Unsloth v0.1.906-beta公開:Browser UseとQwen-Image-2.1-Turboに対応

Unsloth v0.1.906-beta公開:Browser UseとQwen-Image-2.1-Turboに対応

基本情報

項目 内容
リポジトリ unslothai/unsloth
版 v0.1.906-beta
公開日 2026-10-12
ライセンス Apache-2.0
出典の種類 公開元の一次情報(公式GitHubリリースノートが一次情報)

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

大規模言語モデル(LLM)や拡散モデルの実行・学習をローカル環境で行うためのツールである「unsloth」のバージョン v0.1.906-beta が公開されました。unsloth は Python で記述されたオープンソース(Apache-2.0 ライセンス)のソフトウェアであり、GGUF や MLX 形式のモデル実行や各種モデルの効率的な学習に対応しています。

本バージョンにおける最も大きな変更点は、モデルが直接ウェブブラウザを操作できる「Browser use」機能が追加された点です。チャット画面のメニューから有効化することで、ローカルモデルがウェブページの閲覧、クリック、テキスト入力、スクロールなどを自律的に行えるようになります。モデルにウェブ調査やブラウザ操作を任せたいユーザーにとって注目のアップデートとなっています。

主な変更点

自律的なブラウザ操作を可能にする「Browser use」

チャットの「+」メニューから Browser use を有効にすることで、モデルにウェブサイトの調査や操作を依頼できるようになりました。モデルはチャットの横に開く専用タブ内でブラウザを操作し、ページの読み込み、クリック、フォーム入力、選択肢の選択、スクロールを実行します。この機能はローカルモデルおよび API プロバイダのモデルで動作し、テキスト専用の小型モデルにも対応しています。安全性への配慮として、ログインやフォーム送信、購入・削除・送信を伴うボタンの押下時にはユーザーに確認を求める仕様となっており、パスワードやカード番号、ワンタイムコードはモデルが自動入力しない設計です。利用可能なサイトやダウンロード履歴へのアクセス権限は「Settings > Browser」から設定できます。

8ステップで画像を生成する「Qwen-Image-2.1-Turbo」に対応

画像生成機能において、Qwen-Image-2.1 の公式高速化版である「Qwen-Image-2.1-Turbo」がサポートされました。従来の生成ステップから削減されたわずか8ステップで動作し、2.5倍の高速化を実現しています。「Images」ページから 4.2 GB の Q4 GGUF モデルを用いて実行可能です。あわせて、Unsloth 内で学習した画像 LoRA のファイル書き出しと外部フォルダからの読み込みに対応したほか、ComfyUI フォルダ内の既存テキストエンコーダーを再利用して重複ダウンロードを防ぐ改善も行われました。

テキスト拡散LLMの学習と LoRA+ への対応

モデルの学習機能が大幅に拡充されました。新設された DiffusionTrainer により、DiffusionGemma、LLaDA、LLaDA2、Dream、Nemotron、SDAR といったテキスト拡散(text-diffusion)LLM の学習が可能になりました。また、loraplus_lr_ratio を設定した LoRA+ 学習や、GPTQ 量子化モデルに対する LoRA ファインチューニングもサポートしています。さらに、TRL 1.15 による GRPO 学習では動画プロンプトやツール呼び出しの学習に対応し、単一 GPU 上で生成と学習を両立する AsyncGRPOTrainer も導入されました。ツール呼び出しデータセットの学習では、データ行ごとにツール定義を保持したマルチターンエージェント履歴の学習が可能です。

VRAM 超過 MoE モデルの高速化と Mac 向け投機的デコーディング

推論と学習の両面で実行性能が強化されました。NVIDIA および AMD の GPU 環境において、搭載 VRAM 容量を超えるサイズの MoE(Mixture of Experts)GGUF モデルを実行した際の推論速度が最大3倍に向上しています。また、Mac(MLX バックエンド)環境向けには投機的デコーディング(Speculative decoding)が導入され、同一の出力を維持しながら最大2.8倍の応答速度を実現します。ドラフト深度は自動設定され、MTP、DFlash、DSpark、EAGLE-3 といったドラフターをサポートしています。学習面では、flash-attn や xformers が未導入の環境(NVIDIA、PyTorch 2.12 以上)において、サンプルパッキングを用いた学習が最大8倍高速化されました。

