Mac Rental

2026 DeepSeek-R1 Mac メモリオーバーフロー:Ollama 安全止血ステップ

2026 DeepSeek-R1 Mac メモリオーバーフロー:Ollama 安全止血ステップ

2026年9月8日時点で、Ollamaの公式リリースページでは v0.33.3 が最新の安定版、v0.34.0-rc1 がプレリリースとして扱われています。公式リリース一覧で確認できるこの状態から判断すると、DeepSeek-R1 Mac メモリオーバーフローの勝者は、まず異常なモデルを解放し、Ollamaを復旧してから設定を一つずつ絞る手順です。コンテキスト長、並列数、モデル常駐時間を先に下げ、基準値を取り直すまでは Flash Attention や KV Cache の量子化を追加しません。それでも最低限の業務コンテキストを安定して確保できなければ、より大きな統一メモリを持つリモートMacへ移行します。

この手順は、DeepSeek-R1の推論が途中で止まり、30分以内にローカル開発環境を戻したいMac開発者向けです。Ollamaをサービスとして運用するAI Agentエンジニア、ローカル調整を重ねても負荷検証に通らず、容量拡張を判断する技術責任者にも適しています。

最初の5分:証拠と復旧基準

DeepSeek-R1 Mac メモリオーバーフローが発生した直後は、すぐにMacを再起動しないことが重要です。再起動前に、次の情報を保存します。

  • ollama --version の結果
  • macOSのバージョン
  • DeepSeek-R1の正確なモデルタグ
  • Ollamaをアプリで起動したか、ollama serveで起動したか
  • 最後のリクエストに使ったコンテキスト長、入力サイズ、keep_alive
  • ollama ps の出力
  • Ollamaのログ
  • アクティビティモニタのメモリプレッシャー、スワップ使用量、Ollama関連プロセス

モデルタグは、DeepSeek-R1の公式タグ一覧と照合します。タグが違えば、同じ「DeepSeek-R1」でも重みや量子化方式が異なる可能性があります。

この段階の目的は、OOMの分類を終えることではありません。サービスが応答可能か、出力が空になっていないか、Runnerが残っていないかを記録し、復旧後と比較できる基準を作ることです。

最初の復旧:モデル解放とRunner再生成

DeepSeek-R1がしばらく動いた後にクラッシュした場合、最初からMacを再起動する必要がありますか。

必ずしも必要ではありません。まずモデルだけを解放します。MODEL_TAGは保存した実際のタグに置き換えます。

curl http://127.0.0.1:11434/api/generate \
  -d '{"model":"MODEL_TAG","prompt":"短い復旧確認","keep_alive":0}'

keep_alive: 0は、そのリクエスト後にモデルを常駐させないための指定です。APIのフィールド定義はOllama公式API型定義で確認できます。続けて次を実行します。

ollama ps

モデルが消え、短い応答が空でなく、CPUまたはGPUの割り当てが想定どおりなら、Runnerの再生成は成功です。反対に、ログにMetalのバックエンドエラーが繰り返し出る、リクエストがキューに残る、応答が空になる場合は、追加リクエストを送らないことです。失敗した処理と並列要求の増加を、新しいメモリリークと誤認しやすくなります。

アプリ版Ollamaの場合は、メニューバーのOllamaを終了し、アプリを再起動します。コマンドライン版の場合は、ollama serveを起動したターミナルで停止し、同じ起動方法で再実行します。アプリ版とCLI版を混在させると、変更した環境変数と実際に動いているプロセスが分かれるため、ここで起動方式を固定します。リモートMacの接続や利用手順を確認する場合は、ProxyMacのヘルプも参照できます。

Ollamaの一般的なログ確認と停止方法は、公式トラブルシューティング文書に合わせます。

30分以内:メモリ増幅要因を順に縮小

DeepSeek-R1のMetal OOMは、物理メモリの不足だけで説明できるとは限りません。Apple SiliconではCPUとGPUが統一メモリを共有します。Appleの統一メモリに関する説明が示すように、モデル、KV Cache、OS、他のアプリが同じメモリ資源を取り合います。Metal APIが確保した領域の解放遅延やRunnerの状態不良は、物理容量そのものとは別の問題です。

