Unsloth Studio - ローカルでAIモデルを訓練・実行するオープンソースのノーコードWeb UI

 (unsloth.ai)
32 ポイント 投稿者 xguru 2026-03-18 | 3件のコメント | WhatsAppで共有
  • テキスト、音声、埋め込み、ビジョンなど多様なAIモデルのローカル実行と学習を1つのインターフェースでサポートするオープンソースツール
  • Mac/Windows/LinuxでGGUF/safetensorモデルをローカル実行でき、学習時には最大2倍の高速化と70%少ないVRAM使用を実現
  • llama.cpp + Hugging FaceベースでマルチGPU推論および大半のモデルをサポート
  • UnslothカーネルがLoRA、FP8、FFT、PTを最適化し、500以上のテキスト、ビジョン、TTS/音声、埋め込みモデルをサポート
  • Qwen3.5、NVIDIA Nemotron 3 など最新LLMのファインチューニングが可能で、マルチGPUを自動サポート
    • フルファインチューニング、4bit/16bit/FP8学習、強化学習（GRPO）など幅広い学習方式をサポート
    • MoE LLMを12倍高速で学習させたり、80GB GPUで50万超のコンテキスト長により20Bモデルを学習したりするなど、最適化技術が継続的に追加中
  • ファインチューニング済みモデルを含むすべてのモデルをsafetensors/GGUFとしてエクスポートでき、llama.cpp、vLLM、Ollama、LM Studioなどで利用可能
  • PDF、CSV、JSONなどの非構造化ドキュメントを自動でデータセットに変換するData Recipes機能と、自己修復ツール呼び出し、コード実行機能を内蔵
  • 訓練損失、GPU使用率をリアルタイムで追跡する観測機能を含む
  • Model Arenaでベースモデルとファインチューニングモデルなど2つのモデルの出力を並べて比較可能
  • 100%オフラインのローカル実行でプライバシーを保証し、Apple MLX・AMD・Intel対応もまもなく追加予定
  • ワークフロー :
    Studioを起動 →
    ローカルファイルまたは対応統合からモデルを読み込み →
    PDF、CSV、JSONLなどで学習データを取り込む、または最初からデータセットを作成 →
    Data Recipesでデータセットを整備・拡張 → 推奨プリセットまたはカスタム設定で学習開始 →
    学習済みモデルとベースモデルの出力を比較 →
    既存の利用スタック向けにローカル保存またはエクスポート
  • ライセンス
    • メインのUnslothパッケージはApache 2.0ライセンス
    • Unsloth Studio UIなど一部の任意コンポーネントにのみAGPL-3.0オープンソースライセンスを適用

関連記事

3件のコメント

 
wedding 2026-03-20

私も出てすぐ試してみたんですが……ページが崩れていて、チュートリアルも先に進めませんでした（泣）
 
wedding 2026-03-20

https://github.com/unslothai/unsloth/…

すぐに直していたんですね！
 
GN⁺ 2026-03-19
Hacker News のコメント

  • まだ MacBook で unsloth studio をきちんとセットアップできていない
    Python 関連のツール周りの問題が原因
    その代わり、すでに Docker コンテナで llama.cpp サーバーを動かしているので、3つのコードベースを比較実験してみた
    1つ目の比較コード、2つ目の比較コード
    かなり興味深い結果だった。unsloth studio が正しく動くようになったら、来週もう一度試す予定

    • もう一度試してもらえると嬉しいです。たった今 PyPI リリースを新しく公開しました
      以下のコマンドでインストールできます 
      curl -LsSf https://astral.sh/uv/install.sh | sh  
uv venv unsloth_studio --python 3.13  
source unsloth_studio/bin/activate  
uv pip install unsloth==2026.3.7 --torch-backend=auto  
unsloth studio setup  
unsloth studio -H 0.0.0.0 -p 8888

  • unsloth の ビジネスモデルが気になる。無料で多くを公開しているのに、収益構造がはっきり見えない

    • 今の主な目標は、オープンソースコミュニティに 役立つツール群を提供することです
      クローズドソースのほうが人気なのは、ツールの品質によるところが大きいと考えています。今後も公開予定のものがたくさんあります
    • チーム規模が8人程度なら、今すぐ資金繰りに苦しんでいるわけではなさそう

  • 学習機能は面白いと思ったが、「on NVIDIA」と書かれていて残念だった
    macOS の Metal スタックで SFT（教師ありファインチューニング）を行うための代替手段やチュートリアルがあるのか気になる

    • ドキュメントの下部に non-Nvidia サポートを準備中と書かれている
      自分も AMD 環境なので期待している。ROCm はつらいが、AMD 自体は気に入っている
    • 「Mac: CPU ベースでのみチャット可能、MLX 学習は近日対応予定」と明記されている
    • その Mac から Nvidia GPU をレンタルして使うのが現実的な代替案かもしれない
    • ｗｗ

  • Unsloth は本当に良いプロジェクトだ
    自前で AI エンジンを回している人なら、ぜひ試す価値がある

  • Apache ライセンスなので会社でも使ってみるつもり
    LMStudio は独自ライセンスなので承認を取るのが難しかった

    • 一部のコンポーネントだけが Apache です

  • AMD サポートはぜひ実現してほしい
    今は AMD GPU で複雑な回避設定を使っている

    • 彼らも AMD サポートを準備中とのこと。自分も待っている

  • macOS でソースからビルドを試したところ、以下の TypeScript エラーが出た
    'status' is declared but its value is never read

    • 修正済みです。以下のコマンドで再度試すことをおすすめします 
      curl -LsSf https://astral.sh/uv/install.sh | sh  
uv venv unsloth_studio --python 3.13  
source unsloth_studio/bin/activate  
uv pip install unsloth --torch-backend=auto  
unsloth studio setup  
unsloth studio -H 0.0.0.0 -p 8888
    • すぐ確認して修正すると言っている

  • macOS で pip インストールするのは システムを壊すリスクがあるのでおすすめしない
    Homebrew パッケージか手動インストール用の zip ファイルが必要

    • 同意。今は「uv」や「mise」でインストールするほうがよいと思う
      uv tool install unsloth で入れれば管理しやすい
    • フィードバックありがとう。インストール手順はさらに改善中です
      主に Python エコシステム出身なので、パッケージング経験が不足していました。Homebrew 対応が次の目標です
    • まず uv をインストールしてから、仮想環境内で Python パッケージを分離して入れることを勧める
    • uv sync を使うとずっときれいに管理できる
      pyproject.toml で依存関係を管理し、1回のコマンドで再現可能な環境を作れる
      以前、ROCm ベースの unreleased バージョンで unsloth をインストールしたが、uv sync の1行で解決した
      関連 Issue コメント
    • pipx で解決できるかもしれない
      pipx インストール文書

  • AMD サポートが追加されたら、また確認しに来る予定

  • Mac で GPU を使うのか気になる
    setup 時には CPU 専用と表示された