server を起動 llama-server \ --model ./models/GLM-4.7-Flash-UD-Q4_K_XL.gguf \ --alias "glm-4.7-flash" \ # この名前は ANTHROPIC_DEFAULT_SONNET_MODEL に記載します --port 8001 \ --ctx-size 131072 \ # 128K コンテキスト — 大規模なコードベースには重要です --flash-attn \ # メモリ効率の高いアテンション、速度向上に寄与 --n-gpu-layers 99 # すべてのレイヤーを GPU にオフロード; CPU のみの場合は削除 # CPU のみでの推論（GPU なし）の場合: llama-server \ --model ./models/GLM-4.7-Flash-UD-Q4_K_XL.gguf \ --alias "glm-4.7-flash" \ --port 8001 \ --ctx-size 32768 \ # メモリを管理可能な範囲に保つため、CPU ではコンテキストサイズを削減 --threads 8 # CPU コア数に合わせて設定 主要なフラグの説明: - --alias: クロードコードがリクエスト内で送信するモデル名文字列。これを正確に一致させるために、ANTHROPIC_DEFAULT_SONNET_MODEL を設定してください。 - --ctx-size: トークン単位でのコンテキストウィンドウサイズ。131072 = 128K。コードベースの分析には大きい方が望ましいですが、VRAM（ビデオメモリ）をより多く消費します。メモリエラーが発生する場合は値を減らしてください。 - --flash-attn: Flash Attention は、アテンション計算を小さなブロックで処理することでピーク時の VRAM 使用量を削減します。ビルドがこれをサポートしている場合は必ず有効にしてください。 - --n-gpu-layers 99: すべてのトランスフォーマー層を GPU にオフロードします。VRAM が不足している場合、サーバーは自動的に使用する層数を減らします。 Claude Code の設定: export ANTHROPIC_BASE_URL="http://localhost:8001" export ANTHROPIC_API_KEY="llama-cpp" export ANTHROPIC_AUTH_TOKEN="llama-cpp" # llama-server に渡した --alias と正確に一致させる必要があります export ANTHROPIC_DEFAULT_SONNET_MODEL="glm-4.7-flash" export ANTHROPIC_DEFAULT_HAIKU_MODEL="glm-4.7-flash" export ANTHROPIC_DEFAULT_OPUS_MODEL="glm-4.7-flash" 実行方法: # ターミナル 1: llama.cpp サーバーを起動 llama-server \ --model ./models/GLM-4.7-Flash-UD-Q4_K_XL.gguf \ --alias "glm-4.7-flash" \ --port 8001 \ --ctx-size 131072 \ --flash-attn \ --n-gpu-layers 99 # ターミナル 2: Claude Code を設定して起動 export ANTHROPIC_BASE_URL="http://localhost:8001" export ANTHROPIC_API_KEY="llama-cpp" export ANTHROPIC_AUTH_TOKEN="llama-cpp" export ANTHROPIC_DEFAULT_SONNET_MODEL="glm-4.7-flash" export ANTHROPIC_DEFAULT_HAIKU_MODEL="glm-4.7-flash" export ANTHROPIC_DEFAULT_OPUS_MODEL="glm-4.7-flash" claude ## # settings.json の完全設定 環境変数のエクスポートは、ターミナルセッションが終了するまでしか持続しません。永続的な構成には ~/.claude/settings.json を使用してください。Claude Code は起動時にこのファイルから変数を読み取るため、ターミナルから、VS Code タスクから、またはスクリプトから Claude が起動されたかに関わらず、設定が適用されます。 以下に、すべての変数が説明された本番環境対応の settings.json を示します： { "env": { "ANTHROPIC_BASE_URL": "http://localhost:11434", "ANTHROPIC_API_KEY": "ollama", "ANTHROPIC_AUTH_TOKEN": "ollama", "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-4.7-flash:latest", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.7-flash:latest", "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-4.7-flash:latest", "CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS": "1" } } なぜ CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS: "1" が重要なのか：** Claude Code を Anthropic 以外のバックエンド経由で使用する場合、Claude Code はリクエストヘッダーに Anthropic 固有の実験的ベータフラグを追加します。