🦥Unsloth Studio の紹介
Unsloth Studio で AI モデルをローカルに実行・学習。
本日、私たちは Unsloth Studio （ベータ版）を公開します。これは、オープンモデルの学習・実行・エクスポートを1つの統合 ローカル インターフェースで行える、オープンソースのノーコードWeb UIです。
GGUF および safetensor モデルをローカルで実行 Mac、Windows、Linux。
VRAMを70%削減しながら、500以上のモデルを2倍高速に学習（精度低下なし）
テキスト、ビジョン、TTS音声、埋め込みモデルを実行・学習
最新の更新情報は、こちらの 新しい変更履歴ページをご覧ください! ✨
3月27日： Unsloth にデスクトップのショートカットアイコンが追加されました。
推論が20〜30%高速化され、計算も正しく行われるようになりました。
Hugging Face、LM Studio などから ダウンロードされた古いモデルや既存のモデルを自動検出します。
CPU RAM が急増しなくなりました。
3月25日： Unsloth Studio を更新できるようになりました！ 以下から更新してください： unsloth studio update
Windows CPU または GPU がシームレスに動作するようになりました。再インストールしてください！
アプリのショートカット。インストール後は、デスクトップ上のショートカットアイコンから起動できるようになりました。
事前コンパイル済み
llama.cppバイナリ - インストールが6倍高速に！インストールサイズを50%削減 （7GB以上の節約）、インストールは2倍高速化し、解決も高速化。PyPIサイズも50%小さくなりました。
ツール呼び出しが改善されました。 より優れた llama.cpp のパース、チャット内に生のツールマークアップなし、高速な推論、新しいツール出力パネル、タイマー。
MacOS と CPU で データレシピ が有効になり、複数ファイルのアップロードに対応しました。
データセットは不要です。 データセットを自動作成 し、 PDF、CSV、JSON、DOCX、TXT ファイルから生成します。
モデルをエクスポートまたは保存 して、GGUF、16-bit safetensor などへ。
自己修復するツール呼び出し ／Web検索 + コード実行
推論パラメータの自動 調整とチャットテンプレートの編集。
⭐ 機能
ノーコード学習
PDF、CSV、JSON のドキュメント、またはYAML設定をアップロードして、NVIDIA上で即座に学習を開始できます。Unsloth のカーネルは、500以上のテキスト、ビジョン、TTS/音声、埋め込みモデルにわたって LoRA、FP8、FFT、PT を最適化します。
次のような最新のLLMをファインチューニング Qwen3.5 および NVIDIA Nemotron 3. マルチGPU は自動で動作し、新バージョンも登場予定です。
データレシピ
データレシピ グラフノードのワークフローを通じて、ドキュメントを利用可能な / 合成データセットへ変換します。PDF、CSV、JSONのような非構造化または構造化ファイルをアップロードしてください。NVIDIA Nemo 搭載の Unsloth Data Recipes Data Designerが、ドキュメントを目的の形式に自動変換します。
オブザーバビリティ
獲得 完全な可視性 を学習実行に対して確保し、制御できます。学習損失、勾配ノルム、GPU使用率をリアルタイムで追跡し、好みに合わせてカスタマイズできます。
スマホなど、他のデバイスから学習の進行状況を表示することもできます。
モデルをエクスポート / 保存
あらゆるモデルをエクスポートできます。ファインチューニングしたモデルを含め、safetensors または GGUF に出力して、llama.cpp、vLLM、Ollama、LM Studio などで使用できます。
学習履歴を保存するので、実行を見返したり、再エクスポートしたり、試行錯誤したりできます。
モデルアリーナ
チャットして 2つの異なる モデル、たとえばベースモデルとファインチューニング済みモデルを比較し、それぞれの出力の違いを確認できます。
まず最初のGGUF/モデルを読み込み、次に2つ目を読み込むだけでOK！ 推論ではまず1つ目のモデルを読み込み、その後2つ目を読み込みます。
プライバシー優先 + 安全性
Unsloth Studio は、100%オフラインで、ローカルのコンピュータ上で使用できます。暗号化されたパスワードや JWT のアクセス／リフレッシュフローを含むトークンベース認証により、データを安全に保ちます。
HF などから以前ダウンロードした既存 / 古いモデルや GGUF を使用できます。 こちらの手順.
