UnslothがQwen-Image-2.1対応とAgent Skills機能を追加
基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | unslothai/unsloth |
| 版 | v0.1.812-beta |
| 公開日 | 2026-09-23 |
| 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が一次情報) |
収集・肉付けの時点で当サイトのコードが確定させた値です。日付はJST。
概要
Unslothは、LLM（大規模言語モデル）や拡散モデルをローカル環境で実行・学習するためのUIツールです。GGUF、MLX、Qwen3.8、DeepSeek-V4、Gemma 4、FLUXなど、幅広いモデルをサポートしています。
今回のリリースでは、Qwen-Image-2.1への対応に加え、モデルに特定のタスクを実行させるための「Agent Skills」機能が追加されました。また、推論におけるlong reasoning blocksの速度が従来の30 FPSから60 FPSへと2倍に向上しており、推論のパフォーマンスを重視するユーザーにとって大きなアップデートとなっています。
主な変更点
Agent Skillsの追加
モデルを特定のタスクへと導くためのカスタムスキルを追加できるようになりました。既存のClaude Codeや.agentsフォルダからスキルを再利用することも可能です。チャット内で@を使用することで、管理しているスキルを簡単に選択して呼び出せます。
推論パフォーマンスの向上
long reasoning blocksの処理速度が向上しました。具体的には、従来の30 FPSから60 FPSへと2倍の速度を実現しています。思考プロセス（Thinking）を伴うモデルを利用しているユーザーにとって、よりスムーズな体験が期待できます。
Qwen-Image-2.1のサポート
Qwen-Image-2.1のサポートが追加され、画像の生成および編集が可能になりました。また、VisionモデルがMCPツールによって返された画像を確認できるようになっています。
チャットおよびプロジェクト管理の改善
サイドバーのチャットをドラッグして並べ替えたり、ピン留めしたり、プロジェクト内に移動したりできるようになりました。また、プロジェクトのページからプロジェクト名、指示、フォルダを直接編集することが可能です。Thinking UI/UXも、よりクリーンでモダンな体験を提供するために刷新されています。
学習（Training）の信頼性向上
学習の再開（resume）やデータセットの準備に関する信頼性が向上しました。Hugging Faceのデータセットがレシピ内で動作するようになり、過去の学習実行の再開、再開後の正確な残り時間の表示、データセットの列のマッピング、選択したスプリットやサブセットの尊重などが可能になっています。
Linux/Desktop環境の改善
Linux環境の配布が大幅に改善されました。Debianインストール向けのアプリ内アップデートが追加されたほか、ARM64向けのネイティブなUbuntu 24.04+用インストーラーが提供されています。また、Unsloth StudioとJupyterLabを含む新しいAMD ROCm Dockerイメージも利用可能です。
ストレージとモデル管理
チャットがダウンロード済みのモデルを再利用できるようになり、同じモデルを二重に取得する必要がなくなりました。また、設定画面からディスク容量を占有しているキャッシュを確認し、削除できるようになっています。
対応モデル・ハードウェア
今回のアップデートにより、対応するモデルアーキテクチャとハードウェア環境が大幅に拡張されました。
モデルアーキテクチャと機能
Qwen-Image-2.1が新たにサポートされました。これにより、画像生成および画像の編集が可能になります。また、Visionモデル（視覚モデル）に関しては、MCP（Model Context Protocol）ツールによって返された画像を見ることができるようになり、より高度なマルチモーダルな推論が可能になりました。
ハードウェアおよびOS環境
Linux環境のサポートが大幅に強化されました。Debianインストールを利用しているユーザー向けには、アプリ内でのアップデート機能が追加されています。また、ARM64アーキテクチャを利用しているユーザー向けには、Ubuntu 24.04以降を対象としたネイティブなLinux用.debインストーラーが提供されています。
AMD GPUを利用するユーザー向けには、Unsloth StudioとJupyterLabを同梱した新しいAMD ROCm Dockerイメージが用意されています。さらに、Vulkanを利用したiGPU（内蔵GPU）環境において、統合メモリ（unified-memory）のウィンドウを共有ホストメモリとして適切に扱うよう改善されるなど、ハードウェアリソースの管理が最適化されています。
アップデート方法
Unslothを最新の（Nightly）ソースからインストール、またはアップデートするための手順は以下の通りです。
macOS, Linux, WSLでのインストールと更新
開発者向けのインストール（mainブランチからのビルド）は、以下のコマンドを使用します。
git clone https://github.com/unslothai/unsloth
cd unsloth
./install.sh --local
unsloth studio -p 8888
既にリポジトリをクローンしている場合は、以下の手順でアップデートを行ってください。
cd unsloth && git pull
./install.sh --local
unsloth studio -p 8888
Windows (PowerShell) でのインストールと更新
Windows環境では、PowerShellを使用して以下の手順でインストールを行います。
git clone https://github.com/unslothai/unsloth.git
cd unsloth
Set-ExecutionPolicy -Scope Process -ExecutionPolicy RemoteSigned
.\install.ps1 --local
unsloth studio -p 8888
アップデートを行う場合は、以下のコマンドを実行します。
cd unsloth; git pull
.\install.ps1 --local
unsloth studio -p 8888
高度なインストールオプション
特定の環境や用途に合わせて、以下のオプションを指定してインストールすることも可能です。
隔離された場所にインストールする場合
UNSLOTH_STUDIO_HOME環境変数を設定することで、特定のディレクトリ内にインストールを完結させることができます。
# Linux/macOS/WSL
UNSLOTH_STUDIO_HOME="$PWD/.studio"./install.sh --local
unsloth studio -p 8888
# Windows PowerShell
$env:UNSLOTH_STUDIO_HOME="$PWD\.studio";.\install.ps1 --local
$env:UNSLOTH_STUDIO_HOME="$PWD\.studio"; unsloth studio -p 8888
PyTorchをスキップする場合（GGUF専用モード）
# Linux/macOS/WSL
curl -fsSL https://unsloth.ai/install.sh | UNSLOTH_NO_TORCH=1 sh
# Windows PowerShell
$env:UNSLOTH_NO_TORCH=1; irm https://unsloth.ai/install.ps1 | iex
関連記事
- Unsloth v0.1.813-beta公開、Qwen-Image-2.1対応と推論高速化
- Unsloth v0.1.811-beta公開、Docker・AMD・マルチユーザー対応
- 「unsloth」v0.1.810-beta公開：マルチユーザー対応とDocker刷新
- Unsloth、Windows ARM64バイナリ版をリリース
出典
更新履歴
- 2026-09-23: 記事の組み立てを更新しました: GGUF量子化版のビルド重複合算バグを修正(必要メモリ・VRAM早見表)
- 2026-09-23: 記事の組み立てを更新しました: 投機的デコード用draft head(mtp-)ファイルを本体と誤認していたバグを修正(必要メモリ・VRAM早見表)