重要なポイント
- 無料でオープンソース。GitHubリポジトリはApache-2.0ライセンスを報告しており、このレビューではREADMEからリンクされた別途の料金ページは見つからなかった
- 利用方法は3通り：Unsloth Desktop（Windows/macOS/Linux向けネイティブアプリ、プロジェクト自身が推奨）、Unsloth Studio（セルフホスト型Web UI、Docker経由でも実行可能）、Unsloth Core（元祖Pythonライブラリで
pip install unsloth） - LLM、拡散（画像/動画）モデル、テキスト読み上げモデル、埋め込みモデルをトレーニングAND実行できる — プロジェクト自身の機能一覧によれば、これはテキストのみのファインチューニングを超える範囲
- LoRA、QLoRA、フルファインチューニング、事前学習、強化学習（GRPO、DPO）、FP8トレーニング手法に対応
- NVIDIA、AMD、Intel GPUをまたいだMulti-GPU対応、加えてVulkanバックエンド経由のCPU専用動作を、Windows、Linux、WSL、macOSでサポート
- トレーニング済みまたはダウンロード済みのモデルを、
unsloth startのワンコマンド統合でコーディングエージェント（Claude Code、Codexなど）に接続でき、OpenAI/Anthropic互換のAPIも公開できる - GitHubプロフィールによれば米国拠点の組織であるUnsloth AIが開発。リポジトリは2023年11月に作成され、
unslothPyPIパッケージは2024年8月の初回アップロード以来241回のリリースを重ねている
📍 一文で説明
Unslothは、自分のハードウェア上でLLM、拡散（画像/動画）、テキスト読み上げ、埋め込みモデルをトレーニング・実行できる無料のオープンソース（Apache-2.0）ツールで、ネイティブデスクトップアプリ、セルフホスト型Web UI、Pythonライブラリのいずれとしても利用できます。
💬 簡潔に説明
汎用の事前学習済みモデルを使う代わりに、テキスト・画像・音声といった自分自身のデータをAIモデルに学習させたい場合、Unslothはそのトレーニングを自分のコンピュータやGPU上で無料で行うツールです。以前は開発者向けのPythonライブラリでしたが、現在はポイント＆クリックのデスクトップアプリも備えています。
📌補足: このレビューは、ローカルLLMソフトウェアディレクトリにおけるUnslothの項目を掘り下げた記事です。他の数十のローカルAIツールとの一覧比較はそちらのページを参照してください。
Unslothとは？
Unslothは、クラウドのトレーニングAPIを介するのではなく、自分が管理するハードウェア上でAIモデルをファインチューニング・実行するためのツールです。自身のGitHub READMEでは「モデルを実行・トレーニングする初のデスクトップアプリ」と冒頭で謳っており、これは実際の変化を反映しています。プロジェクトは2023年、LLMファインチューニングを高速化するPythonライブラリとしてスタートし、その後、ネイティブデスクトップアプリ、セルフホスト型Web UI、そして両者の土台となる元祖ライブラリという3部構成のプロダクトへと成長しました。
- 中核機能：LoRAやQLoRAといった手法を使い、自分のデータ（テキスト、画像、音声、または埋め込み用データ）でベースモデルをファインチューニングし、結果を実行またはエクスポートする
- テキスト専用ではない：READMEの機能一覧によれば、UnslothはLLMに加えて、拡散（画像・動画）モデル、テキスト読み上げモデル、埋め込みモデルを明示的にサポートしている
- 1つのプロジェクトの下に3つのプロダクト：Unsloth Desktop（ネイティブアプリ）、Unsloth Studio（Web UI、セルフホストまたはDocker経由）、Unsloth Core（
unslothPythonパッケージ） - 開発元：Unsloth AI。GitHubプロフィールで米国拠点の組織として登録されており、説明文は「Run and train AI models locally」
- 正規リポジトリ：github.com/unslothai/unsloth。GitHub自身のリポジトリメタデータによれば2023年11月に作成された
Unslothのリリース史
Unslothは一部のデスクトップアプリのような単一の日付付きチェンジログを公開していないため、以下の検証可能な履歴は代わりに2つの公式情報源に基づいています：GitHub自身のリポジトリメタデータと、Python Package Index（PyPI）上のunslothパッケージのリリース履歴です。
- GitHubリポジトリは、GitHubのリポジトリメタデータによれば2023年11月29日に作成された
