llama.cpp

llama.cpp は他のほぼすべてのローカルツールが包んでいるC++エンジンです。Pythonは不要で、依存はコンパイラ（またはリリースバイナリ）だけ。`llama-server -hf ggml-org/gpt-oss-120b-GGUF` がポート8080でOpenAIを話します。

ダウンロード公式ドキュメント ↗

コンテキストは起動時の -c で指定。CPU、Metal、CUDA、ROCm に対応。金属に寄り添いたいとき、あるいはOllamaやLM Studioの「モデルの周りのアプリ」が厚すぎると感じたときに使いましょう。

最大コンテキスト: Set with -c at launch
無料プラン: 無制限・プライベート
条件: 不要 — アカウントなし

エンドポイント

ベースURLhttp://localhost:8080/v1

レート制限None — it is your machine

OpenAI互換
テキスト

コード例

npm install openai

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'http://localhost:8080/v1',
  apiKey: 'not-needed'
})

const response = await client.chat.completions.create({
  model: 'gpt-oss-120b',
  messages: [{ role: 'user', content: 'Explain closures in one paragraph.' }]
})

console.log(response.choices[0].message.content)

pip install openai

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8080/v1",
    api_key="not-needed",
)

response = client.chat.completions.create(
    model="gpt-oss-120b",
    messages=[{"role": "user", "content": "Explain closures in one paragraph."}],
)

print(response.choices[0].message.content)

curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-oss-120b",
    "messages": [{"role": "user", "content": "Explain closures in one paragraph."}]
  }'

知っておくべきこと

まずサーバーを起動：`llama-server -hf ggml-org/gpt-oss-120b-GGUF`。

無料で利用できるモデル2

Llama 3.3 70Bllama-3.3-70b
Qwen 3qwen3