# Unsloth Studioの紹介

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。

<a href="/pages/a01cba7455dcbbf4a34e17600cd0b0101df41d37#quickstart" class="button primary" data-icon="bolt">クイックスタート</a><a href="/pages/a01cba7455dcbbf4a34e17600cd0b0101df41d37#features" class="button secondary" data-icon="star">機能</a><a href="https://github.com/unslothai/unsloth" class="button secondary" data-icon="github">Github</a>

* **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

{% hint style="success" %}
**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**](/docs/jp/xin-zhe/changelog.md)**!** ✨
{% endhint %}

<div><figure><img src="/files/d9fb03070308d35a017ffcc60e9f1c441a683277" alt=""><figcaption></figcaption></figure> <figure><img src="/files/12842df0142cb7a837f86ae4e7dad219dfa4a2da" alt=""><figcaption></figcaption></figure></div>

* **MacOS** および **CPU** は次に対応します [チャット](#run-models-locally) GGUF 推論と [Data Recipes](/docs/jp/xin-zhe/studio/data-recipe.md)。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**](/docs/jp/xin-zhe/studio/data-recipe.md) から **PDF、CSV、JSON、DOCX、TXT** ファイル。
* [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。
* [**自己修復型ツール呼び出し**](/docs/jp/xin-zhe/studio/chat.md#auto-healing-tool-calling) / 高度な [**ウェブ検索**](/docs/jp/xin-zhe/studio/chat.md#advanced-web-search) + [**コード実行**](/docs/jp/xin-zhe/studio/chat.md#code-execution)
* [自動推論設定](/docs/jp/xin-zhe/studio/chat.md#auto-parameter-tuning)、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**](#unsloth-as-an-api-endpoint).

## ⭐ 機能

{% columns %}
{% column %}

### **モデルをローカルで実行**

[GGUF を検索して実行](/docs/jp/xin-zhe/studio/chat.md) 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](#execute-code--heal-tool-calling)、高度な [ウェブ検索](/docs/jp/xin-zhe/studio/chat.md#advanced-web-search), [自動推論](/docs/jp/xin-zhe/studio/chat.md#auto-parameter-tuning) 設定、 [**コード実行**](/docs/jp/xin-zhe/studio/chat.md#code-execution) （Bash + Python）、 [API](/docs/jp/ji-ben/api.md)。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](/docs/jp/xin-zhe/studio.md#model-arena)。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。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/c219df5fc541689071df02c2a6ac347cbb9a4847" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### コードを実行 + Tool calling を修復

Unsloth Studio では、LLM は JavaScript だけでなく Bash と Python も実行できます。また、Claude Artifacts のようにプログラムをサンドボックス化するため、モデルはコードをテストし、ファイルを生成し、実際の計算で回答を検証できます。

例：Qwen3.5-4B は20以上のWebサイトを検索して情報源を引用し、そのWeb検索は思考トレース内で行われました。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/44d9105dd956eac31f9586bcf01055a289b0ef3e" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 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](/docs/jp/ji-ben/claude-code.md) および [Codex](/docs/jp/ji-ben/codex.md) それを接続することで [Unsloth の API エンドポイント](/docs/jp/ji-ben/api.md)。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。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/2552df3313dace7735a365c0b734bbb215081dd4" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **ノーコード学習**

[PDF、CSV、JSON をアップロード](#data-recipes) 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](/docs/jp/moderu/qwen3.5/fine-tune.md) および NVIDIA [Nemotron 3](/docs/jp/moderu/nemotron-3.md). [マルチGPU](/docs/jp/ji-ben/multi-gpu-training-with-unsloth.md) は自動で動作し、新しいバージョンも近日登場します。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/05ac963a5a43998e9eefdfbd4f8f026704d10844" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Data Recipes

[**Data Recipes**](/docs/jp/xin-zhe/studio/data-recipe.md) 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](https://github.com/NVIDIA-NeMo/DataDesigner)は、文書を自動で希望の形式に変換します。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/f09f09365ef83438a850d5311cfcf94af4eec705" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 可観測性

獲得 [完全な可視性](/docs/jp/xin-zhe/studio/start.md#training-progress) 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。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/9143e0d098aa4a820483c667fa4a74eea1df4191" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 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**](/docs/jp/xin-zhe/studio/export.md)、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。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/3c25cdec74de8b5c85a2935b06a809a741b466a1" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### モデルアリーナ

チャットして [2つの異なる](/docs/jp/xin-zhe/studio/chat.md#model-arena) 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。
{% endcolumn %}

