> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/jp/meru/readme.md).

# Unsloth ドキュメント

Unslothを使うと、オープンソースのUIを通じて、自分のローカルハードウェア上でAIモデルを実行・学習できます。

私たちのドキュメントでは、LLMをローカルで実行・学習する手順を案内します。

<a href="/pages/a01cba7455dcbbf4a34e17600cd0b0101df41d37" class="button primary">始める</a> <a href="https://github.com/unslothai/unsloth" class="button secondary">GitHub</a>

<table data-view="cards" data-full-width="false"><thead><tr><th></th><th></th><th data-hidden data-card-cover data-type="image">カバー画像</th><th data-hidden data-card-target data-type="content-ref"></th></tr></thead><tbody><tr><td><strong>GLM-5.2</strong></td><td>最強のオープンモデルをローカルで実行。</td><td><a href="/files/a9598080027e505e7bf3d9280b85f839db83f898">/files/a9598080027e505e7bf3d9280b85f839db83f898</a></td><td><a href="/pages/1d43caebcc2925464cc42990bf5ebdc3d13c3c85">/pages/1d43caebcc2925464cc42990bf5ebdc3d13c3c85</a></td></tr><tr><td><strong>DeepSeek-V4</strong></td><td>新しい284B Flashモデルを実行。</td><td><a href="/files/97a37ab75c77f157c38c11a1ba112bd7cdac1ebb">/files/97a37ab75c77f157c38c11a1ba112bd7cdac1ebb</a></td><td><a href="/pages/7e26e08ac7ef8f627a7df931c96d2f819be44cd4">/pages/7e26e08ac7ef8f627a7df931c96d2f819be44cd4</a></td></tr><tr><td><strong>MTPガイド</strong></td><td>Qwen3.6とGemma 4を約2倍高速に実行！</td><td><a href="/files/d0129aa16a626f09003a8837a6c85bdef6158e97">/files/d0129aa16a626f09003a8837a6c85bdef6158e97</a></td><td><a href="/pages/dd5bb70bca754ea9bde116b50d92614a5ee10c37">/pages/dd5bb70bca754ea9bde116b50d92614a5ee10c37</a></td></tr><tr><td><strong>DiffusionGemma</strong></td><td>Googleの新しい拡散テキストモデルを実行・学習。</td><td><a href="/files/cf2043a90d3cecfe7c70fc934a2e87158ab4d851">/files/cf2043a90d3cecfe7c70fc934a2e87158ab4d851</a></td><td><a href="/pages/67dde10a83f289f1c4d84bf59deafcd898794129">/pages/67dde10a83f289f1c4d84bf59deafcd898794129</a></td></tr><tr><td><strong>Unsloth Studioのご紹介</strong></td><td>LLMを学習・実行できる、新しいオープンなノーコードUI。</td><td><a href="/files/52ac81606e9a31b3f691aabcec5c0ad84f45aee2">/files/52ac81606e9a31b3f691aabcec5c0ad84f45aee2</a></td><td><a href="/pages/a01cba7455dcbbf4a34e17600cd0b0101df41d37">/pages/a01cba7455dcbbf4a34e17600cd0b0101df41d37</a></td></tr><tr><td><strong>Unsloth APIエンドポイント</strong></td><td>新しいAPI経由でUnslothを使って推論を実行。</td><td><a href="/files/3dd856b45237ca244d802e9e4692647d86e01397">/files/3dd856b45237ca244d802e9e4692647d86e01397</a></td><td><a href="/pages/664bab64c0c5cdbe1a11fa3ba21ffe4c16cf0f52">/pages/664bab64c0c5cdbe1a11fa3ba21ffe4c16cf0f52</a></td></tr></tbody></table>

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/ae7926a0f371a1f594e3344d85571edf864a5259" %}
[Fine-tuning Guide](/docs/jp/meru/fine-tuning-llms-guide.md)
{% endcontent-ref %}

