> 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/xin-zhe/studio.md). # Unsloth Studio のご紹介 本日、私たちは **Unsloth Studio** （ベータ）：オープンソースのノーコードWeb UIで、オープンモデルの学習・実行・エクスポートを1つの統合された **ローカル** インターフェース。 クイックスタート機能GitHub * **GGUFを実行** およびsafetensorモデルを次の環境でローカルに **Mac**、Windows、Linux。 * 70%少ないVRAMで500以上のモデルを2倍速く学習（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 {% hint style="success" %} **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**](/docs/jp/xin-zhe/changelog.md)**!** ✨ {% endhint %}
* **MacOS:** 学習、MLX、GGUF推論のすべてがUnsloth内で動作します。 * データセットは不要です。 [**データセットを自動生成**](/docs/jp/xin-zhe/studio/data-recipe.md) 次の形式から **PDF、CSV、JSON、DOCX、TXT** ファイル。 * ローカルモデルを以下を含むあらゆるエージェントに接続できます [Claude Code](/docs/jp/ji-ben/claude-code.md), [Codex](/docs/jp/ji-ben/codex.md), [Hermes](/docs/jp/tong-he/hermes-agent.md) など。 * [エクスポートまたは保存](/docs/jp/xin-zhe/studio/export.md) あなたのモデルを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 [**Web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を編集し、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モデルを自己修復型 [ツール呼び出し](#execute-code--heal-tool-calling)、高度な [Web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。 [モデルを並べて比較](/docs/jp/xin-zhe/studio.md#model-arena)。llama.cpp + Hugging Face を基盤に、Unslothは **マルチGPU推論、** 自動オフロードとフィッティング、そしてほとんどのモデルをサポートします。 {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% columns %} {% column %} ### コードを実行 + ツール呼び出しを修復 Unsloth Studioでは、LLMはJavaScriptだけでなくBashやPythonも実行できます。さらにClaude Artifactsのようにプログラムをサンドボックス化し、モデルがコードをテストし、ファイルを生成し、実際の計算で回答を検証できるようにします。 例：Qwen3.5-4Bは20以上のWebサイトを検索してソースを引用し、そのWeb検索は思考トレース内で行われました。 {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% columns %} {% column %} ### APIエンドポイントとしてのUnsloth 今では、以下のようなツールを通じてローカルLLMを使えます [Claude Code](/docs/jp/ji-ben/claude-code.md) と [Codex](/docs/jp/ji-ben/codex.md) を [UnslothのAPIエンドポイント](/docs/jp/ji-ben/api.md)に接続することで利用できます。つまり、これらのツール内でQwenやGemmaのモデルを、自己修復型ツール呼び出しやWeb検索などを含むUnslothの推論機能付きで直接実行できます。 また、 [プロバイダーを接続することもできます](/docs/jp/tong-he/connections.md) OpenAI、Anthropic、vLLMなどをUnslothに。 {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% columns %} {% column %} ### **ノーコード学習** [PDF、CSV、JSON](#data-recipes) のドキュメントやYAML設定をアップロードし、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、新しいバージョンが登場予定です。 {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% columns %} {% column %} ### データレシピ [**データレシピ**](/docs/jp/xin-zhe/studio/data-recipe.md) は、グラフノードのワークフローを通じて、あなたのドキュメントを使いやすい／合成データセットに変換します。PDF、CSV、JSONなどの非構造化または構造化ファイルをアップロードできます。NVIDIA Nemoを搭載したUnsloth Data Recipes [データデザイナー](https://github.com/NVIDIA-NeMo/DataDesigner)は、ドキュメントを自動で希望の形式に変換します。 {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% columns %} {% column %} ### 可観測性 得られる [完全な可視性](/docs/jp/xin-zhe/studio/start.md#training-progress) を学習実行に対して確保し、かつ制御できます。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。 スマートフォンなどの他のデバイスで学習の進捗を見ることもできます。 {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% columns %} {% column %} ### 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**](/docs/jp/xin-zhe/studio/export.md)、ファインチューニング済みモデルも含めて、safetensorsまたはGGUFにエクスポートでき、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、実行結果を見直したり、再度エクスポートしたり、試行錯誤できます。 {% endcolumn %} {% column %}
{% 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、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。すると、はい完了！ 推論はまず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。 {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% columns %} {% column %} ### プライバシーファースト + 安全性 Unsloth Studioは100%オフラインで、あなたのコンピュータ上でローカルに使用できます。暗号化されたパスワードと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。 以前にHFなどからダウンロードした既存／古いモデルやGGUFも使用できます。 [こちらの手順](/docs/jp/xin-zhe/studio/chat.md#using-old-existing-gguf-models). {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% hint style="warning" %} ご注意ください。これは **ベータ** 版のUnsloth Studioです。今後数日から数週間で多くの改善、修正、新機能が登場する予定です。 {% endhint %} ## ⚡ クイックスタート Unsloth StudioはWindows、Linux、WSL、MacOSxで動作します。 * **CPU:** GPUがなくてもUnslothは動作しますが、ただし [チャット](#run-models-locally) 推論と [データレシピ](/docs/jp/xin-zhe/studio/data-recipe.md). * **学習:** 対応 **NVIDIA**, **Intel**, **Apple**、および [**AMD**](/docs/jp/ji-ben/amd.md) GPU * **Mac:** 学習、MLX、GGUF推論のすべてがサポートされています。 * **推論:** ほぼすべてのデバイスとハードウェアでサポート * **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。 