> 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を使えば、オープンソースのUIから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が、ローカルで自分のLLMを実行・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>DeepSeek-V4-Flash-0731</strong></td><td>7月31日にリリースされた新しい284Bモデル。</td><td><a href="/files/b8316ea3d47f4d30ddb2ed21b1b874bc63be15e6">/files/b8316ea3d47f4d30ddb2ed21b1b874bc63be15e6</a></td><td><a href="/pages/7e26e08ac7ef8f627a7df931c96d2f819be44cd4">/pages/7e26e08ac7ef8f627a7df931c96d2f819be44cd4</a></td></tr><tr><td><strong>Kimi K3</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/d5fd1352cfa7cdcf52a09e300dd27eb445a7fb42">/files/d5fd1352cfa7cdcf52a09e300dd27eb445a7fb42</a></td><td><a href="/pages/335086c72f3270ee21c3c5142bcf04bb46883008">/pages/335086c72f3270ee21c3c5142bcf04bb46883008</a></td></tr><tr><td><strong>AMD向けUnsloth！</strong></td><td>AMD上でモデルの実行・学習ができるようになりました。</td><td><a href="/files/dd45187a5c389623d1b8d50b8713de7b1bf99d22">/files/dd45187a5c389623d1b8d50b8713de7b1bf99d22</a></td><td><a href="/pages/012a2b21c17a6a2f8b57b2316ffa3ac69a1f8dd0">/pages/012a2b21c17a6a2f8b57b2316ffa3ac69a1f8dd0</a></td></tr><tr><td><strong>Unsloth Start</strong></td><td>任意のローカルLLMにエージェントを接続できます。</td><td><a href="/files/648fe2e280105f25dba056cf2583cdc932c46af6">/files/648fe2e280105f25dba056cf2583cdc932c46af6</a></td><td><a href="/pages/8072106eb7f962477dcaf5bcd773b13619c4579a">/pages/8072106eb7f962477dcaf5bcd773b13619c4579a</a></td></tr><tr><td><strong>Dynamic NVFP4</strong></td><td>Blackwell GPUでモデルを2倍高速に実行。</td><td><a href="/files/6638a6184672638337abef240e69f42041b4e39a">/files/6638a6184672638337abef240e69f42041b4e39a</a></td><td><a href="/pages/0b60df9a3c0ff42d4671c8e918d4741c3faec54b">/pages/0b60df9a3c0ff42d4671c8e918d4741c3faec54b</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></tbody></table>

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/ea13ebdc099377f5b37a2e0895aeb9ede74953ed" %}
[Complete LLM Directory](/docs/jp/moderu/tutorials.md)
{% endcontent-ref %}

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

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

{% content-ref url="/pages/664bab64c0c5cdbe1a11fa3ba21ffe4c16cf0f52" %}
[Unsloth API](/docs/jp/ji-chu/api.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

### ⚡ 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), [AMD](/docs/jp/meru/install/amd.md)、IntelおよびCPU環境をサポートしています。詳細はこちら： [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
```

### 👾 Unsloth Start

{% columns %}
{% column width="58.333333333333336%" %}
[Unsloth Start](/docs/jp/tong-he/unsloth-start.md) 接続できます [Claude Code](/docs/jp/ji-chu/claude-code.md), [Codex](/docs/jp/ji-chu/codex.md) やその他のエージェントを、 `unsloth start` コマンド経由でローカルモデルに接続できます。

Unslothを起動し、モデルを読み込み、プロジェクトフォルダを開いてから、次を実行します：

```bash
unsloth start claude
```

次の `claude` を、下の任意のエージェントに置き換えてください：
{% endcolumn %}

{% column width="41.666666666666664%" %}

<figure><img src="/files/c7759bdcfceef3f51b87d20f4c8b15da1a3a0ab1" alt="" width="563"><figcaption><p>ローカルでQwen3.5を使って動作するClaude Code。</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

| エージェント                                                             | コマンド                     |
| ------------------------------------------------------------------ | ------------------------ |
| <i class="fa-claude">:claude:</i> Claude Code                      | `unsloth start claude`   |
| <i class="fa-openai">:openai:</i> OpenAI Codex                     | `unsloth start codex`    |
| <i class="fa-caduceus">:caduceus:</i> Hermes Agent                 | `unsloth start hermes`   |
| <i class="fa-lobster">:lobster:</i> OpenClaw                       | `unsloth start openclaw` |
| <i class="fa-rectangle-vertical">:rectangle-vertical:</i> OpenCode | `unsloth start opencode` |

### 🦥 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-chu/vision-fine-tuning.md), [TTS](/docs/jp/ji-chu/text-to-speech-tts-fine-tuning.md), [埋め込み](/docs/jp/ji-chu/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役立つ多くの重要機能を提供します：

#### 推論

* [自己修復型ツール呼び出し](/docs/jp/xin-zhe/studio/chat.md#auto-healing-tool-calling) ／Web検索および使用 [APIとしてのUnsloth](/docs/jp/ji-chu/api.md).
* ローカルモデルを任意のエージェントに接続： [Claude Code](/docs/jp/ji-chu/claude-code.md), [Codex](/docs/jp/ji-chu/codex.md), [Hermes](/docs/jp/tong-he/hermes-agent.md) など。
* GGUF、LoRAアダプター、safetensorsなどの任意のモデルを検索＋ダウンロード＋実行。
* [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ビットsafetensorなどで保存。
* [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

* 学習して [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ビット、16ビット、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。視覚的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、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) ライブラリで、GRPOに必要なVRAM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-chu/multi-gpu-training-with-unsloth.md) 動作しますが、もっと良いバージョンがまもなく登場します！

### ファインチューニングとRLとは？ なぜ必要なのか？

[**ファインチューニング** LLMの](/docs/jp/meru/fine-tuning-llms-guide.md) 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。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、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導入。
* **挙動をカスタマイズ**：モデルの口調、個性、応答スタイルを調整。
* **タスクに最適化**：特定のユースケースで精度と関連性を向上。

[**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**.

* **行動：** モデルが生成するもの（例：文）。
* **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信号（例：応答が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）。

**ファインチューニングまたはRLのユースケース例**:

* 見出しが会社にプラスかマイナスかをLLMが予測できるようにする。
* 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可能。
* 契約分析、判例研究、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できます。

ファインチューニングされたモデルは、特定のタスクをより効果的かつ効率的に実行するために設計された専門エージェントだと考えるとよいでしょう。 **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、逆は成り立ちません。

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/8a5c4db36cff597fc13ab7546333ece742a1f076" %}
[Unslothの更新情報](/docs/jp/xin-zhe/changelog.md)
{% endcontent-ref %}

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

{% column width="50%" %}
{% content-ref url="/pages/8072106eb7f962477dcaf5bcd773b13619c4579a" %}
[Unsloth Start](/docs/jp/tong-he/unsloth-start.md)
{% endcontent-ref %}

{% content-ref url="/pages/021c19d75a86d940ef9b83b7b41bee381657345b" %}
[Dynamic 2.0 GGUFs](/docs/jp/ji-chu/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.