{% column %}

<div align="center" data-with-frame="true"><figure><img src="/files/a110f0d8a2c99deb04e2270595d401597bb9407b" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 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](/docs/jp/xin-zhe/studio/chat.md#using-old-existing-gguf-models).
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/4eb76fbf0b7e836f2cb03134dfa0ba521630e379" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
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。
{% endhint %}

## ⚡ 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](#run-models-locally) 推論と [Data Recipes](/docs/jp/xin-zhe/studio/data-recipe.md).
* **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](/docs/jp/xin-zhe/studio/data-recipe.md) 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](/docs/jp/meru/install/amd.md)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:**

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

### **Windows PowerShell:**

```bash
irm https://unsloth.ai/install.ps1 | iex
```

#### Unsloth を起動

```bash
unsloth studio -H 0.0.0.0 -p 8888
```

### Docker:

公式の **Docker イメージ**: [`unsloth/unsloth`](https://hub.docker.com/r/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。

{% code overflow="wrap" expandable="true" %}

```bash
docker run -d -e JUPYTER_PASSWORD="mypassword" \
  -p 8888:8888 -p 8000:8000 -p 2222:22 \
  -v $(pwd)/work:/workspace/work \
  --gpus all \
  unsloth/unsloth
```

{% endcode %}

{% hint style="success" %}
**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。**
{% endhint %}

**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**](/docs/jp/xin-zhe/studio/install.md) **セクションをご覧ください。**

{% content-ref url="/pages/8454803abb981b29f6c46027668d1416d8da0199" %}
[Installation](/docs/jp/xin-zhe/studio/install.md)
{% endcontent-ref %}

### <i class="fa-google">:google:</i> Google Colab ノートブック

私たちは [無料の Google Colab ノートブック](https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb) 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。

{% columns %}
{% column %}
{% embed url="<https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb>" %}

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。**
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/c2e6c03ca0fd0fbcba8cd4e7a6ef00160dfef1ea" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
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。
{% endhint %}

## <i class="fa-seedling">:seedling:</i> 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:

1. Studio を起動 [インストール手順](/docs/jp/xin-zhe/studio/install.md).
2. 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。
3. 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。
4. データセットをクリーンアップ、洗練、拡張 [Data Recipes](/docs/jp/xin-zhe/studio/data-recipe.md).
5. 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。
6. 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。
7. [保存またはエクスポート](/docs/jp/xin-zhe/studio.md#export-save-models) 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:

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/511d3548745f95b53d7c4df809a4aeb55f219840" %}
[Get Started](/docs/jp/xin-zhe/studio/start.md)
{% endcontent-ref %}

{% content-ref url="/pages/a58a8ab897451539e1493312c6a640b4d5ee40b7" %}
[Model Export](/docs/jp/xin-zhe/studio/export.md)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="/pages/1efc27ff794b527bf40ca1399ab10a6c28cc4b61" %}
[Data Recipes](/docs/jp/xin-zhe/studio/data-recipe.md)
{% endcontent-ref %}

{% content-ref url="/pages/ca5ab7d9f589ffe0771972c3c3b4665342eb3baf" %}
[Studio Chat](/docs/jp/xin-zhe/studio/chat.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

## <i class="fa-video">:video:</i> 動画チュートリアル

{% hint style="warning" %}
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。
{% endhint %}

{% columns fullWidth="false" %}
{% column %}
{% embed url="<https://www.youtube.com/watch?v=mmbkP8NARH4>" fullWidth="false" %}

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:
{% endcolumn %}

{% column %}
{% embed url="<https://youtu.be/1lEDuRJWHh4?si=GHaS77ZZPOGjn3GJ>" %}

Unsloth Studio のインストール動画チュートリアル
{% endcolumn %}
{% endcolumns %}

## <i class="fa-comments-question">:comments-question:</i> 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](/docs/jp/xin-zhe/studio/chat.md#using-old-existing-gguf-models).

**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](/docs/jp/ji-ben/api.md).

**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**](https://github.com/unslothai/unsloth?tab=Apache-2.0-1-ov-file)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**](https://github.com/unslothai/unsloth?tab=AGPL-3.0-2-ov-file).

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](/docs/jp/ji-ben/text-to-speech-tts-fine-tuning.md)、音声、 [埋め込み](/docs/jp/ji-ben/embedding-finetuning.md)、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。


---

# Agent Instructions: 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/xin-zhe/studio.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.