下記の同じインストールコマンドを使用して **更新**: ### **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 ``` **HTTPSとCloudflareで安全にUnslothを起動** **新規！** Unslothでは、無料のCloudflareトンネルを通じてHTTPSでUnslothを起動する安全な方法を提供するようになりました。以下を使用してください（Windows、Mac、Linuxで動作します）： ```bash unsloth studio --secure ``` **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のインストール**](/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 %} #### :google: 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のすべての機能を試せます。最大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高性能なGPUへ切り替えられます。'Run all'をクリックするだけで、インストール後にUIが表示されるはずです。 {% columns %} {% column %} {% embed url="" %} インストールが完了したら、 **Start Unsloth Studio** までスクロールし、 **Open Unsloth Studio** を左側に表示されている白いボックスでクリックしてください： **さらに下までスクロールすると、実際のUIが表示されます。** {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% hint style="warning" %} 場合によっては、Unsloth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、広告ブロッカーやMozillaを使用しているために起こることがあります。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 %} ### 👾 Unsloth Start {% columns %} {% column width="58.333333333333336%" %} [Unsloth Start](/docs/jp/tong-he/unsloth-start.md) が接続できるようにします [Claude Code](/docs/jp/ji-ben/claude-code.md), [Codex](/docs/jp/ji-ben/codex.md) および他のエージェントを、以下の `unsloth start` コマンドを使ってローカルモデルに。 Unslothを起動し、モデルを読み込み、プロジェクトフォルダを開いてから、次を実行します： ```bash unsloth start claude ``` 置き換えてください `claude` を以下の任意のエージェントに： {% endcolumn %} {% column width="41.666666666666664%" %}

Claude CodeがQwen3.5をローカルで実行している様子。

{% endcolumn %} {% endcolumns %} | エージェント | コマンド | | ------------------------------------------------------------------ | ------------------------ | | :claude: Claude Code | `unsloth start claude` | | :openai: OpenAI Codex | `unsloth start codex` | | :caduceus: Hermes Agent | `unsloth start hermes` | | :lobster: OpenClaw | `unsloth start openclaw` | | :rectangle-vertical: OpenCode | `unsloth start opencode` | ## :seedling: ワークフロー 以下は、Unsloth Studioを使い始めるための一般的なワークフローです： 1. 次からUnsloth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統合機能からモデルを読み込みます。 3. PDF、CSV、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構築します。 4. データセットをクリーンアップ、洗練、拡張し [データレシピ](/docs/jp/xin-zhe/studio/data-recipe.md). 5. 推奨プリセットで学習を開始するか、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) すでに使っ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個別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 %} ## :comments-question: FAQ **Unslothはデータを収集または保存しますか？**\ Unslothは使用状況のテレメトリを収集しません。互換性のために必要な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%オフラインでローカルに動作します。 **Hugging Faceから以前ダウンロードした古い／既存のモデルを使うにはどうすればよいですか？**\ はい、以前に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によって自動検出されるはずです。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では推論が遅くなることがあるのですか？**\ Unslothは他のローカル推論アプリと同様にllama.cppで動作しているため、速度はほぼ同じはずです。Unslothが遅くなる場合は、Web検索、コード実行、自己修復型ツール呼び出しを有効にしている可能性があります。これらの機能は推論を遅くすることがあります。すべての機能をオフにしても速度差がまだ遅い場合は、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ライセンスなのですか？**\ 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**](https://github.com/unslothai/unsloth?tab=Apache-2.0-1-ov-file)のライセンスであり、一方でUnsloth Studio UIのような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). 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のまま保ちつつ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促進するのに役立ちます。 **UnslothはLLMだけをサポートしていますか？**\ いいえ。Unslothは対応する `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、マルチモーダルモデル、 [音声合成](/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風モデルを含みます。 **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、Unslothが関連する設定を事前入力します。 **UIを使うためにモデルの学習は必要ですか？**\ いいえ、どのモデルもファインチューニングせずに、GGUFやモデルをダウンロードするだけで使えます。 #### Unslothの未来 私たちは、オープンソースAIをできる限り使いやすくするために懸命に取り組んでいます。UnslothとUnsloth Studioの次の予定として、マルチGPU、Apple Silicon/MLX、AMDへの公式サポートを公開します。これはUnsloth Studioのベータ版であることを念頭に置いてください。今後数週間で多くのお知らせや改善があるはずです。また、NVIDIAと緊密に連携してマルチGPUサポートにも取り組んでおり、可能な限り最高で最もシンプルな体験を提供します。 #### 謝辞 リリース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心より感謝しています。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。 --- # 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, and the optional `goal` query parameter: ``` GET https://unsloth.ai/docs/jp/xin-zhe/studio.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. 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.