Unsloth v0.1.921-betaリリース:画像生成の高速化とMCPチャットのトークン削減

基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | unslothai/unsloth |
| 版 | v0.1.921-beta |
| 公開日 | 2026-11-21 |
| ライセンス | Apache-2.0 |
| 出典の種類 | 公開元の一次情報(公式GitHubリポジトリのリリースノートという一次情報で裏付けが取れている) |
情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。
概要
Unslothの最新バージョンである v0.1.921-beta がリリースされました。Unslothは、LLM(大規模言語モデル)や拡散モデルの推論およびファインチューニングをローカル環境で行うためのツールです(主要言語:Python、ライセンス:Apache-2.0)。
本バージョンにおける最大の変更点は、画像生成の高速化・メモリ軽量化と、MCP(Model Context Protocol)ツールを使用するチャット処理の効率化です。特に小規模GPUにおける画像生成パフォーマンスの向上や、MCPチャットにおけるプロンプトトークン処理量の最大87%削減など、ローカルで推論・学習を行う利用者に大きな影響を与える改善が含まれています。
主な変更点
画像生成の高速化とメモリ消費量の削減
画像モデルの処理速度とメモリ効率が大きく向上しました。8 GBの小規模GPU環境において、MiniMax-H3-Imageの新しいプロンプト描画時間が従来の82.7秒から36.7秒へと短縮されています。また、LinuxおよびmacOSにおいて、GGUF画像モデル読み込み時のシステムRAM使用量が52%から66%削減されました。
モデルごとの最適化として、FLUX.1はシステムRAMから重みをストリーミングする際の1ステップあたりの時間が16〜28%短縮され、FLUX.3 klein INT8はT4 GPU上で1ステップあたりの時間が13%短縮されています。
不具合の修正として、GTX 16xxカードで画像描画時に発生していたNaNエラーが解消されました。また、INT8やFP8モデルで新たなLoRAを選択した際に、エラーではなく「Reload and generate」の選択肢が表示されるよう変更されています。
MCPチャットのトークン削減とチャット機能の強化
MCPツールを利用したチャットにおいてツールリストが固定されるようになり、メッセージ送信ごとに会話全体を再処理せず、新しい入力のみを処理する仕組みに改善されました。これにより、テスト環境においてプロンプトトークンの処理量が83%から87%削減されています。
あわせて、Settings > Chat にある「Tool output length」設定が、llama.cpp、vLLM、Ollama、Custom接続におけるMCP結果にも適用されるようになりました。機能追加・改善として、チャット内のスキャン済みPDFに対するOCR機能対応、Wordファイル添付時の段落移動・日付フィールド・ふりがなテキストの保持、Claude CodeやCodexからインポートしたチャットでの画像保持が実装されています。また、思考中にトークン上限に達した推論モデルに対して、アドバイスの表示と「Retry」ボタンが追加されました。
Macでの動画スタイル変換と動画処理の高速化
Apple Siliconを搭載したMac環境において、動画クリップ全体を新しいスタイルに再レンダリングする「Restyle」機能が追加されました。動作に必要なGPUメモリは、bf16で約42 GiB、q8_0で約31 GiBとされています。また、L4 GPU環境においてCosmos3-Edge-FP8の実行速度が約1.45倍向上しました。
拡散モデル LoRAおよびモデル学習の高速化・修正
拡散モデルのLoRA学習では、T4およびL4環境においてSDXL LoRA学習の1ステップあたりの時間が28〜31%短縮されました。また、L4環境において Auto 精度を使用することで、FLUX.2-klein 9Bの学習時間が1ステップあたり約30%短縮されます。MiniMax-H3の再実行時には、エンコード済みデータセットが再利用されます。
その他の学習処理においても多数の強化が行われています。
– A100環境かつTRL 1.17以降でAsyncGRPOのステップ速度が1.46倍〜2.47倍向上
– AMD ROCm環境のStrix Haloにて、Qwen3.5学習時にデフォルトでシーケンスがパッキングされ、1秒あたりのトークン処理数が約1.4倍向上
– DoRA学習が1ステップあたり約3〜5%高速化
バグ修正としては、2.14より古いPyTorchで Gemma-4 LoRA学習が混合長のバッチで失敗する不具合や、PEFT 0.22対応およびPEFTモデル使用時のDPOクラッシュ問題、JSON/JSONLデータセットの入力日に意図しない「00:00:00」が付与される不具合が修正されています。
デスクトップ環境とテーマ機能の改善
Settings > Appearance > Theme file からテーマファイルの書き出しと取り込みが可能になり、外観設定を共有できるようになりました。不具合対応として、一部のWindows AMD PCでUnsloth Desktopのインストールが中断する問題や、Macのチャット専用GGUF環境で小さなモデルが「Does not fit」と誤表示される問題、セッション更新時に応答が失われた際全タブからサインアウトされる問題などが解消されています。
対応モデル・ハードウェア
本バージョンでは、Apple Siliconを搭載したMacをはじめ、NVIDIAやAMDの各種GPU・アクセラレータ、および多様なオープンウェイトモデルに対する最適化や動作対応が行われています。利用者の環境においてどのような処理が可能になったか、ハードウェアおよびモデルごとに解説します。
Apple Silicon(Mac)