unslothパッケージのPyPI初回リリースは、PyPIの公式リリース履歴によれば2024年8月4日にアップロードされた（バージョン2024.8）- このレビュー時点で、PyPIは
unslothパッケージの累計241リリースを記録しており、最新版（バージョン2026.9.4）は2026年9月9日にアップロードされた — パッケージのライフタイムを通じて数日に1回程度のリリース頻度 - プロジェクトの対象範囲はその間に大きく拡大した：当初はテキストLLMのファインチューニングを高速化するライブラリとして始まったが、現行のREADMEによれば、現在は拡散、テキスト読み上げ、埋め込みモデルもカバーし、プロジェクトのライブラリ専用だった以前の形態には存在しなかったネイティブデスクトップアプリとセルフホスト型Web UIも備えている
Unslothでできること
Unslothの機能セットは、トレーニング（自分のデータでモデルをファインチューニングすること）と実行（トレーニング済みまたはダウンロード済みのモデルを使うこと）の両方にまたがり、4種類のモデルタイプをカバーしています。以下は、Unsloth自身のGitHub READMEに基づく、各機能が実際に行うことです。
- 4種類のモデルタイプにわたるファインチューニング — LLM、拡散（画像/動画）モデル、テキスト読み上げモデル、埋め込みモデルを、LoRA、QLoRA、フルファインチューニング、または事前学習を使って行う
- 強化学習 — GRPOとDPOの両方が、より一般的な教師ありファインチューニング手法に加えて、RLベースのファインチューニング向けにサポートされている
- モデルの実行と提供 — トレーニングに加え、UnslothはGGUF、MLX、拡散モデルを直接実行でき、OpenAI互換のローカルAPIサーバーとして公開できる
- エージェント統合 —
unsloth startコマンドは、ローカルモデルをClaude Code、OpenAI Codexなど（READMEの一覧による）のコーディングエージェントにワンコマンドで接続する - リモート・LANアクセス — Unsloth Studioは自宅のネットワーク経由で公開したり、Cloudflareトンネル経由で（スマートフォンからも含め）ネットワークの外から安全にアクセスしたりできる
- データセット構築 — 「Data Recipes」機能は、事前にフォーマットされたデータセットを必要とせず、PDF、CSV、DOCXファイルから直接トレーニング用データセットを構築する
- エクスポートとデプロイ — トレーニング済みモデルを、他のローカルAIツールで使用するためにGGUF、NVFP4、FP8などの形式にエクスポートできる
- 無料のトレーニング用ノートブック — Unslothは、特定のモデルや手法（Llama、Qwen、gpt-oss、GRPO、TTS、埋め込み、視覚系ファインチューニング）を扱う無料のGoogle Colabノートブックを公開している
利用例：Unslothの3つの使い方
これらは、上記で紹介したUnslothのドキュメント化された機能に基づく具体的なワークフローであり、仮定の使用例ではありません。
Unslothのインストール：Desktop、Studio、Core
Unslothは、自身のGitHub READMEによれば3通りの方法で利用できます — Desktopアプリは、プロジェクト自身が多くの人に推奨している方法です。以下のリンクは、GitHubリリースの直接URLと公式インストールスクリプトです。リリースURLはバージョン間で変わる可能性があるため、必ずREADME自体で直接確認してください。
インストール方法 | コマンドまたはリンク |
|---|---|
| Unsloth Desktop — Windows | Unsloth-Desktop-Windows.exe |
| Unsloth Desktop — macOS | Unsloth-Desktop-MacOS.dmg |
| Unsloth Desktop — Linux（.deb） | Unsloth-Desktop-Ubuntu.deb |
| Unsloth Desktop — Linux（AppImage） | Unsloth-Desktop-Linux.AppImage |
| Unsloth Studio — macOS/Linux/WSL | curl -fsSL https://unsloth.ai/install.sh | sh の後 unsloth studio |
| Unsloth Studio — Windows | irm https://unsloth.ai/install.ps1 | iex の後 unsloth studio |
| Unsloth Studio — Docker | docker run -d --gpus all --ipc=host -p 8000:8000 unsloth/unsloth — タグはDocker Hubを参照 |