{% content-ref url="/pages/a3325bc180768721f1119499c1b82e6d84e53794" %}
[Unslothノートブック](/docs/jp/meru/unsloth-notebooks.md)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="/pages/189a8deb3aa7eabc5be5a7563f26d4b08f252e28" %}
[All Our Models](/docs/jp/meru/unsloth-model-catalog.md)
{% endcontent-ref %}

{% content-ref url="/pages/ea13ebdc099377f5b37a2e0895aeb9ede74953ed" %}
[Complete LLM Directory](/docs/jp/moderu/tutorials.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

### 🦥 なぜUnslothなのか？

* 私たちは以下のチームと直接協力しています [gpt-oss](https://docs.unsloth.ai/new/gpt-oss-how-to-run-and-fine-tune#unsloth-fixes-for-gpt-oss), [Qwen3](https://www.reddit.com/r/LocalLLaMA/comments/1kaodxu/qwen3_unsloth_dynamic_ggufs_128k_context_bug_fixes/), [Llama 4](https://github.com/ggml-org/llama.cpp/pull/12889), [Mistral](https://huggingface.co/mistralai/Mistral-Medium-3.5-128B/discussions/18), [Gemma 1-3](https://news.ycombinator.com/item?id=39671146) と [Phi-4](https://unsloth.ai/blog/phi4)。そこで私たちは **重大なバグを修正し** 、モデルの精度を大幅に向上させました。たとえばAndrej Karpathyは [私たちの取り組みを高く評価しています](https://x.com/karpathy/status/1765473722985771335).
* Unslothは、ローカルでの学習、推論、データ処理、デプロイを効率化します
* Unslothは500以上のモデルの推論と学習をサポートしています： [ビジョン](/docs/jp/ji-ben/vision-fine-tuning.md), [TTS](/docs/jp/ji-ben/text-to-speech-tts-fine-tuning.md), [埋め込み](/docs/jp/ji-ben/embedding-finetuning.md), [RL](/docs/jp/meru/reinforcement-learning-rl-guide.md)

### ⭐ 機能

Unslothを使うと、テキストのモデルを実行・学習でき、 [音声](https://unsloth.ai/docs/basics/text-to-speech-tts-fine-tuning), [埋め込み](https://unsloth.ai/docs/new/embedding-finetuning), [ビジョン](https://unsloth.ai/docs/basics/vision-fine-tuning) などにも対応します。Unslothは、推論と学習の両方において多くの重要な機能を提供します：

#### 推論

* GGUF、LoRAアダプター、safetensorsなど、あらゆるモデルを検索・ダウンロード・実行。
* [自己修復型ツール呼び出し](/docs/jp/xin-zhe/studio/chat.md#auto-healing-tool-calling) / Web検索と使用 [UnslothをAPIとして](/docs/jp/ji-ben/api.md).
* [推論パラメータを自動調整](/docs/jp/xin-zhe/studio/chat.md#auto-parameter-tuning) し、チャットテンプレートを編集。
* [書き出しまたは保存](/docs/jp/xin-zhe/studio/export.md) モデルをGGUF、16-bit safetensorなどに。
* [出力を比較](/docs/jp/xin-zhe/studio/chat.md#model-arena) 2つの異なるモデルを並べて比較。

#### 学習

* 学習と [RL](/docs/jp/meru/reinforcement-learning-rl-guide.md) 500以上のモデルを約2倍高速に、VRAM使用量を約70%削減して学習（精度低下なし）
* フルファインチューニング、事前学習、4-bit、16-bit、FP8学習をサポート。
* [データセットを自動作成](/docs/jp/xin-zhe/studio/data-recipe.md) PDF、CSV、DOCXファイルから作成。ビジュアルノードワークフローでデータを編集できます。
* 可観測性：学習をライブで監視、損失やGPU使用率を追跡、グラフをカスタマイズ
* 最も効率的な [**強化学習**](/docs/jp/meru/reinforcement-learning-rl-guide.md) ライブラリ。GRPOではVRAMを80%削減し、 [FP8](/docs/jp/meru/reinforcement-learning-rl-guide/fp8-reinforcement-learning.md) などにも対応。
* [マルチGPU](/docs/jp/ji-ben/multi-gpu-training-with-unsloth.md) は動作しますが、さらに優れたバージョンが近日公開予定です！