調整順序は次のとおりです。

  • コンテキスト長を下げる。 長文入力を扱うほどKV Cacheが増えるため、まず業務上必要な最小値で起動します。設定方法はOllamaのコンテキスト長ドキュメントに合わせます。
  • 並列リクエストを単一処理へ絞る。 OLLAMA_NUM_PARALLEL=1を基準にし、同時に実行するAgentやAPIクライアントを止めます。
  • 同時ロードモデル数を抑える。 複数モデルを使う環境では、DeepSeek-R1だけを残します。OLLAMA_MAX_LOADED_MODELS=1を一時的な基準にします。
  • 常駐時間を短くする。 OLLAMA_KEEP_ALIVE=0、または短い時間を設定します。再利用時の待ち時間は増えますが、アイドル中の重みとキャッシュを保持しにくくなります。
  • Flash AttentionとKV Cache量子化は最後に試す。 現在のバックエンドが対応していることを公式文書と起動ログで確認し、品質比較用の同じプロンプトを保存します。

Ollamaのメモリが解放されない場合、プロセスの再起動は必須ですか。

keep_alive: 0でモデルが解放され、メモリプレッシャーが戻るなら、プロセス再起動は不要です。モデルがollama psから消えない、メモリ使用量が下がらない、Metalエラーが継続する場合だけ、アプリまたはollama serveを再起動します。再起動しても同じ条件で再現するなら、単純な解放遅延ではなく、設定、モデル容量、または特定バージョンの問題として記録します。

注意:出所不明のsysctl変更、スワップ拡張スクリプト、macOSカーネル制限の上書きは、Metal OOMの一般的な修復手段として扱わないでください。システム全体の安定性と原因追跡を悪化させる可能性があります。

当日中:設定の範囲と撤回方法

一時的な検証なら、CLIの起動時だけ環境変数を付けます。

OLLAMA_CONTEXT_LENGTH=4096 \
OLLAMA_NUM_PARALLEL=1 \
OLLAMA_MAX_LOADED_MODELS=1 \
OLLAMA_KEEP_ALIVE=0 \
ollama serve

4096は例示用の基準値です。実際には業務プロンプトが完了する最小値から始めます。コンテキスト長の扱いは公式ドキュメントで確認し、値を変更したらollama --version、起動ログ、ollama psを再確認します。

Macのアプリ起動へ反映する場合は、アプリを終了してから、ユーザーのLaunch Services環境へ設定します。

launchctl setenv OLLAMA_CONTEXT_LENGTH 4096
launchctl setenv OLLAMA_NUM_PARALLEL 1
launchctl setenv OLLAMA_MAX_LOADED_MODELS 1
launchctl setenv OLLAMA_KEEP_ALIVE 0
open -a Ollama

設定値の確認は次で行います。

launchctl getenv OLLAMA_CONTEXT_LENGTH
launchctl getenv OLLAMA_NUM_PARALLEL
launchctl getenv OLLAMA_MAX_LOADED_MODELS
launchctl getenv OLLAMA_KEEP_ALIVE

反映されない場合は、別のOllamaプロセスが動いていないかを確認します。launchctlへ設定しただけで、すでに起動中のプロセスが変わるわけではありません。Ollamaを終了し、再度起動してから確認します。

撤回は次のとおりです。

launchctl unsetenv OLLAMA_CONTEXT_LENGTH
launchctl unsetenv OLLAMA_NUM_PARALLEL
launchctl unsetenv OLLAMA_MAX_LOADED_MODELS
launchctl unsetenv OLLAMA_KEEP_ALIVE

APIの1リクエストだけで試す場合は、環境全体を変更せず、keep_aliveやモデル指定をリクエスト本文に限定します。Mac版Ollamaで永続的にコンテキストと並列数を制限する場合は、アプリ起動とCLI起動のどちらを正式運用にするか決めてから、環境変数を一方へ統一します。