Mac環境では、動画クリップ全体を新しいスタイルへ再レンダリングする「Video Restyle」機能が利用可能になりました。本機能の実行に必要なGPUメモリの目安は、bf16精度で約42 GiB、q8_0量子化版で約31 GiBとなっています。また、チャット専用のGGUF環境において、小規模モデルが誤って「Does not fit」と表示される不具合も解消されました。
NVIDIA GPU環境
各種NVIDIA GPUにおける推論・学習のパフォーマンスおよび安定性が向上しています。
– A100: TRL 1.17以降との組み合わせにおいて、AsyncGRPOのステップ速度が1.46倍から2.47倍に向上します。
– L4: Cosmos3-Edge-FP8の実行速度が約1.45倍向上したほか、Auto精度によるFLUX.2-klein 9Bの学習速度が約30%向上し、SDXL LoRA学習速度も28〜31%短縮されます。
– T4: FLUX.3 klein INT8の1ステップあたりの時間が13%短縮され、SDXL LoRA学習も28〜31%高速化されます。
– GTX 16xxシリーズ: 画像描画時に発生していたNaNエラーが修正され、正常な画像レンダリングが可能になりました。
– 8 GB VRAM環境: MiniMax-H3-Imageを用いた新しいプロンプトの描画時間が82.7秒から36.7秒へ大幅に短縮され、容量の小さいグラフィックカードでの実用性が向上しています。
AMD GPU / ROCm環境
AMD ROCm環境において、Strix Haloなどのプロセッサを使用している場合、Qwen3.5の学習時にデフォルトでシーケンスパッキングが適用されるようになりました。これにより、1秒あたりの処理トークン数が約1.4倍に向上します。また、一部のWindows環境におけるAMD PCでインストール処理が完了しない不具合も改善されています。
対応モデル・量子化形式
本リリースで対応強化・動作改善が行われた主なモデルアーキテクチャおよび量子化形式は以下の通りです。
– 画像・動画生成モデル: MiniMax-H3-Image、FLUX.1(システムRAMからの重みストリーミング時に16〜28%高速化)、FLUX.3 klein INT8、FLUX.2-klein 9B、Cosmos3-Edge-FP8、SDXL
– 言語・推論モデル: Qwen3.5、Gemma-4(PyTorch 2.14未満でのバッチ学習エラー修正)、MiniMax-H3
– 量子化形式: GGUF画像モデルにおけるシステムRAM消費量がLinux/macOS環境で52〜66%削減されたほか、INT8やFP8モデルに対するLoRAの再読み込みと生成がスムーズに行えるようになっています。
アップデート方法
Unslothのアップデートは、使用している実行形態やOS環境に応じて実施できます。開発版(mainブランチ)からのローカルアップデート手順および主な高度なオプションは以下の通りです。
macOS、Linux、WSL環境でのアップデート手順
すでにソースコードからインストールしている場合は、以下のコマンドで最新のリポジトリを引き込み、再インストールと起動を行います。
cd unsloth && git pull
./install.sh --local
unsloth studio -p 8888
特定の位置に環境を隔離してインストール・更新を行う場合は、UNSLOTH_STUDIO_HOME 環境変数を指定して実行します。
UNSLOTH_STUDIO_HOME="$PWD/.studio"./install.sh --local
UNSLOTH_STUDIO_HOME="$PWD/.studio" unsloth studio -p 8888
Windows(PowerShell)環境でのアップデート手順
PowerShell環境では、実行ポリシーを設定した上で同様の手順でアップデートを実施します。
cd unsloth; git pull
.\install.ps1 --local
unsloth studio -p 8888
隔離環境での更新を行う場合は、以下のように設定します。
$env:UNSLOTH_STUDIO_HOME="$PWD\.studio";.\install.ps1 --local
$env:UNSLOTH_STUDIO_HOME="$PWD\.studio"; unsloth studio -p 8888
高度なインストーラー設定オプション
用途に応じて、環境変数やフラグを指定したインストールが可能です。
-
PyTorchを含めずGGUFチャットのみで運用する場合:
bash curl -fsSL https://unsloth.ai/install.sh | UNSLOTH_NO_TORCH=1 shPowerShellの場合:powershell $env:UNSLOTH_NO_TORCH=1; irm https://unsloth.ai/install.ps1 | iex -
llama.cppのバックエンドを指定する場合 (
vulkan,cpu,cuda,rocm,autoから選択):
bash export UNSLOTH_LLAMA_CPP_BACKEND=vulkan curl -fsSL https://unsloth.ai/install.sh | sh -
インストール時のロールバック保持を無効化してディスク容量を節約する場合:
bash ./install.sh --local --no-rollback
関連記事
- Unsloth v0.1.907-beta公開:推論最大5倍高速化とブラウザ操作機能
- unsloth v0.1.920-beta公開:AMD NPUサポート強化と動画生成LoRA学習に対応
- unsloth v0.1.918-beta公開:Computer use機能とMiniMax-H3-Image対応
- Unsloth v0.1.917-beta公開:Qwen3.8-27B GGUF対応とUI高速化
次に読むなら
- このツールの更新を追う → Unsloth の概要とリリース履歴(記録済み93版)
- 同じ分類(量子化・モデル形式・ファインチューニング)の他のツール → ggml / ExLlamaV3

