Unsloth Studio入門ガイド：ローカルで簡単にAIモデルを学習・実行

Blog

2026.03.20

はじめに

AIモデルの実行やファインチューニングやローカル実行を試したいと思っても、コマンドラインの操作や複雑な設定に挫折した経験はありませんか？

Unsloth Studioは、そんな悩みを解決するオープンソースのノーコードWeb UIです。ブラウザだけで、オープンソースAIモデルの学習、実行、エクスポートが可能になります。

Unsloth Studioとは？

Unsloth Studioは、以下の機能をローカル環境で統合的に提供するツールです：

GGUFモデル・Safetensorモデルのローカル実行（Mac、Windows、Linux対応）
500以上のモデルを2倍速・VRAM 70%削減で学習
テキスト、ビジョン、TTS（音声）、埋め込みモデルの学習・実行

最大の特徴は、ノーコードで操作できること。データセットの作成から学習、エクスポートまで、すべてがブラウザUIで完結します。

✨ 主な機能

1. モデルのローカル実行

GGUFやSafetensor形式のモデルを検索・実行できます。対応している機能：

セルフヒーリングツールコール: ツール実行やWeb検索を自動的に修正・再実行
自動推論パラメータ調整: 最適なパラメータを自動設定
コード実行: Bash、Pythonコードをサンドボックス環境で実行（Claude Artifactsのような機能）
マルチGPU推論: 複数GPUにも対応

2. ノーコード学習

データセットをアップロードするだけで学習を開始できます：

PDF、CSV、JSON、DOCX、TXTに対応
データセットの自動作成機能
LoRA、FP8、FFT、PTなど複数の学習手法に対応

3. Data Recipes（データレシピ）

構造化・非構造データから学習用データセットを自動生成：

ドキュメントをアップロードするだけで使用可能なデータセットに変換
NVIDIA Nemo Data Designerをベースにしたグラフノードワークフロー

以下はInstruction from Answer

LLM（大規模言語モデル）を特定のタスクに適応させるSFT（教師あり学習：Supervised Fine-Tuning）用のデータセットを作成するレシピです

実行ができるとこのように結果をみることができます

4. 学習状況の可視性（Observability）

学習ロス、勾配ノルム、GPU使用率をリアルタイムで追跡
スマートフォンでも学習進捗を確認可能

5. モデルのエクスポート

学習済みモデルを様々な形式でエクスポート：

GGUF（llama.cpp、Ollama、LM Studioなどで使用可能）
16-bit Safetensor
vLLM対応

6. Model Arena（モデル比較）

2つのモデルを並べて比較できる機能：

ベースモデルとファインチューニング済みモデルの比較
出力の違いをリアルタイムで確認

7. プライバシーとセキュリティ

100%オフライン・ローカル動作が可能
トークンベースの認証、JWT アクセス/リフレッシュフロー

クイックスタート

対応環境

環境	Chat実行	Data Recipes	学習
MacOS	✅	✅	🔄 MLX対応予定
Windows	✅	✅	✅ NVIDIA GPU
Linux/WSL	✅	✅	✅ NVIDIA GPU
CPUのみ	✅	✅	❌
AMD	✅	🔄	🔄 対応予定

インストール方法

MacOS / Linux / WSL:

curl -fsSL https://raw.githubusercontent.com/unslothai/unsloth/main/install.sh | sh

以下は実行例です

Windows PowerShell:

irm https://raw.githubusercontent.com/unslothai/unsloth/main/install.ps1 | iex

起動方法

MacOS / Linux / WSL:

source unsloth_studio/bin/activate
unsloth studio -H 0.0.0.0 -p 8888

以下は実行例です

Windows:

.\unsloth_studio\Scripts\unsloth.exe studio -H 0.0.0.0 -p 8888

初回起動時はllama.cppのコンパイルが必要なため、5〜10分程度かかる場合があります。

Webコンソールアクセス

ブラウで「http://localhost:8888」にアクセスします

アクセスすると初回はアカウントのセットアップから始まります

パスワードを入力して「Change password」をクリックしてください

トップ画面です

Dockerを使用する場合

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