これらのフラグはサードパーティ製やローカルサーバーでは認識されません。その結果、ほとんどのローカル推論サーバーで「Error: Unexpected value(s) for the anthropic-beta header」というエラーが発生します。この変数を "1" に設定すると、リクエスト送出前にこれらのヘッダーが削除されるため、Claude Code のコア機能に影響を与えることなく、エラーを解消できます。 **バックエンドの切り替え：** 複数のバックエンド（日常利用には Ollama、複雑なタスクには Anthropic API）を扱う場合、settings.json を行き来して編集するよりも、別々のシェルスクリプトを維持しておくのが最もクリーンなアプローチです: # use-local.sh -- Ollama に切り替え export ANTHROPIC_BASE_URL="http://localhost:11434" export ANTHROPIC_API_KEY="ollama" export ANTHROPIC_AUTH_TOKEN="ollama" export ANTHROPIC_DEFAULT_SONNET_MODEL="glm-4.7-flash:latest" export ANTHROPIC_DEFAULT_HAIKU_MODEL="glm-4.7-flash:latest" export ANTHROPIC_DEFAULT_OPUS_MODEL="glm-4.7-flash:latest" echo "Claude Code → ローカル Ollama (glm-4.7-flash)" # use-anthropic.sh -- Anthropic API に切り戻す unset ANTHROPIC_BASE_URL unset ANTHROPIC_AUTH_TOKEN unset ANTHROPIC_DEFAULT_SONNET_MODEL unset ANTHROPIC_DEFAULT_HAIKU_MODEL unset ANTHROPIC_DEFAULT_OPUS_MODEL # ANTHROPIC_API_KEY は、rc ファイルですでに実際のキーに設定されているはずです echo "Claude Code → Anthropic API" 現在のセッションでこれらのスクリプトをソースしてください: source ./use-local.sh claude # 複雑なタスクに本物の API が必要な場合: source ./use-anthropic.sh claude ## 2026 年の Claude Code 向けベストなローカルモデル ** ハードウェアが主な制約となります。Claude Code をローカルモデルでコーディングタスクに実際に活用可能にするためには、32 GB の RAM（Apple Silicon の統一メモリまたは PC の RAM）を目標としてください。16 GB でも小規模な量子化モデルと CPU オフロードを使用すれば実用可能ですが、マルチステップのエージェントタスクでは生成速度が明らかに低下します。 **モデル** **必要 VRAM** **コンテキスト長** **強み** **ライセンス** **プルコマンド** [glm-4.7-flash](https://huggingface.co/THUDM/GLM-4-9B-Chat) 8 GB 128K ツール呼び出し、高速、低 VRAM 消費 Apache 2.0 ollama pull glm-4.7-flash [devstral-small-2:24b](https://huggingface.co/mistralai/Devstral-Small-2-24B-Instruct-2512) 16 GB 32K エージェント型コーディングワークフロー Apache 2.0 ollama pull devstral-small-2:24b [qwen3-coder](https://huggingface.co/collections/Qwen/qwen3-coder) 20 GB 128K コード生成、指示処理 Apache 2.0 ollama pull qwen3-coder [qwen3.5:27b](https://huggingface.co/Qwen/Qwen3.5-27B) 20 GB 256K 強力なオールラウンド性能、巨大コンテキスト Apache 2.0 ollama pull qwen3.5:27b [gemma4:26b](https://huggingface.co/google/gemma-4-26B-A4B) 20 GB 256K 推論能力、コーディングベンチで 77% のスコア Gemma License ollama pull gemma4:26b ## # よくある問題のトラブルシューティング - クロードコード起動時に接続拒否される場合：推論サーバーが実行されていません。これが最も一般的な問題であり、診断も最も簡単です。 # Ollama が実行されているか確認する curl http://localhost:11434 # 期待される結果："Ollama is running" # LM Studio サーバーが実行されているか確認する curl http://localhost:1234/v1/models # 読み込まれたモデルの JSON リストを返すはずです # llama-server が実行されているか確認する curl http://localhost:8001/health # {"status":"ok"} を返すはずです # -- サーバーを起動していない場合は、まずサーバーを開始してから Claude Code を起動してください ollama serve # Ollama # LM Studio: GUI の「Local Server」タブを使用してください # llama.cpp: Backend 3 セクションから llama-server コマンドを実行してください - モデルが見つからない、または不明なモデルのエラー：ANTHROPIC_DEFAULT_SONNET_MODEL に指定されたモデル名が、サーバー側で認識されている名前と一致していません。 # Ollama が利用可能なすべてのモデルを一覧表示する ollama list # ANTHROPIC_DEFAULT_SONNET_MODEL のモデル名は、タグを含めて完全に一致させる必要があります -- "glm-4.7-flash:latest" であり、"glm-4.7-flash" ではありません。 # サーバー側で何が見えているかを確認するために、直接 API を呼び出して検証します curl http://localhost:11434/v1/models - ツール呼び出しが失敗する、またはエラーを返す：Claude Code は関数やスクリプトを実行する際にストリーミング形式のツール呼び出しを使用しますが、これには Ollama バージョン 0.14.3-rc1 以降が必要です。0.14.x シリーズのそれ以前のバージョンでは、ストリーミング形式のツール呼び出しのサポートが不完全でした。 # お使いの Ollama のバージョンを確認する ollama version # バージョンが 0.14.3 より低い場合は、Ollama を更新してください curl -fsSL https://ollama.com/install.sh | sh - anthropic-beta ヘッダーのエラー： エラーメッセージとして「Error: Unexpected value(s) for the anthropic-beta header」が表示されます。これは、Claude Code が追加する Anthropic 固有の実験的ベータフラグを、ローカルサーバーが認識できないために発生します。これを修正するには、settings.json の env ブロックに以下の設定を追加してください。 "CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS": "1" - Anthropic API への切り戻し： # Shell セッション -- リダイレクト変数を解除 unset ANTHROPIC_BASE_URL unset ANTHROPIC_AUTH_TOKEN unset ANTHROPIC_DEFAULT_SONNET_MODEL unset ANTHROPIC_DEFAULT_HAIKU_MODEL unset ANTHROPIC_DEFAULT_OPUS_MODEL # 次に、実際の API キーが設定されていることを確認する echo $ANTHROPIC_API_KEY # sk-ant-... で始まるキーが表示されるはずで、プレースホルダーではない # settings.json を使用していた場合 -- 環境変数ブロックを削除またはコメントアウトし、Claude Code を再起動する - 生成速度の遅さ: エージェント型 Claude Code タスクでは、各ツール呼び出しが往復通信となるため、生成速度が重要になります。速度が不十分な場合は: より小型、あるいはより積極的に量子化されたモデル（Q8 の代わりに Q4_K_M）に切り替える。 - llama.cpp でまだ設定されていない場合、--flash-attn を有効にする。 - コンテキストサイズを縮小する (--ctx-size); より大きなコンテキストはプリフィルに時間がかかる。 - Ollama の場合、環境変数で OLLAMA_NUM_GPU_LAYERS=99 を設定して、最大限の GPU オフロードを強制する。 ## # 結論 ** 以前は壊れやすいアダプターやハックが必要だったものが、今は 5 ステップのプロセスになりました。推論バックエンドをインストールし、モデルをプルし、3 つの環境変数を設定するだけで、Claude Code は Anthropic の API ではなくローカルマシンにルーティングされます。モデルをダウンロードした後なら、設定には 5 分もかかりません。 実用的な結果として、セットアップ後は実行コストがかからず、レート制限もなく、コードを完全にローカルマシン上に保持し、1 年前にはローカルモデルでは実現できなかった品質レベルで、実際のコーディングユースケースの绝大多数をカバーするコーディングアシスタントが得られます。まずは Ollama と glm-4.7-flash から始めてください。これはハードウェア要件が最も低く、ツール呼び出しサポートが最も一貫しており、動作するセットアップへの最短ルートです。これが稼働したら、ご自身のハードウェアと実際に必要な品質レベルに応じてモデルをスケールアップしてください。 [Shittu Olumide](https://www.linkedin.com/in/olumide-shittu/) はソフトウェアエンジニアであり技術ライターで、最先端の技術を駆使して説得力のある物語を構築することに情熱を注いでおり、細部への鋭い眼と複雑な概念を簡素化する才能を持っています。Shittu は [Twitter](https://twitter.com/Shittu_Olumide_) でも活動しています。

Claude Code とローカルモデルの組み合わせ

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト