🦥Unsloth Studio を紹介
Unsloth Studio でローカルに AI モデルを実行・トレーニング。
本日、私たちはローンチします Unsloth Studio （ベータ）：オープンソースのノーコードWeb UIで、オープンモデルのトレーニング、実行、エクスポートを一つの統合された ローカル インターフェース。
GGUFを実行 およびsafetensorモデルをローカルで実行 Mac、Windows、Linux。
500以上のモデルを2倍速でトレーニング、VRAMを70%節約（精度低下なし）
テキスト、ビジョン、TTSオーディオ、埋め込みモデルの実行とトレーニング
MacOS および CPU で動作します チャット GGUF推論。MLXトレーニングは近日対応予定。
データセットは不要です。 データセットを自動作成 元の PDF、CSV、JSON、DOCX、TXT ファイルから。
エクスポートまたは保存 モデルをGGUF、16ビットsafetensorなどに保存。
自己修復ツール呼び出し / ウェブ検索 ＋ コード実行
自動推論パラメータ 調整とチャットテンプレートの編集。
⭐ 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 自己修復ツールで 呼び出し / ウェブ検索、 自動推論 パラメータ調整、 コード実行 および API。画像、ドキュメント、音声、コードファイルをアップロードできます。
モデルを並べて対戦。llama.cpp + Hugging Faceにより動作し、私たちはサポートします マルチGPU推論 およびほとんどのモデル。
ノーコードトレーニング
PDF、CSV、JSONをアップロード ドキュメントやYAML構成をアップロードして、NVIDIA上で即座にトレーニングを開始できます。Unslothのカーネルは500以上のテキスト、ビジョン、TTS/オーディオ、埋め込みモデルに対してLoRA、FP8、FFT、PTを最適化します。
最新のLLM（例：）をファインチューニング Qwen3.5 およびNVIDIAの Nemotron 3. マルチGPU は自動で動作し、近く新しいバージョンが提供されます。
データレシピ
データレシピ はグラフノードワークフローを通じてドキュメントを利用可能／合成データセットに変換します。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。Unsloth Data RecipesはNVIDIAにより DataDesignerとして、ドキュメントを希望のフォーマットに自動変換します。
可観測性
完全な 可視性 とトレーニング実行の制御を得られます。トレーニング損失、勾配ノルム、GPU利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。
携帯電話など他のデバイスでトレーニング進捗を確認することもできます。
モデルのエクスポート / 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したモデルを含め、safetensorsやGGUFへエクスポートしてllama.cpp、vLLM、Ollama、LM Studioなどで使用できます。
トレーニング履歴を保存するため、実行を再訪したり再エクスポートしたり実験できます。
モデルアリーナ
チャットして 2つの異なる モデル（ベースモデルとファインチューニング済みモデルなど）を比較して出力の違いを確認できます。
まず最初のGGUF/モデルをロードし、次に2番目をロードするだけで、 voilà！推論は最初に1つのモデルが読み込まれ、その後2つ目が読み込まれます。
これは ベータ 版のUnsloth Studioである点にご注意ください。今後数日・数週間で多数の改善、修正、新機能を期待してください。私たちが積極的に対処している課題の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（現時点ではチャットのみ）で動作します。
CPU： UnslothはGPUなしでも動作しますが、ただし チャット 推論のみです。
トレーニング： NVIDIA GPUで動作：RTX 30、40、50、Blackwell、DGX Spark/Stationなど。
Mac： CPUと同様に - 現時点ではチャットのみ動作します。 MLX トレーニングは非常に近く対応予定です。
近日対応予定： サポート： Apple MLX, AMD、および Intel.
マルチGPU： すでに動作しており、大幅なアップグレードが進行中です。
Windows、MacOS、Linux、WSL：
または、私たちの Dockerイメージ: unsloth/unslothを使用してください。私たちの Dockerガイド.
最初のインストールは5〜10分かかることがあります。これは正常で、 llama.cpp がバイナリをコンパイルする必要があるためです。次回はそれほど時間がかからないように事前コンパイル済みバイナリに取り組んでいます。
ソースからGit：
インストールの詳細については、次のページをご覧ください： Unsloth Studio インストール セクション。 またNVIDIAの ビデオチュートリアルはこちら.
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 ので、ColabのT4 GPU上でUnslothのすべての機能を試すことができます。ほとんどのモデル（最大22Bパラメータ）をトレーニングおよび実行でき、より大きなモデルにはより大きなGPUに切り替えることができます。「すべて実行」をクリックすれば、インストール後にUIが表示されるはずです。
T4 GPUではllama.cppのコンパイルに40分以上かかるため、より高速を求めるならより大きなGPUの使用を推奨します。
インストールが完了したら、スクロールして Unsloth Studio を起動 を見つけてクリック Unsloth Studio を開く 左に表示される白いボックス内をクリックしてください：
ワークフロー
Unsloth Studioを始めるための一般的なワークフローは次のとおりです：
インストール手順からStudioを起動 インストール手順.
ローカルファイルまたはサポートされている統合からモデルをロードします。
PDF、CSV、またはJSONLファイルからトレーニングデータをインポートするか、データセットを最初から構築します。
データセットをクリーンアップ、精練、拡張して データレシピ.
推奨プリセットでトレーニングを開始するか、設定を自分でカスタマイズします。
トレーニング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。
ローカルに保存またはエクスポート 既に使用しているスタックへ保存します。
Unsloth Studioの各セクションについての詳細な解説もご覧いただけます：
ビデオチュートリアル
ここに、Studioの利用を開始するためにNVIDIAが作成したビデオチュートリアルがあります：
よくある質問
Unslothはデータを収集または保存しますか？ 私たちは使用テレメトリを収集しません。互換性のために必要最低限のハードウェア情報（GPUの種類やデバイス（例：Mac）など）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。
Unslothは現在AGPL-3.0の下でライセンスされていますか？ いいえ。主要なUnslothパッケージは引き続き Apache 2.0の下でライセンスされています。特定のオプションコンポーネント、例えば Unsloth Studio UIは AGPL-3.0 オープンソースライセンスの下にあります。 Unslothは現在デュアルライセンスを採用しており、コードベースの一部はApache 2.0で、他の部分はAGPL-3.0でライセンスされています。この構成により、プロジェクトをオープンソースのままにしつつ、継続的なUnslothの開発を支援しエコシステムの成長を可能にします。
StudioはLLMのみをサポートしていますか？
いいえ。Studioはサポートされたさまざまな transformers 互換のモデルファミリー、テキスト、マルチモーダルモデル、 テキスト音声合成、オーディオ、 埋め込み、およびBERTスタイルのモデルを含む幅広いモデルをサポートします。
独自のトレーニング設定を使用できますか？ 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。
UIを使うのにモデルをトレーニングする必要がありますか？ いいえ。ファインチューニングしなくても任意のGGUFやモデルをダウンロードして使用できます。
Unslothの将来
私たちはオープンソースのAIをできるだけアクセスしやすくするために努力しています。UnslothとUnsloth Studioの次の対応として、公式にサポートをリリースする予定です：マルチGPU、Apple Silicon/MLX、AMD、Intel。これはUnsloth StudioのBETA版であることを再度お知らせしますので、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。最良かつ最もシンプルな体験を提供するため、マルチGPUのサポートについてはNVIDIAと密接に協力しています。
謝辞
ローンチに協力してくれた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様にも感謝します。皆様の時間とフィードバックに深く感謝しています。さらに、Unsloth Studioを可能にしたインフラを提供してくれた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？