長時間チャットの描画安定化と不具合の修正

ユーザーインターフェースと動作安定性に関する各種修正が行われました。長時間のチャットやサイドバーに数百件の履歴が存在する状態でも、文字入力やスクロールが重くならないよう最適化されました。加えて、Claude や Gemini の思考プロセスの表示対応、Ollama 接続時のコンテキストバー表示、Volta 以前の古い GPU における torch.compile の無効化、TRL PPOTrainer 利用時のロールアウトクラッシュやパディングの修正など、多岐にわたる挙動改善が含まれています。

対応モデル・ハードウェア

本バージョンでは、画像生成モデル、テキスト拡散モデル、OCRモデルなど、多岐にわたるアーキテクチャのサポートとハードウェア最適化が追加されました。

新たに対応したモデル

  • Qwen-Image-2.1-Turbo: 公式の8ステップ高速化版に対応しました。「Images」ページから 4.2 GB の Q4 GGUF モデルを直接ロードして画像生成を行えます。
  • テキスト拡散LLM: DiffusionTrainer の実装により、DiffusionGemma、LLaDA、LLaDA2、Dream、Nemotron、SDAR の学習が可能になりました。
  • DeepSeek-OCR / DeepSeek-OCR-2: 新たに実行モデルとしてサポートされました。
  • Qwen2.5-Omni: Qwen2_5OmniModel を指定するチェックポイントのロードに対応しました。
  • 音声・マルチモーダルモデル: Whisper および SeamlessM4T が auto_model を経由せずにロードできるようになり、Dia の音声パディングトークン保持などにも対応しています。
  • ディシジョンモデル: Apple Silicon 環境において Laya および Clef ディシジョンモデルの学習に対応しました。Clef では画像を用いたデータ行の学習と推論が可能です。
  • SDXL: 「Images」ページにおいて、コミュニティが作成した単一ファイルの SDXL GGUF モデルのロードに対応しました。

ハードウェアおよびバックエンドの拡張

  • AMD GPU(ROCm): Linux 環境および Windows の WSL 環境において、推論バックエンドとして vLLM エンジンをオプションで利用できるようになりました。また、ROCm 6.0〜6.3 環境で ROCm 6.4 向けの PyTorch を適用して bitsandbytes 学習時のクラッシュを防ぐ修正や、Qwen-Image-2.1 における VAE タイルのメモリ不足(OOM)回避、Windows ROCm での OpenBLAS スレッド制限対応などが施されています。
  • Apple Silicon(Mac / MLX): MLX 推論エンジンでの投機的デコーディングに対応し、MTP、DFlash、DSpark、EAGLE-3 をドラフターとして利用できます。さらに、Qwen-Image-2.1 のテキストエンコーダーにおける int8 ConvRot 処理や、ユニファイドメモリ環境でデノイズ処理中にテキストエンコーダーを解放してメモリを節約する最適化が含まれています。
  • NVIDIA GPU: VRAM を超えるサイズの MoE GGUF モデル実行時の推論処理が最大3倍に高速化されました。また、Volta 以前の古い世代の GPU では自動的に torch.compile がオフになるよう制御され、Windows 上でドライバが CUDA 12.4 未満の場合は CPU ではなく Vulkan 版 llama.cpp バンドルへフォールバックするよう変更されています。

アップデート方法

ソースコードから構築した開発版・ローカル版環境(Unsloth Studio)をご利用の場合は、リポジトリを更新した上でインストーラスクリプトを再実行します。

macOS、Linux、WSL(Ubuntu など)をお使いの場合は、端末で以下のコマンドを実行してください。

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

Windows 環境(PowerShell)をお使いの場合は、以下のコマンドを実行して更新します。

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

なお、デスクトップアプリ(Unsloth Desktop)をご利用の場合は、公式サイトの配布ページから最新のインストーラを取得して更新を行ってください。

関連記事

次に読むなら

出典