Unsloth v0.1.903-beta公開:内蔵ブラウザや音声クローン機能を追加

Unsloth v0.1.903-beta公開:内蔵ブラウザや音声クローン機能を追加

基本情報

項目 内容
リポジトリ unslothai/unsloth
版 v0.1.903-beta
公開日 2026-10-07
ライセンス Apache-2.0
出典の種類 公開元の一次情報(公式GitHubリポジトリからのリリースノート)

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

LLMや拡散モデルをローカル環境で実行および微調整するためのUIツールである「unslothai/unsloth」の最新バージョン「v0.1.903-beta」がリリースされました。本プロジェクトは主にPythonで開発されており、ライセンスはApache-2.0です。

今回のアップデートにおける最大の変更点は、チャット画面の隣に統合された内蔵ブラウザ機能の追加です。これにより、モデルが生成したHTMLのプレビューやファイルの確認が格段にスムーズになり、開発効率が大きく向上します。

主な変更点

  • チャットの横に配置された内蔵ブラウザ機能
    チャット画面のすぐ隣にブラウザパネルが追加されました。PDF、Office、HTML、Markdown、コード、テキストなどのファイルをタブとして開くことができます。モデルが作成したHTMLやコードもプレビューやコンソール付きのタブとして表示され、これまでのCanvas機能に代わるものとなります。ページの一部をハイライトしてモデルに質問したり、タブを右クリックしてチャットにフォークしたりすることも可能です。

  • EmbeddingGemma 2モデルのサポート
    Google DeepMindの新しいマルチモーダル埋め込みモデル「EmbeddingGemma 2」に対応しました。パラメータ数は740M(テキストのみの場合は270M)で、オプションでビジョンおよびオーディオエンコーダーを備え、100以上の言語と8Kのコンテキストウィンドウをサポートしています。GGUFやsafetensorsをインポートしてローカルで実行できるほか、FastSentenceTransformerを使用して4-bit QLoRAまたはBF16 LoRAでのファインチューニングが可能です。

  • 音声クローンや編集ができるオーディオ機能
    新しいオーディオページが追加され、短いサンプルからの音声クローンと保存、録音内の単語編集、楽曲のボーカルやドラムなどの分離、音声変換などが可能になりました。また、音楽や効果音の作成、タイムスタンプや話者情報付きの文字起こしと字幕エクスポートにも対応しており、70以上のGGUFモデルを利用できます。

  • 複数モデルの同時ロードと高速推論エンジンの実験的サポート
    複数のモデルをロードしたまま保持する機能が追加されました(初期状態ではオフ)。リクエストごとに指定されたモデルが応答します。また、Linux(NVIDIA GPU搭載環境)向けに、vLLMおよびSGLangエンジンが実験的なオプションとしてサポートされました。

  • Layer offloadによる省メモリトレーニング
    LoRAトレーニングにおいて、フリーズされたレイヤーをシステムRAMに退避させる「Layer offload」機能が追加されました(NVIDIAおよびAMDグラフィックスカードに対応)。これにより、Llama-3.1-8Bの4-bitモデルを、VRAM使用量を7 GiBに抑えた状態でトレーニングすることが可能になります。

  • フラッシュアテンションなしのパディングフリー学習の高速化
    フラッシュアテンション(flash-attn)を使用しないパディングフリー学習(主にColab環境)が高速化されました。例えば、Qwen3-0.6Bのトレーニングにおいて、VRAM使用量が5.45 GBから1.87 GBに減少し、ステップ速度が5倍から8倍高速化されます。

  • セキュリティを高めるサンドボックス機能の強化
    モデルがPythonやターミナルツールを使って実行するコードを制限された環境に閉じ込めるサンドボックス機能が強化されました。LinuxとmacOSにおけるOSサンドボックスに加え、Windows 11のプレビュー版が追加され、ColabやDocker環境でも動作するようになりました。