### クイックスタート

UnslothはMacOS、Linux、 [Windows](/docs/jp/meru/install/windows-installation.md), [NVIDIA](/docs/jp/meru/install/pip-install.md)、Intel、CPU環境をサポートしています。こちらをご覧ください： [Unslothの要件](/docs/jp/meru/fine-tuning-for-beginners/unsloth-requirements.md)。更新するには同じコマンドを使用します：

#### **MacOS、Linux、WSL：**

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

#### **Windows PowerShell：**

```bash
irm https://unsloth.ai/install.ps1 | iex
```

#### Docker

公式の **Dockerイメージ**: [`unsloth/unsloth`](https://hub.docker.com/r/unsloth/unsloth) を使用してください。現在はWindows、WSL、Linuxで動作します。MacOS対応もまもなく予定されています。

### ファインチューニングとRLとは？ なぜ？

[**ファインチューニング** LLMを](/docs/jp/meru/fine-tuning-llms-guide.md) は、その振る舞いをカスタマイズし、分野知識を強化し、特定タスク向けに性能を最適化します。データセットで事前学習済みモデル（例：Llama-3.1-8B）をファインチューニングすることで、以下が可能になります：

* **知識の更新**：新しい分野固有の情報を導入する。
* **振る舞いのカスタマイズ**：モデルの口調、性格、応答スタイルを調整する。
* **タスク向けに最適化**：特定のユースケースでの精度と関連性を向上させる。

[**強化学習（RL）**](/docs/jp/meru/reinforcement-learning-rl-guide.md) とは、「エージェント」が環境とやり取りし、 **フィードバック** を **報酬** または **罰則**.

* **行動：** モデルが生成するもの（例：文章）。
* **報酬：** モデルの行動がどれだけ良かったか悪かったかを示すシグナル（例：応答は指示に従っていたか？役に立ったか？）。
* **環境：** モデルが取り組んでいる状況やタスク（例：ユーザーの質問に答える）。

**ファインチューニングまたはRLの使用例**:

* 見出しが企業にとってプラスかマイナスかをLLMに予測させる。
* より正確で個別化された応答のために、過去の顧客対応を利用できる。
* 契約分析、判例調査、コンプライアンスのために、法律文書でLLMをファインチューニングする。

ファインチューニング済みモデルは、特定のタスクをより効果的かつ効率的に実行するよう設計された専門エージェントだと考えられます。 **ファインチューニングはRAGのすべての機能を再現できます**が、その逆はできません。

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/fffb67e71b118ce93cf382a53722ac7a1a41dd7c" %}
[FAQ + ファインチューニングは私に向いていますか？](/docs/jp/meru/fine-tuning-for-beginners/faq-+-is-fine-tuning-right-for-me.md)
{% endcontent-ref %}

{% content-ref url="/pages/d5ae43f1915ceda3d304ad7c413cb4efbe3d1a3f" %}
[推論とデプロイ](/docs/jp/ji-ben/inference-and-deployment.md)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="/pages/2e1ff161b8dd839d98df40642b2647753c4a80e4" %}
[Reinforcement Learning Guide](/docs/jp/meru/reinforcement-learning-rl-guide.md)
{% endcontent-ref %}

{% content-ref url="/pages/021c19d75a86d940ef9b83b7b41bee381657345b" %}
[Dynamic 2.0 GGUFs](/docs/jp/ji-ben/unsloth-dynamic-2.0-ggufs.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

<figure><img src="/files/bd385b2b2308253670ecf2bc0475accccc5bb4e8" alt="" width="188"><figcaption></figcaption></figure>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://unsloth.ai/docs/jp/meru/readme.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.