Unslothは、自分のハードウェアでLLM、拡散、音声、埋め込みモデルをファインチューニング・実行できるオープンソースのフレームワーク、デスクトップアプリ、Web UIです。ノーコード学習、LoRA、QLoRA、RL手法、データセット作成、GGUFエクスポートをカバーします。
このツールを使いましたか？評価してください
Unslothは、LLMを実行・学習するためのオープンソースフレームワークで、オープンソースのUIで自分のローカルハードウェア上のAIモデルを実行・学習できます。テキスト、ビジョン、拡散による画像と動画、音声、埋め込みモデルを扱い、ローカル推論とLLMファインチューニングの両方に対応します。
Unslothのインストール方法は3通りです。ネイティブアプリのUnsloth Desktop、ブラウザベースのWeb UIであるUnsloth Studio、そして元来のコードベースのPythonパッケージであるUnsloth Coreです。DesktopとStudioはノーコードのインターフェースで、Coreは開発者が自分の学習スクリプトやノートブックから呼び出すライブラリです。
Unsloth DesktopはBetaと表示され、自分のハードウェアでAIモデルを実行・学習できる無料のオープンソースアプリと説明され、macOS、Windows、Linux向けに提供されています。Unsloth StudioもBetaで、オープンモデルの学習・実行・エクスポートを1つのローカルインターフェースで行うオープンソースのノーコードWeb UIと位置づけられています。ホームページはUnsloth Desktopを、オープンソース、無料、100%ローカルという3語で表現しています。2024年のビジネスメディアの人物紹介記事は、同社の共同創業者がMichaelとDaniel Hanの兄弟で、当時Y Combinatorに参加していたと報じました。
Unslothの看板の主張は、LLM、拡散、TTS、埋め込みモデルを精度を落とさず2×速く、VRAMを70%少なく学習できるというものです。これはベンダー自身の数値で、そのテスト条件は後述します。
公開の学習ベンチマークは、H100とBlackwell GPUで、Alpacaデータセット、バッチサイズ2、勾配累積ステップ4、rank 32、全線形層へのQLoRAの条件で実行されています。Hugging Face + FA2のベースラインに対し、表ではLlama 3.3（70B）が速度2x、VRAM 75%超削減、コンテキスト長13x、Llama 3.1（8B）が速度2x、VRAM 70%超削減、コンテキスト長12xとされ、いずれも80GB GPUでの値です。
Unslothは長コンテキストの結果を、自社の勾配チェックポイントアルゴリズムとAppleのCCEアルゴリズムによるものとし、データが多いほどVRAM使用量が少なくなるとしています。これらはベンダーのベンチマークで、独立した測定ではありません。
Unsloth Studioは、微調整済みのものを含むモデルをsafetensorsまたはGGUFにエクスポートし、llama.cpp、vLLM、Ollama、LM Studioなどのランタイムで使えるようにします。Unslothで学習したモデルを他のソフトウェアへ移すのが、このエクスポート工程です。
逆方向では、UnslothはOpenAI互換APIでローカルモデルを提供し、ChatGPT/Codexのサブスクリプションやクラウドプロバイダーにも接続できます。unsloth runコマンドはモデルを提供し、コンテキストサイズ、GPUレイヤー、スレッド、サンプリング、ネットワーク、ツール構成などの設定を変更します。
StudioはYAMLの学習設定を読み込み、プリセットから始める代わりに関連設定を事前入力することもできます。
デフォルトではunsloth studioは127.0.0.1にバインドされるため、ローカルマシンからしかアクセスできません。--secureオプションは無料のCloudflare HTTPSリンク経由でのみ提供し、トンネルを確立できなければ起動しないため、生のポートは公開されません。
unsloth startコマンドでClaude Code、Codexなどのエージェントをローカルモデルに接続し、エージェントのワークフローを自分のGPU上のモデルで動かせます。| プラン | 表示価格 | 速度向上 | VRAM削減 | GPU対応 |
|---|---|---|---|---|
| Free | 無料 | 2x | 60% | シングル |
| Unsloth Pro | 非表示（Contact us） | 2.5x GPU数 | 80% | マルチ |
| Unsloth Enterprise | 非表示（Contact us） | 32x GPU数 | 90% | マルチ + ノード |
Unsloth Proは2.5x高速な学習、VRAM 20%削減、最大8 GPU対応を、Unsloth Enterpriseは30x高速な学習、マルチノード対応、30%の精度を打ち出していますが、どちらもContact usボタンしかなく、公開価格は表示されていません。Enterpriseはさらに、最大+30%の精度、5x高速な推論、フル学習、Proの全機能、マルチノード対応、カスタマーサポートを挙げています。
プランカードの記載はドキュメントと異なります。Freeカードは自らをUnsloth標準版のフリーウェアと説明し、オープンソースと表示し、Mistral、Gemma、Llama 1、2、3への対応を挙げ、MultiGPUを依然として近日提供（coming soon）としています。プラン比較表はFree枠を速度向上2x、VRAM削減60%と評価し、ドキュメント全体で使われる2×高速・VRAM 70%削減という数値とは異なります。
ここでいう「無料」にはライセンスも関わります。Unslothはデュアルライセンスモデルを採用し、中核のUnslothパッケージはApache 2.0のまま、Unsloth Studio UIなど一部のオプションコンポーネントはAGPL-3.0です。同社は、この構成がプロジェクトをオープンソースに保ちつつ継続的な開発を支える助けになるとしています。
2026年にオープンソースのファインチューニングフレームワークを比較した独立分析は、Unslothを他の3つのプロジェクトと並べ、それぞれに異なる役割を割り当てています。
これらの選択肢は排他的ではありません。LLaMA-FactoryはUnslothをバックエンドとして実行でき、TRLにはUnsloth連携が含まれ、Axolotlは内部でTRLのトレーナーを呼び出します。そのため、LLaMA-FactoryやTRLを選んでも、その下でUnslothが動いている可能性があります。
--disable-toolsフラグをセットで説明しています。studio/*とunsloth_cli/*）としています。Unsloth Desktopは無料のオープンソースアプリと説明されており、Freeプランが標準版です。Unsloth ProとUnsloth Enterpriseもありますが、価格ページには価格ではなくContact usが表示されます。
すべての作業で必要ではありません。ChatとData RecipesはCPUで動作し、Studioの学習はNVIDIA、AMD、MLX、Intelのデバイスに対応します。Windowsでの学習ではNVIDIA GPUが要件とされています。
はい。ダウンロード済みのモデルは自動検出され、検出されない場合はカスタムフォルダーを指定できます。
はい。UnslothはGGUFまたはsafetensorsにエクスポートでき、llama.cpp、Ollama、vLLM、LM Studioなどのランタイムで使えます。ただし、チャットテンプレートが学習時と一致していることが条件です。
中核パッケージはApache 2.0で、Unsloth Studio UIなどのオプションコンポーネントはAGPL-3.0です。