対応モデル・ハードウェア

新たに対応したモデルとアーキテクチャ

  • EmbeddingGemma 2
    Google DeepMindが開発した新しいマルチモーダル埋め込みモデル「EmbeddingGemma 2」に対応しました。740Mパラメータのフルモデル、またはテキスト専用の270Mパラメータモデルを選択でき、ビジョンおよびオーディオエンコーダーもオプションで利用可能です。100以上の言語と8Kのコンテキストウィンドウをサポートしており、GGUF形式やsafetensors形式をUnslothにインポートしてローカルで実行できます。また、FastSentenceTransformerを用いた4-bit QLoRAやBF16 LoRAでのファインチューニングにも対応しています。

  • オーディオ関連モデル
    新設されたオーディオページにおいて、音声のクローン、編集、分離、変換、音楽作成、文字起こしなどを行うための70以上のGGUFモデルが利用可能になりました。これらは新しくネイティブエンジンとして追加された「audio.cpp」を介して実行されます。

  • 拡散モデルおよびその他のモデル
    FLUX.1、Qwen-Image、Z-Image、Ideogram 4、Wan2.2、HunyuanVideo-1.5などのモデルにおいて、ComfyUIのデフォルト設定が適用されるようになりました。また、FLUX.1やQwen-Imageを、ホストRAMが少ない環境やfp16専用のGPUでもロードできるようになりました。さらに、MiniMax-H3のGGUFレンダリングは、常駐するsd-server上で保持され、アイドル時に解放される仕組みが導入されています。

ハードウェアごとの最適化と対応状況

  • AMD環境
    ファインチューニングしたモデルをRyzen AI NPU向けにエクスポートできるようになりました。また、新しいRadeonグラフィックスカードにおいて、Qwen-Image-2.1の最初の画像生成プロセスが大幅に高速化されています。

  • Apple Silicon (MLX環境)
    Qwen3.6-35B-A3Bモデルの応答速度が約10%向上し、長いプロンプトの処理開始が最大10%早くなりました。さらに、M5チップを搭載したMac向けに、実験的かつ選択式の機能として「Int8 Prefill」が追加されました。これを有効にすると、回答の正確性がわずかに低下する代わりに、長いプロンプトの読み込み速度が最大1.5倍高速化されます。

  • NVIDIA環境
    gpt-oss-20bモデルのQLoRAトレーニングが2倍から3倍高速化されました。また、古い世代のGPUにおいて、Z-Image-Turboによる画像生成が最大20倍高速化されています。

  • Windows 11(WSL2環境)
    Windows 11上のWSL2(Windows Subsystem for Linux 2)内のプライベートディストリビューションにおいて、vLLMおよびSGLangを実行できるようになりました。これにより、マルチGPU推論、量子化、ビジョン機能がWindows環境でも選択可能になります。

アップデート方法

Unslothを最新バージョンにアップデートするには、お使いの環境(OS)に合わせて以下の手順を実行します。開発者版やナイトリー版、実験的インストールを利用している場合は、リポジトリのディレクトリに移動して最新のソースコードを取得し、インストールスクリプトを再実行します。

macOS、Linux、WSL環境でのアップデート

ターミナルを開き、以下のコマンドを順番に実行してください。

cd unsloth && git pull
./install.sh --local
unsloth studio -p 8888

Windows(PowerShell)環境でのアップデート

PowerShellを開き、以下のコマンドを実行してください。

cd unsloth; git pull
.\\install.ps1 --local
unsloth studio -p 8888

前回の記事からの更新履歴

当サイトがGitHubのリリース一覧から機械的にまとめた、この版と前回取り上げた版の間に出た版です(単独記事にはしていません)。 全ての版はエンジン別ページにあります。

版 公開日 リリースノート
v0.1.902-beta(Command Palette + Desktop UI/UX) 2026-10-01 GitHub

関連記事

次に読むなら

出典