> 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では、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。

当社のドキュメントが、独自のLLMをローカルで実行・学習する方法を案内します。

<a href="/pages/a01cba7455dcbbf4a34e17600cd0b0101df41d37" class="button primary">始める</a> <a href="https://github.com/unslothai/unsloth" class="button secondary">私たちの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>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>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>Gemma 4 QAT</strong></td><td>メモリ使用量が3分の1で、精度はほぼ元のまま。</td><td><a href="/files/745321eb25a21a62243a78b285da97b6b591ce42">/files/745321eb25a21a62243a78b285da97b6b591ce42</a></td><td><a href="/pages/136e446d64d842f3384bec65ba2ec312454e6e91">/pages/136e446d64d842f3384bec65ba2ec312454e6e91</a></td></tr><tr><td><strong>Kimi 2.7 Code</strong></td><td>新しい1TのSOTAコーディングモデルを実行。</td><td><a href="/files/cc9e1985b369fa9ba205fc499e98ef9d17fa0579">/files/cc9e1985b369fa9ba205fc499e98ef9d17fa0579</a></td><td><a href="/pages/4772706e2e2924bf4d806a016a6d4d38f0e836f0">/pages/4772706e2e2924bf4d806a016a6d4d38f0e836f0</a></td></tr><tr><td><strong>Unsloth APIエンドポイント</strong></td><td>新しいAPIを介して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>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></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、以下の開発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) そして [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ています： [画像](/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)

### ⭐ 特徴

Unslothでは、テキスト向けのモデルを実行・学習できます、 [音声](https://unsloth.ai/docs/basics/text-to-speech-tts-fine-tuning), [埋め込み](https://unsloth.ai/docs/new/embedding-finetuning), [画像](https://unsloth.ai/docs/basics/vision-fine-tuning) など、さまざまなモデルに対応しています。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などの任意のモデルを検索＋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) / ウェブ検索して利用 [APIとしてのUnsloth](/docs/jp/ji-ben/api.md).
* [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。

#### 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：学習をリアルタイムで監視し、損失やGPU使用率を追跡し、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VRAMを80%削減し、 [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) 動作しますが、さらに優れたバージョンがまもなく登場します！

### 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環境をサポートしています。詳細は： [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) 現在はWindows、WSL、Linuxで動作します。MacOS対応は近日公開予定です。

### 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を](/docs/jp/meru/fine-tuning-llms-guide.md) の振る舞いをカスタマイズし、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。データセット上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の情報を追加。
* **振る舞いをカスタマイズ**：モデルの口調、人格、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の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、受け取ることで意思決定を学習する仕組みです **フィードバック** の形で **報酬** または **罰則**.

* **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こと）。

**ファインチューニングまたはRLの使用例**:

* LLMが見出しが企業に与える影響をポジティブかネガティブか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を実現できる。
* 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こなす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のあらゆる機能を再現できます**、しかし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:

```
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.