| Unsloth Core — Linux/WSL（uv経由のpip） | uv pip install unsloth --torch-backend=auto |
AMDおよびIntel GPUを使う場合、デフォルトのインストールに加えて追加のセットアップ手順が必要です — Unsloth自身のAMDガイドとIntelガイドを参照してください。専用のDocker Hubタグunsloth/unsloth:coreは、Studio Web UIなしでUnsloth Core（Jupyterノートブック）をインストールします — 現行のタグ一覧はDocker Hubを参照してください。
Unslothの料金：本当に無料なのか？
このレビューで検証できた限りでは、はい — Unslothに有料プランはありません。GitHubリポジトリはGitHub自身のAPIを通じてApache-2.0ライセンスをコードベース全体に対して報告しており、プロジェクトのREADMEは料金ページへのリンクや有料機能の説明を含んでいません。PromptQuorumはこのレビュー中にunsloth.aiを直接読み込むことができませんでした（サイトが自動リクエストに対してアクセス拒否を返しました） — 特定の料金判断が重要な場合は、このレビューだけに頼らず、公式サイトを自分で確認してください。
- GitHubリポジトリやそのREADMEに、サブスクリプションや有料プランは記載されていない
- Unsloth Desktopのダウンロードや Unsloth Coreのインストールにアカウント登録やサインアップは不要
- GPUを所有していなくてもトレーニングできる無料のGoogle Colabノートブックが提供されている（Colab自体の無料枠のGPU制限に従う。これはUnslothではなくGoogleが設定するもの）
- Apache-2.0ライセンスはソースコードに適用されるものであり、それ自体は関連するすべてのサービス（例えば将来のホスト型サービス）が常に無料であることを保証するものではない — unsloth.aiで現行の利用規約を直接確認してください
Unsloth vs. Axolotl vs. MLX-LM
Unsloth、Axolotl、MLX-LMは、PromptQuorum自身のファインチューニングフレームワーク比較が詳しく取り上げる3つのローカルファインチューニングツールです — このセクションでは、このレビューから読んでいる方向けに主な違いを要約します。
項目 | Unsloth | Axolotl | MLX-LM |
|---|---|---|---|
| ライセンス | Apache-2.0 | Apache-2.0 | MIT |
| インターフェース | Desktopアプリ、Web UI、またはPythonライブラリ | YAML設定駆動、デスクトップアプリなし | Pythonライブラリ／CLI、デスクトップアプリなし |
| モデルタイプ | LLM、拡散、TTS、埋め込み | LLM中心 | LLM中心 |
| ハードウェア | NVIDIA、AMD、Intel、CPU、Vulkan | NVIDIA中心のCUDAスタック | Apple Siliconのみ |
| マルチノードトレーニング | READMEに記載なし | あり — TorchrunとRay | mx.distributed経由 |
| 最適な用途 | テキスト以外のモデルも含む、単一マシンでの最も幅広い選択肢 | 1台のマシンを超えたスケーリング | Macでの軽量なApple ネイティブ作業 |
トレーニングに複数台のマシンが必要な場合、あるいはDPO/ORPO/KTO/GRPO/報酬モデリングをできる限り幅広くカバーする手法が必要な場合は、Axolotlがより適している理由について完全な比較記事を参照してください。Apple Silicon専用で、Unslothの広範な（しかし重い）デスクトップアプリではなく、最も軽量なネイティブ選択肢を求めるなら、専用のMLX-LM レビューを参照してください。
Unslothはどんな人に向いているか
Unslothが向いているかどうかは、テキスト・画像・音声にまたがるトレーニングと実行の両方をカバーする無料のツールを1つで済ませたいか、それとも用途を絞った単機能のツールの方がよいかによって決まります。
Unsloth vs. 他のファインチューニングツール
Unslothは、自分のハードウェア上でモデルをファインチューニングするための複数のツールのうちの1つです。この分野の他の選択肢との位置づけを以下にまとめます — 全カタログはローカルLLMソフトウェアディレクトリを、最も近い一騎打ち比較は上記のUnsloth vs. Axolotl vs. MLX-LM比較を参照してください。
- Axolotl — Apache-2.0ライセンスのファインチューニングフレームワークで、文書化された強みはマルチノードトレーニングと、3つの中で最も幅広いアライメント手法の範囲です。上記の専用比較セクションと、PromptQuorumのファインチューニングフレームワーク完全比較を参照してください。