24時間:段階的なロールバック検証

設定を一度に戻すと、再発条件が分かりません。次のチェックリストを順番に実行します。

  • [ ] 短いプロンプト、単一リクエスト、最小コンテキストで応答が空でないことを確認する
  • [ ] 同じプロンプトを複数回実行し、メモリプレッシャーとスワップ活動を記録する
  • [ ] コンテキスト長だけを目標値へ戻し、完了率と出力品質を比較する
  • [ ] モデルをkeep_alive: 0で解放し、メモリ使用量が低下するか確認する
  • [ ] 並列数だけを段階的に戻し、Metalエラーと応答遅延を記録する
  • [ ] 必要な場合だけFlash AttentionまたはKV Cache量子化を単独で有効にする
  • [ ] 変更後に同じプロンプトと同じ入力長で、出力が空にならないことを確認する
  • [ ] 失敗したら、直前の合格段階へ戻し、別の変数を追加しない

KV Cacheを調整した後、DeepSeek-R1が安定して出力できるかはどう確認しますか。

同一のプロンプト、入力長、モデルタグで、変更前後の出力を保存します。確認対象は、リクエスト成功、空出力の有無、推論途中の切断、メモリプレッシャー、スワップ活動、モデル解放後のメモリ回落、Metalエラーです。KV Cache量子化だけを変更し、コンテキスト長や並列数を同時に動かさないことが条件です。

Ollamaの新バージョンで挙動が変わる可能性があります。2026年9月8日時点の安定版とプレリリースの区分は、再検証時に公式リリースページで取り直します。GitHub IssuesにあるMetal OOM、GPUリセット後のRunner停止、メモリ増加の報告は、特定バージョンに関する利用者報告です。Apple Silicon全体、またはすべてのDeepSeek-R1環境で確定した不具合とは扱いません。

再発時:ローカル継続かリモートMacか

旧バージョンでは安定し、新バージョンだけで同じ最小構成が再現する場合は、まずモデルタグ、ログ、設定、再現手順を保存します。そのうえでOllamaのロールバック可否を検討します。新しい版だから無条件に原因、Macのメモリ不足だから無条件に原因、と決めつけないことが重要です。

次の条件なら、より小さい量子化モデルを検討します。

  • 最低限必要なコンテキストでも単一リクエストが完了しない
  • keep_alive: 0後もRunnerまたはメモリ使用量が戻らない
  • 並列数を1、同時ロードを1にしても再現する
  • 同じ設定で別のモデルは動くが、対象モデルだけが失敗する

小型モデルでも最低業務品質を満たさない場合、ローカルMacの調整を続けるより、同じプロンプトと検証スクリプトをリモートMacで実行する方が判断しやすくなります。長文Agent、バッチ処理、周期的な連続推論では、常駐時間と同時実行数が重なるため、一時的な設定変更だけで安定性を作れないことがあります。

現在のローカル構成は、物理メモリを他のアプリと共有し、設定変更の反映先もアプリ版とCLI版で分かれます。さらに、Metalの失敗後にプロセス再起動が必要になり、長時間タスクの途中結果を失うことがあります。こうした制約が最低業務条件を満たさないなら、ProxyMacのリモートMac環境で同じ検証スクリプトを走らせる方が、ハードウェア購入前の容量判断に向いています。利用条件や料金を確認する場合は、ProxyMacの料金案内を参照できます。

二十四時間のロールバック検証を終えた後は、同じチェックリストを保存し、モデルタグ、Ollamaバージョン、コンテキスト、並列数、常駐時間をセットで管理します。最低限の設定でも安定しない場合だけ、未確認のmacOSパラメータを増やすのではなく、ProxyMacのより大きな統一メモリを持つMac環境で容量テストへ進むのが安全です。

AIモデルの検証環境に、ProxyMacの専用Mac miniを

ローカルMacのメモリ負荷を抑えながら、Apple Silicon M4搭載の専用クラウド環境でモデルの実行をお試しいただけます。
SSHとブラウザ対応のVNCから接続できるため、設定変更や稼働状況の確認をスムーズに進められます。