# Unslothドキュメント

Unslothを使えば、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、自分のモデルをローカルで実行・学習する手順を案内します。

<a href="/pages/f10fbc893d08889a92e28bfa2fc8fe09c696363d" class="button primary">始める</a> <a href="https://github.com/unslothai/unsloth" class="button secondary">GitHubはこちら</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>Qwen3.6</strong></td><td>新しいQwen3.6-27Bモデルが登場！</td><td><a href="/files/c5361b789c19cdbd217acbbd7b9c7dc782fa68e9">/files/c5361b789c19cdbd217acbbd7b9c7dc782fa68e9</a></td><td><a href="/pages/b1345d93eb2f70a681e5a0bf731e28a576f0f428">/pages/b1345d93eb2f70a681e5a0bf731e28a576f0f428</a></td></tr><tr><td><strong>Unsloth APIエンドポイント</strong></td><td>新しいAPIを通じてUnslothで推論を実行。</td><td><a href="/files/3dd856b45237ca244d802e9e4692647d86e01397">/files/3dd856b45237ca244d802e9e4692647d86e01397</a></td><td><a href="/pages/664bab64c0c5cdbe1a11fa3ba21ffe4c16cf0f52">/pages/664bab64c0c5cdbe1a11fa3ba21ffe4c16cf0f52</a></td></tr><tr><td><strong>Google Gemma 4</strong></td><td>Googleの新しいGemma 4モデルを実行・学習しましょう！</td><td><a href="/files/5c025ea67488709e0da4213cf7efa8b7695e2dee">/files/5c025ea67488709e0da4213cf7efa8b7695e2dee</a></td><td><a href="/pages/693bc7a2f22dcaf0c6bc0818f2076196fe331fa7">/pages/693bc7a2f22dcaf0c6bc0818f2076196fe331fa7</a></td></tr><tr><td><strong>NVIDIA Nemotron 3 Omni</strong></td><td>最強の30B omniをローカルで実行。</td><td><a href="/files/2823aa2d16c0189f222cbff8459ad0a444c8bab0">/files/2823aa2d16c0189f222cbff8459ad0a444c8bab0</a></td><td><a href="/pages/3b841dc831ba1d1cd9a579d65ec4951bca9c1e85">/pages/3b841dc831ba1d1cd9a579d65ec4951bca9c1e85</a></td></tr><tr><td><strong>Unsloth Studioのご紹介</strong></td><td>LLMを学習・実行するための、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>Kimi K2.6</strong></td><td>新しいSOTAオープンモデルを実行。</td><td><a href="/files/b0dea37a9a6933c70d40b7cb3ff9e91ddd461137">/files/b0dea37a9a6933c70d40b7cb3ff9e91ddd461137</a></td><td><a href="/pages/ba28d5a94414d9422f453043c0cb720721211a60">/pages/ba28d5a94414d9422f453043c0cb720721211a60</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？

* 私たちは以下のチームと直接協業しています [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) および [Phi-4](https://unsloth.ai/blog/phi4)、そこで私たちは **重大なバグを修正し** 、モデル精度を大きく向上させました。たとえばAndrej Karpathyは [私たちの仕事を称賛しています](https://x.com/karpathy/status/1765473722985771335).
* Unslothは、ローカルでの学習、推論、データ、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を使えば、テキスト [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) などのモデルを実行・学習できます。Unslothは、推論と学習の両方に多くの重要機能を提供します：

#### 推論

* GGUF、LoRAアダプター、safetensorsのような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) ／ウェブ検索およびOpenAI互換APIの呼び出し。
* [推論パラメータの自動](/docs/jp/xin-zhe/studio/chat.md#auto-parameter-tuning) 調整とチャットテンプレートの編集。
* [エクスポートまたは保存](/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

* 学習し [RL](/docs/jp/meru/reinforcement-learning-rl-guide.md) 500以上のモデルを約2倍高速、約70%少ないVRAMで（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。ビジュアルなノードワークフローでデータを編集。
* 可観測性：学習をライブ監視、損失と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使用量を80%削減、 [FP8](/docs/jp/meru/reinforcement-learning-rl-guide/fp8-reinforcement-learning.md) など。
* [マルチGPU](/docs/jp/ji-ben/multi-gpu-training-with-unsloth.md) は動作しますが、さらに良いバージョンが登場予定です！

### 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、およびCPU構成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)。更新には同じコマンドを使用してください：

#### **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対応も近日公開予定です。

#### Unslothを起動

```bash
unsloth studio -H 0.0.0.0 -p 8888
```

### ファインチューニングとRLとは？なぜ必要？

[**ファインチューニング** LLMを](/docs/jp/meru/fine-tuning-llms-guide.md) は、その挙動をカスタマイズし、ドメイン知識を強化し、特定タスク向けに性能を最適化します。事前学習済みモデル（例：Llama-3.1-8B）をデータセットでファインチューニングすることで、次のことができます：

* **知識を更新**：新しいドメイン固有情報を取り込む。
* **挙動をカスタマイズ**：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」が環境と相互作用し、 **フィードバック** を **報酬** または **罰則**.

* **という形で受け取りながら意思決定を学習することです。** アクション：
* **モデルが生成するもの（例：文）。** 報酬：
* **モデルのアクションがどれだけ良かったか悪かったかを示す信号（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シナリオやタスク（例：ユーザーの質問に答えること）。**:

* ファインチューニングまたはRLの使用例
* 見出しが企業にプラスかマイナスかをLLMに予測させることができる。
* 過去の顧客とのやり取りを使って、より正確でカスタムな応答ができる。

法務文書に対してLLMをファインチューニングし、契約分析、判例調査、コンプライアンスに活用できる。 **ファインチューニング済みモデルは、RAGのすべての機能を再現できる特化型エージェントだと考えることができます**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: 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:

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

The question should be specific, self-contained, and written in natural language.
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.