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。
無料のColabノートブックで小型LLMをファインチューニングする
Unslothの無料ノートブック（例えばLlama 3.1 8B Alpacaノートブック）を開き、ノートブックが想定する形式で自分のデータセットを追加し、Google Colabの無料GPU枠で実行します。ローカルに何もインストールせず、GPUを所有していなくても、ファインチューニングを最も低い手間で試せる方法です。
Unsloth Desktopアプリでローカルにファインチューニングする
自分のOS向けにUnsloth Desktopをダウンロードし、そのインターフェースからベースモデルと自分のデータセットを指定して、自分のGPUでファインチューニング作業を実行します。Unsloth Coreが必要とするPython環境のセットアップを避けられますが、その代わりスクリプトが与える細かな制御は失われます。
ローカルでトレーニングしたモデルをコーディングエージェントに提供する
ファインチューニングまたはダウンロードしたモデルの後、unsloth start claude --model <your-model>を実行してUnslothのローカルAPI経由でClaude Codeに接続し、クラウドモデルの代わりに自分のファインチューニング済み・選択済みモデルをエージェントワークフローのバックエンドとして使えるようにします。
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リポジトリはデュアルライセンスを示しており（コアパッケージはApache-2.0、Unsloth Studio UIなどの任意コンポーネントはAGPL-3.0）、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とAGPL-3.0の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 | |
|---|---|---|---|
| ライセンス | コア: Apache-2.0 / Studio UI: AGPL-3.0 | 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。
こんな場合はUnslothを使う
- LLM、拡散（画像/動画）モデル、TTSモデル、埋め込みモデルをファインチューニングしたく、4つの異なるツールを学びたくない場合
- ポイント＆クリックのデスクトップアプリの選択肢が欲しいが、同じプロジェクトで後からPythonライブラリのより細かい制御も使いたくなるかもしれない場合
- （NVIDIAだけでなくAMDやIntelを含む）GPUを所有しており、トークン単位のクラウドファインチューニング料金を避けたい場合
- ファインチューニング済みまたはダウンロード済みのモデルを、Claude CodeやCodexのようなコーディングエージェントに直接接続したい場合
- 基盤となるツールがクローズドソースのバイナリではなく、オープンソース（コアはApache-2.0、任意のStudio UIはAGPL-3.0）であってほしい場合
こんな場合は保留するか他を検討する
- トレーニング作業に複数台のマシンが必要な場合 — UnslothのREADMEは、Axolotlのようなマルチノードトレーニングを文書化していません
- 可能な限り幅広いアライメント手法（DPO、ORPO、KTO、GRPO、報酬モデリングをすべて同時に）が必要な場合 — Axolotlはより広い手法一覧を文書化しています
- Apple Silicon専用で、より広範なマルチバックエンドアプリではなく可能な限り軽量なネイティブツールが欲しい場合 — MLX-LMを直接比較する価値があります
- 料金やライセンスに関する判断が、特にunsloth.aiのライブサイトの内容に依存する場合 — このレビューではそのサイトを直接読み込めず、代わりにGitHub/PyPIのメタデータに頼りました
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。
間違い1：UnslothがテキストLLMのファインチューニングしかできないと思い込む
UnslothはLLMファインチューニング用のライブラリとして始まりましたが、現行のGitHub READMEでは、拡散（画像/動画）、テキスト読み上げ、埋め込みモデルが、トレーニングと実行の両方でサポートされていると明示されています — かつてテキストにのみ適用されていたのと同じ機能セットが、今ではより広く適用されています。
間違い2：UnslothがPythonコードの記述を必要とすると思い込む
それは元祖Unsloth Coreライブラリに当てはまることでした。このレビュー時点で、Unsloth DesktopはWindows、macOS、Linux向けのネイティブなポイント＆クリックアプリであり、プロジェクト自身がUnslothをインストールするデフォルトの方法として推奨しています — コードは不要です。
間違い3：「2倍高速、VRAM70%削減」を独自に検証済みの数値として扱う
これらの数値は、PromptQuorum自身のテストやこのレビューで検証できた第三者のベンチマークではなく、UnslothのREADMEやブログにある自社のベンチマーク上の主張です。実際の高速化とVRAM節約量は、使用する特定のモデル、手法、ハードウェアに依存します。
間違い4：Unsloth Studioをホスト型のクラウドサービスと混同する
Unsloth Studioはセルフホスト型のWeb UIです — Unsloth AIがあなたのために運営するサービスに登録するのではなく、自分自身で（ローカル、自分のサーバー、またはDocker経由で）実行します。オプションのCloudflareトンネル機能は、自分がセルフホストするインスタンスにリモートから到達できるようにするものであり、Unslothがあなたのモデルをホストしているという意味ではありません。
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（コアはApache-2.0、任意のStudio UIはAGPL-3.0）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？
デュアルライセンスです。UnslothのコアパッケージはApache-2.0、Unsloth Studio UIなどの任意コンポーネントはAGPL-3.0です（プロジェクトREADMEのライセンス項による）。いずれかを再配布・ホストする前に、ライセンス本文をお読みください。
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。