> 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** （ベータ版）：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** インターフェースで行える、オープンソースのノーコード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で。
* VRAMを70%削減しながら500以上のモデルを2倍速く学習（精度低下なし）
* テキスト、画像、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 %}

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

* **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) あなたのモデルをGGUF、16-bit safetensorなどへ。
* [**自己修復ツール呼び出し**](/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 [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、文書、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 によって支えられ、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 %}

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

{% columns %}
{% column %}

### コード実行 + ツール呼び出しの修復

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。

たとえばQwen3.5-4Bは20以上のWebサイトを検索し、出典を引用しました。Web検索は思考トレースの中で行われました。
{% 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

現在、次のようなツールを通じてローカルLLMを使用できます： [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。つまり、自己修復ツール呼び出し、Web検索などの機能を備えたUnslothの推論を使って、それらのツール内でQwenやGemmaのモデルを直接実行できます。

また、 [プロバイダーを接続する](broken://pages/d43d7b4603ab2319ce1b2b81a2f24e5b00764c03) こともできます。たとえばOpenAI、Anthropic、vLLMなどをUnslothに接続できます。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/77e863c5bd956050b90ee75739b6a07e63ef9f71" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **ノーコード学習**

[PDF、CSV、JSON](#data-recipes) の文書または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、画像、TTS/音声、埋め込みモデル全体でLoRA、FP8、FFT、PTを最適化します。

Qwen3.5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) と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、新バージョンも近日登場予定です。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/05ac963a5a43998e9eefdfbd4f8f026704d10844" alt=""><figcaption></figcaption></figure></div>
{% 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、文書を利用可能な／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 を搭載した 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) を学習実行に対して得て、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からでも、学習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を含め、safetensorsまたはGGUFへエクスポートし、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、実行を再確認し、再度エクスポートして試行できます。
{% 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) モデルを比較し、ベースモデルとファインチューニング済みモデルなど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、はい完了です！推論ではまず1つ目のモデルが読み込まれ、その後2つ目のモデルが読み込まれます。
{% 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 + 安全

Unsloth Studioは100%オフラインで、ローカルのコンピューター上で使用できます。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、データは安全に保たれます。

以前HF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。 [こちらの手順をお読みください](/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 **ベータ** 版のUnsloth Studioです。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。
{% endhint %}

## ⚡ クイックスタート

Unsloth StudioはWindows、Linux、WSL、MacOSxで動作します。

* **CPU:** UnslothはGPUなしでも動作しますが、 [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**：RTX 30、40、50、Blackwell、DGX Spark/Stationなど + **Intel** GPU
* **Mac:** 学習、MLX、GGUF推論のすべてがサポートされています。
* **AMD:** チャットは動作します。 [Unsloth Core](/docs/jp/meru/install/amd.md)で学習してください。Studio対応はまもなく提供予定です。
* **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。

以下の同じインストールコマンドを使って **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
```

### Docker:

公式の **Dockerイメージ**: [`unsloth/unsloth`](https://hub.docker.com/r/unsloth/unsloth) をご利用ください。現在はWindows、WSL、Linuxで動作します。MacOS対応は近日公開予定です。

{% 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、プリコンパイル済みのllama.cppバイナリにより、6倍高速になり、サイズも50%削減されました。**
{% 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 %}

### <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) を作成したので、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、より大きなモデルではより大きな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、 **Unsloth Studioを開始** までスクロールして、 **Unsloth Studioを開く** 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。**
{% endcolumn %}

{% column %}

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

{% hint style="warning" %}
場合によっては、Studio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、広告ブロッカーを使っているか、Mozillaを使用しているために起こります。ボタンの下へスクロールすれば、UIには引き続きアクセスできます。
{% endhint %}

## <i class="fa-seedling">:seedling:</i> ワークフロー

Unsloth Studioの一般的なワークフローは以下のとおりです。

1. から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してい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作成します。
4. で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、ベースモデルの出力と比較します。
7. [保存またはエクスポート](/docs/jp/xin-zhe/studio.md#export-save-models) して、すでに使っているスタックにローカルで組み込みます。

Unsloth Studioの各セクションについての個別の詳しい解説はこちらです：

{% 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-comments-question">:comments-question:</i> FAQ

**Unslothはデータを収集または保存しますか？**\
Unslothは利用状況のテレメトリを収集しません。Unslothが収集するのは、GPUの種類やデバイス（例：Mac）など、互換性のために必要な最小限のハードウェア情報のみです。Unsloth Studioは100%オフラインでローカルに動作します。

**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。現在はUnslothによって自動検出されるはずですが、そうでない場合は私たちの [こちらの手順をお読みください](/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によって動作しているため、速度はほぼ同じはずです。Unslothが遅くなることがあるのは、Web検索、コード実行、自己修復ツール呼び出しをオンにしているためかもしれません。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速度差がある場合は、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の下でライセンスされていますか？**\
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)の下でライセンスされており、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に保ちながら継続的なUnsloth開発を支え、より広いエコシステムの成長を促すのに役立ちます。

**StudioはLLMのみをサポートしますか？**\
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](/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。

**自分の学習設定を使えますか？**\
はい。YAML設定を取り込むと、Studioが関連する設定をあらかじめ入力します。

**UIを使うにはモデルを学習する必要がありますか？**\
いいえ、どのGGUFやモデルでも、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の次のリリースでは、マルチGPU、Apple Silicon/MLX、AMDの公式サポートを提供します。これはUnsloth StudioのBETA版であることを忘れないでください。今後数週間で多くの発表と改善がある見込みです。さらに、最良で最もシンプルな体験を提供するため、マルチGPUサポートについてNVIDIAと緊密に協力しています。

#### 謝辞

ローンチに参加してくださったNVIDIAとHugging Faceに心から感謝します。また、Unsloth Studioの初期ベータテスターの皆さんにも感謝します。皆さん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れたllama.cpp、PyTorch、そしてオープンモデルラボにも感謝します。


---

# 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:

```
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.