をご覧ください BETA 版の Unsloth Studio であることにご注意ください。今後数日〜数週間で、多くの改善、修正、新機能が追加される予定です。現在積極的に対応している課題の1つは、インストール時間を大幅に短縮するための事前コンパイル済み llama.cpp バイナリです。
⚡ クイックスタート
Unsloth Studio は Windows、Linux、WSL、MacOS で動作します（現在はチャットのみ）。
学習： でのみ動作します。 NVIDIA：RTX 30、40、50、Blackwell、DGX Spark/Station など + Intel GPU
Mac： CPU と同様に、チャットと データレシピ のみが現在動作します。 MLX 学習はまもなく対応予定です。
AMD： チャットは動作します。 Unsloth Coreで学習してください。Studio 対応は近日公開予定です。
近日対応： 以下の学習サポート： Apple MLX と AMD。
マルチGPU： すでに動作しています。大幅なアップグレードも予定されています。
更新するには、以下の同じインストールコマンドを使用してください：
MacOS、Linux、WSL：
Windows PowerShell：
Unsloth を起動
Docker：
公式の Docker イメージ: unsloth/unsloth を使用してください。現在は Windows、WSL、Linux で動作します。MacOS 対応は近日公開予定です。
事前コンパイル済み llama.cpp バイナリにより、初回インストールは6倍高速化し、サイズも50%削減されます。
インストールとアンインストールの詳細については、 Unsloth Studio インストール セクションをご覧ください。
Installation Google Colab ノートブック
私たちは 無料の Google Colab ノートブック を作成しました。これにより、Colab の T4 GPU 上で Unsloth のすべての機能を試せます。22B パラメータまでのほとんどのモデルを学習・実行でき、より大きなモデルにはより大きな GPU に切り替えられます。'Run all' をクリックするだけで、インストール後にUIが表示されます。
インストールが完了したら、 Start Unsloth Studio までスクロールして、 Open Unsloth Studio を左側に表示されている白いボックス内でクリックしてください：
さらに下へスクロールすると、実際のUIが表示されます。
現在は llama.cpp バイナリを事前コンパイルしているため、インストール速度が大幅に向上しています。
ときどき Studio のリンクがエラーを返すことがあります。これは、広告ブロッカーを使っている場合や、Mozilla または Google Colab が Colab ページに留まることを期待しているために発生します。非アクティブと検出されると、GPUセッションが終了する場合があります。それでも、少し下へスクロールすれば
ワークフロー
Unsloth Studio の一般的なワークフローは次のとおりです。
以下から Studio を起動 インストール手順.
ローカルファイルまたは対応する統合からモデルを読み込みます。
PDF、CSV、または JSONL ファイルから学習データを取り込むか、ゼロからデータセットを作成します。
データセットをクリーンアップ、精緻化、拡張して データレシピ.
推奨プリセットで学習を開始するか、設定を自分でカスタマイズします。
学習済みモデルとチャットし、その出力をベースモデルと比較します。
保存またはエクスポート して、すでに使っているスタックへローカルに導入します。
Unsloth Studio の各セクションについての個別の詳細解説もご覧いただけます：
ビデオチュートリアル
Studio を始めるための NVIDIA 作成のビデオチュートリアルはこちらです：
Unsloth Studio のインストール方法 ビデオチュートリアル
FAQ
Unsloth はデータを収集または保存しますか？ Unsloth は利用状況のテレメトリを収集しません。Unsloth は、GPU の種類やデバイス（例：Mac）など、互換性に必要な最小限のハードウェア情報のみを収集します。Unsloth Studio は100%オフラインかつローカルで動作します。
以前 Hugging Face からダウンロードした古い / 既存のモデルはどう使えばよいですか？ はい、以前 Hugging Face などからダウンロードした既存/古いモデルや GGUF を使用できます。これらは現在 Unsloth によって自動検出されるはずですが、そうでない場合は こちらの手順.
なぜ Unsloth では推論が時々遅くなるのですか？ Unsloth は他のローカル推論アプリと同様に llama.cpp を基盤としているため、速度はほぼ同じであるはずです。場合によっては、Web検索、コード実行、自己修復するツール呼び出しをオンにしているために、Unsloth が遅く感じられることがあります。これらの機能はすべて推論を遅くする可能性があります。すべての機能をオフにしてもなお遅い場合は、GitHub の issue を作成してください！
Unsloth Studio は OpenAI 互換 API をサポートしていますか？ はい、Data Recipes については対応しています。推論についても現在対応を進めており、早ければ今週中にもサポートをリリースできる見込みです。ご期待ください！
Unsloth は現在 AGPL-3.0 ライセンスですか？ Unsloth は Apache 2.0 と AGPL-3.0 のデュアルライセンスモデルを採用しています。Unsloth のコアパッケージは引き続き Apache 2.0の下でライセンスされており、一方で Unsloth Studio UI などの一部のオプションコンポーネントは AGPL-3.0.
でライセンスされています。この構成は、プロジェクトをオープンソースとして維持しつつ、Unsloth の継続的な開発を支え、より広いエコシステムの成長を後押しするものです。
Studio は LLM のみをサポートしていますか？
いいえ。Studio は、テキスト、マルチモーダルモデル、 transformers 互換のモデルファミリーを幅広くサポートしており、 テキスト読み上げ、音声、 埋め込み、BERT スタイルのモデルを含みます。
独自の学習設定を使えますか？ はい。YAML 設定をインポートすると、Studio が関連する設定を事前入力します。
コンテキスト長はどう調整できますか？ llama.cpp のスマートな自動コンテキストにより、コンテキスト長の調整はもう不要です。必要なコンテキストだけを使用し、余計なものは読み込みません。ただし、使いたい場合に備えて、今後この機能も追加する予定です。
UI を使うにはモデルの学習が必要ですか？ いいえ、どの GGUF やモデルでも、どのモデルもファインチューニングせずにダウンロードするだけで使えます。
Unsloth の今後
私たちは、オープンソースAIをできる限り利用しやすくするために全力で取り組んでいます。Unsloth と Unsloth Studio の次の展開として、マルチGPU、Apple Silicon/MLX、AMD の公式サポートを公開予定です。これは Unsloth Studio の BETA 版であることを忘れずに。今後数週間で多くの発表と改善があるはずです。また、最良かつ最もシンプルな体験を提供するため、マルチGPU対応について NVIDIA と緊密に連携しています。
謝辞
私たちのローンチに参加してくださった NVIDIA と Hugging Face に心から感謝します。また、Unsloth Studio の初期ベータテスターの皆さまにも感謝します。皆さまの時間とフィードバックに本当に感謝しています。さらに、Unsloth Studio を可能にしたインフラを提供してくださった llama.cpp、PyTorch、open model labs にも感謝します。
最終更新
役に立ちましたか？