概要

• **Unsloth Studio (Beta)**は、ローカル環境でオープンモデルのトレーニング・実行・エクスポートをノーコードで実現するオープンソースWeb UI
• 500以上のモデルを高速・省メモリで扱うことが可能
• データインポート・可視化・エクスポートなど多彩な機能を搭載
• 完全オフライン・高セキュリティな運用が可能
• 現在はBETA版であり、今後も機能拡張・改善を予定

Unsloth Studio (Beta) 概要

• **Unsloth Studio (Beta)**は、オープンソースかつノーコードのWeb UIによる統合型ローカルAI環境
• Mac, Windows, LinuxでGGUFやsafetensor形式のモデルをローカル実行可能
• 500種類以上のモデルを、精度を維持したまま2倍高速・70%少ないVRAMでトレーニング
• テキスト、画像認識、TTS音声、埋め込みモデルへの対応
• MacOSやCPUでもチャット推論が可能（MLXトレーニングは近日対応）

主な機能と特徴

• PDF, CSV, JSON, YAML形式のドキュメントをアップロードし、即座にNVIDIA環境でトレーニング開始
• Unsloth独自カーネルでLoRA、FP8、FFT、PT最適化対応
• 最新LLM（Qwen3.5, NVIDIA Nemotron 3等）のファインチューニング
• マルチGPU自動対応、今後もアップグレード予定
• Data Recipes機能で、非構造・構造データを合成データセット化
  • NVIDIA DataDesignerを活用し、希望フォーマットへ自動変換
• トレーニングの進捗・損失・勾配ノルム・GPU利用率をリアルタイム可視化
• スマートフォン等他端末からも進捗確認可能
• ファインチューニング済みモデルも含め、safetensorsやGGUF形式でエクスポート
• トレーニング履歴の保存・再エクスポート・比較検証が可能
• モデル比較チャット機能で、ベースモデルとファインチューン済みモデルの出力比較
• 完全オフライン・ローカル動作、トークン認証・JWT・パスワードによる高セキュリティ

対応環境・ライセンス

• Windows, Linux, WSL, MacOS（現時点でMacはチャットのみ）
• CPUのみでもチャット推論可能、トレーニングはNVIDIA GPU（RTX 30, 40, 50, Blackwell, DGX Spark/Station等）対応
• MLXトレーニング（Apple Silicon）は近日対応予定
• マルチGPUは既に動作、今後大幅なアップグレード予定
• 初回インストール時は5-10分程度かかる（llama.cppのバイナリコンパイルのため、今後高速化予定）
• Dockerイメージ対応、Mac互換も開発中（unsloth/unsloth）
• **デュアルライセンス（Apache 2.0 / AGPL-3.0）**で、コアはApache 2.0、Studio UIなど一部はAGPL-3.0

インストール・クイックスタート

• pipインストール:

  pip install unsloth
  unsloth studio setup
  unsloth studio -H 0.0.0.0 -p 8888
  

• Docker実行例:

  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
  

• Google Colabノートブックも提供（T4 GPU推奨、22Bパラメータまで対応、llama.cppのビルドに30分以上かかる場合あり）

ワークフロー

• ローカルファイルまたは対応する統合サービスからモデルをロード
• PDF, CSV, JSONL等からトレーニングデータをインポート、または新規データセット作成
• 推奨プリセットまたはカスタム設定でトレーニング開始
• トレーニング済みモデルとベースモデルのチャット比較
• 各機能の詳細は個別ドキュメント・NVIDIA公式動画チュートリアルを参照

よくある質問（FAQ）

• データ収集について
  • 使用状況のテレメトリは収集せず、互換性確保のための最小限のハードウェア情報のみ取得
  • 完全オフライン・ローカル動作
• 既存モデルの利用
  • Hugging Face等からダウンロード済みのモデル・GGUFも利用可能
• OpenAI互換API
  • Data Recipesで対応、推論APIも近日対応予定
• 対応モデルファミリー
  • テキスト、マルチモーダル、TTS、音声、埋め込み、BERT系など幅広く対応
• 独自トレーニング設定
  • YAMLコンフィグのインポートで設定自動反映
• UIのみの利用
  • トレーニング不要、GGUFやモデルのダウンロードのみでも利用可能

今後の予定・感謝

• 公式サポート予定：マルチGPU、Apple Silicon/MLX、AMD、Intel
• BETA版につき、今後も多数のアップデート・発表を予定
• NVIDIAとの連携強化、最高のマルチGPU体験を目指す
• NVIDIA, Hugging Face, llama.cpp, PyTorch, open model labsへの謝辞
• 早期ベータテスターへの感謝

主な機能まとめ

• モデルのローカル実行
• ノーコードトレーニング
• Data Recipes（データセット自動生成）
• 可視化・オブザーバビリティ
• モデルのエクスポート・保存
• モデルアリーナ（比較）
• プライバシー重視・高セキュリティ

クイックスタート・チュートリアル

• Google Colabノートブック
• ワークフロー動画
• FAQ・詳細ドキュメント

インストール例

• pip install unsloth
• unsloth studio setup
• unsloth studio -H 0.0.0.0 -p 8888