🦥Unsloth Studioのご紹介

私たちは発表します Unsloth Studio （ベータ版）: 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つに統合した 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, MLX および拡散型の画像/動画モデルをローカルで Mac、Windows、Linux。

• 500以上のモデルを、VRAMを70%削減しながら2倍速く学習（精度低下なし）

• テキスト、拡散型ビジョン、TTS音声、埋め込みモデルを実行・学習

正確なツール呼び出し

50%高精度で、自己修復するツール呼び出しとサンドボックス化されたコード実行を利用できます

拡散型画像/動画

MiniMax H3のような画像/動画拡散モデルを、2倍速い推論で実行・学習できます。

エージェントをローカル化

ローカルLLMを、モデル切り替え対応でClaude CodeやCodexのようなエージェント系ツールに接続

無制限のWeb検索

無制限の、プライベートで安全なWeb検索と深いリサーチを利用できます

最新モデルを実行

最新のMuse Glimmer、MiniMax-H3、Kimi K3、Qwen3.8モデルを探索、管理、学習できます。

どこにでもデプロイ

モデルを安全にリモートデプロイし、Cloudflare HTTPS経由でどこからでもUnslothにアクセス

• macOS: 学習、MLX、GGUF推論はすべて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 から PDF、CSV、JSON、DOCX、TXT ファイル。

• ローカルモデルを、以下を含む任意のエージェントに接続 Claude Code, Codex, Hermes など。

• エクスポートまたは保存 モデルをGGUF、16ビットsafetensorなどへ。

• 自己修復型ツール呼び出し / 高度な Web検索 + コード実行

• 推論設定を自動調整、チャットテンプレートを編集し、Unslothを APIエンドポイント.

⭐ 機能

コードを実行 + ツール呼び出しを自己修復

Unsloth Studioでは、LLMは権限回避付きのJavaScriptだけでなく、BashやPythonも実行できます。また、Claude Artifactsのようなプログラムもサンドボックス化されるため、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: Unslothはサンドボックスを作成し、GLM-5.2がコードを実行できるようにします。その結果はCanvasでHTMLプレビューとして表示されます。

Web検索を強化

Unslothのプライベートで無制限かつ安全なWeb検索は、サイト要約をなぞるだけでなく、実際にページへ直接アクセスして関連情報やデータを収集します。これにより、より正確で深い情報と文脈を出力できます。

例: Qwen3.5-4Bは20以上のWebサイトを検索し、ソースを引用しました。Web検索は思考トレースの内部で行われます。

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 と Codex それを接続することで UnslothのAPIエンドポイント。つまり、Unslothの推論機能を使って、これらのツール内でQwenやGemmaのモデルを直接実行でき、自己修復型ツール呼び出しやWeb検索などの機能も利用できます。

また、 プロバイダを接続 OpenAI、Anthropic、vLLMなどをUnslothに接続できます。

ノーコード学習

PDF、CSV、JSONをアップロード ドキュメントやYAML設定をアップロードすると、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、新バージョンも近日登場します。

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、自己修復型の ツール呼び出し、高度な Web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できます。

モデルを横並びで比較。llama.cpp + Hugging Faceによって、Unslothは マルチGPU推論、 自動オフロードとメモリ収まり調整、そしてほとんどのモデルに対応します。

Data Recipes

Data Recipes グラフノードのワークフローを通じて、ドキュメントを使える/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してください。Unsloth Data RecipesはNVIDIA Nemoによって強化されています Data Designer、ドキュメントを希望の形式へ自動変換します。

可観測性

得られるのは 完全な可視性 です。学習実行の状況を把握し、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他のデバイスでも学習進捗を確認できます。

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済みモデルを含め、safetensorsやGGUFに出力して、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、実行結果を見返したり、再エクスポートしたり、試行錯誤できます。

プライバシー優先 + 安全

Unsloth Studioは、100%オフラインでPC上のローカル環境でも使用できます。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、データを安全に保ちます。

以前HFなどからダウンロードした既存/古いモデルやGGUFも使用できます。以下をお読みください 手順はこちら.

⚡ クイックスタート

Unsloth Desktopでインストール

Unsloth Studioをインストールする最も簡単な方法は、ネイティブのデスクトップアプリを使うことです。お使いのOSに合わせてダウンロードしてください:

• macOS用をダウンロード

• Windows用をダウンロード

• Linux用をダウンロード

Unsloth Studioを手動でインストールする場合は、以下のコマンドを使ってください。更新するには同じコマンドをもう一度実行します:

macOS、Linux、WSL:

Windows PowerShell:

Unslothを起動

HTTPSとCloudflareで安全にUnslothを起動

新登場！ Unslothは、無料のCloudflareトンネルを通じてHTTPSで安全にUnslothを起動する方法を提供します。以下を使用してください（Windows、Mac、Linuxで動作します）:

インストールとアンインストールの詳細は、 Unsloth Studioのインストール セクションをご覧ください。

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。ColabのT4 GPU上でUnslothのすべての機能を試せます。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が表示されます。

Google Colabcolab.research.google.com

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。

👾 Unsloth Start

Unsloth Start を使って接続できます Claude Code, Codex やその他のエージェントを、ローカルモデルへ unsloth start コマンドで接続できます。

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:

置き換えてください claude を以下の任意のエージェントに:

ワークフロー

Unsloth Studioの一般的なワークフローを紹介します。

1. 次からUnslothを起動 インストール手順.

2. ローカルファイルまたは対応インテグレーション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. データセットをクリーンアップ、洗練、拡張して Data Recipes.

5. 推奨プリセットで学習を開始するか、設定を自分で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 して、既に使っているスタックへローカルに保存します。

Unsloth Studioの各セクションについての個別の詳説もお読みいただけます:

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。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/既存のモデルは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が自動で検出するはずですが、そうでない場合は以下をお読みください 手順はこちら.

Unslothで推論が遅くなることがあるのはなぜですか？ 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、速度はほぼ同じはずです。ときどきUnslothが遅くなるのは、Web検索、コード実行、自己修復型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、 APIエンドポイントガイドはこちら.

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。Unslothのコアパッケージは引き続き Apache 2.0の下でライセンスされており、Unsloth Studio UIなどの一部の任意コンポーネントは AGPL-3.0.

この構成は、プロジェクトをオープンソースのまま保ちながら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します。

UnslothはLLMだけをサポートしていますか？ いいえ。Unslothは幅広い transformers 対応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、 音声合成、音声、 埋め込み、およびBERT形式のモデルを含みます。

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が関連設定を事前入力します。

UIを使うためにモデルを学習する必要がありますか？ いいえ、モデルを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するだけで使えます。

謝辞

ローンチにご参加いただいた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を可能にした基盤を提供してくれたllama.cpp、PyTorch、open model labsにも感謝申し上げます。