🦥Unsloth Studioの紹介
Unsloth Studioを使ってAIモデルをローカルで実行・学習しましょう。
本日、私たちはリリースします Unsloth Studio （ベータ版）：オープンモデルの学習、実行、エクスポートを1つに統合した ローカル インターフェース向けの、オープンソースでノーコードのWeb UIです。
GGUFを実行 および safetensor モデルをローカルで Mac、Windows、Linux 上で。
500以上のモデルを、VRAM使用量を70%削減しながら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および学習
最新の更新情報については、こちらの 新しい変更履歴ページをご覧ください! ✨
MacOS および CPU は次に対応します チャット GGUF 推論と Data Recipes。MLX トレーニングは近日公開予定です。
データセットは不要です。 データセットを自動作成 から PDF、CSV、JSON、DOCX、TXT ファイル。
エクスポートまたは保存 モデルを GGUF、16ビット safetensor などに。
自己修復型ツール呼び出し / 高度な ウェブ検索 + コード実行
自動推論設定、チャットテンプレートの編集、そして Unsloth を API エンドポイント.
⭐ 機能
モデルをローカルで実行
GGUF を検索して実行 および safetensor モデルをセルフヒーリング付きで ツール呼び出し、高度な ウェブ検索, 自動推論 設定、 コード実行 （Bash + Python）、 API。画像、ドキュメント、音声、コードをアップロード。
モデルを並べて対戦比較。llama.cpp + Hugging Face によって支えられ、Unsloth は マルチGPU推論、 自動オフロードと自動フィット、およびほとんどのモデルをサポートします。
API エンドポイントとしての Unsloth
これで、ローカル LLM を次のようなツール経由で使えるようになりました Claude Code および Codex それを接続することで Unsloth の API エンドポイント。つまり、それらのツール内で Qwen や Gemma モデルを、セルフヒーリング付きツールコーリングや Web 検索などの機能を含む Unsloth の推論で直接実行できるようになります。
ノーコード学習
PDF、CSV、JSON をアップロード ドキュメント、または YAML 設定をアップロードして、NVIDIA 上ですぐ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、新しいバージョンも近日登場します。
Data Recipes
Data Recipes は、ドキュメントをグラフノードワークフローにより使用可能な／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 を基盤とする Unsloth Data Recipes Data Designerは、文書を自動で希望の形式に変換します。
可観測性
獲得 完全な可視性 と、トレーニング実行に対する制御を実現します。トレーニング損失、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。
スマートフォンなど他のデバイスでもトレーニングの進捗を確認できます。
モデルをエクスポート / 保存
任意のモデルをエクスポート、ファインチューニング済みモデルを含めて、safetensors や、llama.cpp、vLLM、Ollama、LM Studio などで使える GGUF に出力できます。
トレーニング履歴を保存するので、実行内容を後から見返したり、再エクスポートしたり、実験したりできます。
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て、出力の違いを確認できます。
最初の GGUF/モデルを読み込み、その後2つ目を読み込むだけで、できあがり！ 推論はまず1つ目のモデルに対して読み込まれ、その後2つ目が読み込まれます。
プライバシー優先 + セキュア
Unsloth Studio は 100% オフラインかつローカルで、お使いのコンピュータ上で利用できます。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、データの安全性が保たれます。
HF などから以前ダウンロードした既存／古いモデルや GGUF も使用できます。詳しくは こちらの手順.
ご注意ください。これは Unsloth Studio の ベータ 版です。今後数日から数週間のうちに、多くの改善、修正、新機能が予定されています。
⚡ クイックスタート
Unsloth Studio は Windows、Linux、WSL、MacOS（現在はチャットのみ）で動作します。
CPU: Unsloth は GPU がなくても動作しますが、対応するのは チャット 推論と Data Recipes.
トレーニング: 次で動作します NVIDIA: RTX 30、40、50、Blackwell、DGX Spark/Station など + Intel GPU
Mac: CPU と同様 - チャットと Data Recipes のみが今のところ動作します。 MLX トレーニングはまもなく登場します。
AMD: チャットは動作します。学習は Unsloth Coreで行ってください。Studio サポートは近日公開予定です。
近日公開: 次のトレーニング対応 Apple MLX および AMD。
マルチGPU: すでに動作し、大規模なアップグレードも予定されています。
更新するには以下と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 サポートは近日公開予定です。
初回インストールは、事前コンパイル済みの llama.cpp バイナリにより、サイズを50%削減しつつ6倍高速になりました。
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 の全機能を試せます。最大220億パラメータまでのほとんどのモデルを学習・実行でき、より大きなモデル用に大きな GPU に切り替えることもできます。『Run all』をクリックするだけで、インストール後に UI が表示されるはずです。
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。
Studio のリンクがエラーを返すことがあります。これは、Cookie を無効にしているか、広告ブロッカーまたは Mozilla を使用しているために起こる場合があります。その場合でも、ボタンの下までスクロールすれば UI にアクセスできます。
ワークフロー
使い始めるための、Unsloth Studio の一般的なワークフローはこちらです:
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連携先からモデルを読み込みます。
PDF、CSV、JSONL ファイルからトレーニングデータを取り込むか、データセットをゼロから構築します。
データセットをクリーンアップ、洗練、拡張 Data Recipes.
推奨プリセットでトレーニングを開始するか、自分で設定を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 すでに使用しているスタックへローカルに。
Unsloth Studio の各セクションについての詳細解説もご覧いただけます:
動画チュートリアル
動画に表示されている Unsloth Studio のバージョンは古く、現在のバージョンを反映していません。
Studio を始めるために NVIDIA が作成した動画チュートリアルはこちらです:
Unsloth Studio のインストール動画チュートリアル
FAQ
Unsloth はデータを収集または保存しますか？ Unsloth は利用状況テレメトリを収集しません。互換性のために必要最小限のハードウェア情報、たとえば GPU の種類やデバイス（例：Mac）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／既存のモデルをどう使えばいいですか？ 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。現在は Unsloth が自動的に検出するはずですが、そうでない場合は私たちの 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。Unsloth が遅くなる場合は、Web 検索、コード実行、セルフヒーリング付きツールコーリングを有効にしている可能性があります。これらの機能はすべて推論を遅くする場合があります。すべての機能をオフにしてもなお遅い場合は、GitHub 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、こちらの API エンドポイントガイドをご覧ください.
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。コアの Unsloth パッケージは引き続き Apache 2.0でライセンスされ、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.
この構造により、プロジェクトをオープンソースに保ちつつ、より広いエコシステムの成長を可能にしながら、Unsloth の継続的な開発を支援できます。
Studio は LLM のみをサポートしていますか？
いいえ。Studio は、対応するさまざまな transformers 互換モデルファミリーをサポートしており、テキスト、マルチモーダルモデル、 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。
自分のトレーニング設定を使えますか？ 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 のスマート自動コンテキストにより、必要なコンテキストだけを使用し、余分なものを読み込まないため、コンテキスト長の調整はもはや不要です。ただし、必要な場合に使えるよう、この機能は近いうちに追加する予定です。
UI を使うにはモデルを学習させる必要がありますか？ いいえ、どのモデルもファインチューニングせずに、任意の GGUF やモデルをダウンロードして使えます。
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懸命に取り組んでいます。Unsloth と Unsloth Studio の次の展開として、マルチGPU、Apple Silicon/MLX、AMD の公式サポートをリリースします。繰り返しになりますが、これは Unsloth Studio のベータ版ですので、今後数週間で多くの発表と改善があることを期待してください。また、可能な限り最高かつ最もシンプルな体験を提供するため、NVIDIA と密接に連携してマルチGPU対応にも取り組んでいます。
謝辞
ローンチに参加してくださった NVIDIA と Hugging Face に心より感謝します。また、Unsloth Studio の初期ベータテスターの皆さまにも、時間とフィードバックを本当にありがとうございました。さらに、Unsloth Studio を可能にしたインフラを提供してくれた llama.cpp、PyTorch、そしてオープンモデル研究所の皆さまにも感謝いたします。
最終更新
役に立ちましたか？