- MLX-LM — AppleによるMITライセンスの、Apple Siliconネイティブなライブラリで、LLMの実行とファインチューニングに使われます。専用の解説はMLX-LM レビューを参照してください。
- Together.ai と Fireworks.ai — GPUを所有する代わりにトレーニングトークン単位で課金するクラウドファインチューニングAPIです。PromptQuorumのファインチューニングフレームワーク比較では、Together.aiの料金体系を直接取り上げています。
- Ollama と LM Studio — トレーニングではなくモデルを*実行*するためのローカル推論ツールです。よくあるパターンとして、Unslothでファインチューニングし、GGUFにエクスポートして、その結果をOllamaやLM Studioで実行します。Ollama レビューとLM Studio レビューを参照してください。
Unslothを評価する際によくある間違い
Unslothに関する混乱の多くは、テキスト専用のPythonライブラリという古い認識のままであること、あるいは自社の速度／VRAMに関する主張が独自に検証済みだと思い込むことから生じています。
よくある質問
Unslothとは何ですか？
Unsloth（unsloth.ai、ソースコードはgithub.com/unslothai/unsloth）は、自分のハードウェア上でLLM、拡散（画像/動画）、テキスト読み上げ、埋め込みモデルをファインチューニング・実行できる無料のオープンソース（Apache-2.0）ツールで、デスクトップアプリ、セルフホスト型Web UI、Pythonライブラリのいずれとしても利用できます。
Unslothは無料ですか？
GitHubのリポジトリメタデータとプロジェクトのREADMEからこのレビューで検証できた限りでは、はい — 有料プランは確認できませんでした。PromptQuorumはこのレビュー中にunsloth.aiを直接読み込むことができなかったため（サイトが自動リクエストをブロックしました）、判断がこれに左右される場合は現行の料金をライブサイトで確認してください。
Unslothはテキストだけでなく画像もファインチューニングできますか？
はい。Unsloth自身のGitHub READMEは、LLM、テキスト読み上げモデル、埋め込みモデルと並んで、拡散（画像・動画）モデルをトレーニングと推論の両方でサポートしていると記載しています。
Unslothはどのライセンスを使っていますか？
Apache-2.0です。GitHub自身のリポジトリメタデータによる（このレビューではGitHub APIで確認済み）。
Unslothを使うのにPythonの知識は必要ですか？
いいえ、必ずしも必要ではありません。Unsloth Desktopは、Windows、macOS、Linux向けのネイティブなポイント＆クリックアプリです。元祖PythonライブラリのUnsloth Coreも、スクリプトレベルの制御を求める開発者向けに引き続き利用できます。
Unslothはどのハードウェアに対応していますか？
GitHub READMEによれば：Multi-GPU構成、NVIDIA、AMD、Intel GPU、Vulkanバックエンド経由のCPU専用動作を、Windows、Linux、WSL、macOSでサポートしています。
Unsloth StudioはUnsloth Desktopと同じものですか？
いいえ。Unsloth Desktopはネイティブにインストールするアプリです。Unsloth Studioは、インストールスクリプトまたはDockerで実行し、ブラウザからアクセスするセルフホスト型のWeb UIです — どちらも同じUnsloth Coreエンジンの上に構築されています。
UnslothはClaude Codeなどのコーディングエージェントに接続できますか？
はい。unsloth startコマンドを介して、プロジェクトのREADMEによれば、UnslothのOpenAI/Anthropic互換APIを通じてClaude Code、OpenAI Codexなどのエージェントにローカルモデルを接続できます。
UnslothはAxolotlとどう比較されますか？
Unslothはより多くのモデルタイプ（LLM、拡散、TTS、埋め込み）とより多くのハードウェアバックエンド（AMDやIntelを含む）をカバーする一方、Axolotlはマルチノードトレーニングとより広いアライメント手法の範囲を文書化しています。上記の専用比較セクションと、PromptQuorumのファインチューニングフレームワーク完全比較を参照してください。
Unslothを開発しているのは誰ですか？
GitHubプロフィールに米国拠点の組織として登録されているUnsloth AIです。GitHubリポジトリは2023年11月に作成されました。