Unsloth Desktop、ローカルで実行されるモデルを Claude Code および Codex に接続

Why it matters

Unsloth is turning its model-optimization framework into a local AI workstation, giving developers one app for training, inference and coding-agent connections.

兄弟のDaniel and Michael Hanは火曜日にUnsloth AIのネイティブデスクトップアプリを公開し、同スタートアップのローカルモデルのトレーニングと推論ソフトウェアをMac、Windows、Linux向けにパッケージ化した。

https://x.com/UnslothAI/status/2087177146662072546

Unsloth AI (@UnslothAI)は8月11日にXのスレッドでリリースを発表した。オープンソースのこのアプリは、GGUFフォーマットで配布されるモデルやAppleのMLXフレームワーク向けに作られたモデルを含む、ローカルのテキスト、画像、ビデオ、オーディオモデルをサポートする。ダウンロードはUnsloth GitHub repositoryとUnslothのメインサイトから利用可能だ。

Unslothはこの製品を、モデルのローカル実行とトレーニングの両方が可能な最初のデスクトップアプリと呼んでいる。これは同社の主張である。より重要な機能は、推論、ファインチューニング、データ準備、エージェント接続を一つのインターフェイス内に組み込み、通常は必要となるターミナル作業や個別ツールを減らしてパーソナルコンピュータ上でのオープンモデルのカスタマイズを容易にしようとしている点だ。

今回のリリースにより、開発者はClaude CodeやOpenAIのCodexをローカルでホストされたモデルに接続できるようになった。UnslothはOpenAIおよびAnthropic互換のエンドポイントを公開しており、対応するコーディングエージェントがユーザー自身のハードウェア上で動作するモデルを呼び出せるようにしている。プロジェクトのドキュメントによれば、開発者はクラウドモデルをプライマリアージェントとして維持し、ローカルモデルをサブエージェントとして割り当てることができる。

その構成により、Unslothはモデル最適化を超えた役割を持つことになる。アプリは有料のクラウドAPIを中心に設計されたコーディングツールの背後で動作するローカルモデルサーバになり得る。トレードオフはユーザーのマシンに移り、モデル品質、レイテンシ、利用可能なコンテキストは選択されたモデルと利用可能なメモリに依存する一方で、プロンプトや推論はローカルに留められる可能性がある。

Unslothはその「"self-healing"」システムがツール呼び出しの精度を50%向上させると述べている。この数値は同社提供のもので、ローンチスレッドは比較に使用したモデル、タスク、ベースラインを明示していない。基礎となる機能は、小型のオープンモデルがしばしばソフトウェアエージェントに要求される正確な構造化出力を生成するのに苦労するため、誤った形式のツール呼び出しを修復しようとする試みである。

カーネルから消費者向けインストーラーへ

デスクトップ版の公開は、Unslothが3月17日、2026年に公開したブラウザベースのインターフェイスであるUnsloth Studioで始めた作業を拡張するものだ。Studioは既にローカルモデルのダウンロード、推論、トレーニング、データセット作成、モデルのエクスポートを扱っていた。新しいネイティブパッケージは、そのシステムをWindows、macOS、複数のLinux形式向けの標準ダウンロードでインストール可能にし、ユーザーがシェルやPowerShellコマンドから始める必要をなくす。

Daniel and Michael Hanは、HyperLearnというより高速な機械学習アルゴリズムに焦点を当てたオープンソースライブラリを構築した後、2023年にサンフランシスコで会社を設立した。Danielは以前Nvidiaで働き、Gemma、Llama、Mistral、Phiを含むオープンモデルのバグ発見と修正に関わったと述べている。Michaelはプロダクト、デザイン、エンジニアリングに注力してきた。UnslothはY CombinatorのSummer 2024 batchに参加し、Lightspeed Venture PartnersはUnslothをポートフォリオ企業として掲載している。

兄弟は当初、メモリとファインチューニングに必要な時間を削減するカスタムカーネルを中心にUnslothを構築した。彼らの最初の公開リリースは2023年12月で、Pythonパッケージとノートブックを通じて作業する開発者を対象としていた。デスクトップアプリは、ローカルトレーニングスタックを手作業で組み立てることなくインストール・運用できる製品として同じ最適化作業を持ち込んでいる。

Unslothのリポジトリは2026年8月11日時点で約69,900のGitHubスターを有していた。コードはデュアルライセンス構造を採用しており、コアパッケージはApache 2.0の下で利用可能で、Studioインターフェイスを含むオプションのコンポーネントはAGPL-3.0を使用している。

現在のベータはテキスト、オーディオ、埋め込み、ビジョンモデルをサポートしている。UnslothによればMacユーザーはMLXとGGUFの推論を実行し、ローカルでモデルをトレーニングできる一方、WindowsおよびLinuxユーザーはサポートされるNvidiaおよびAMDハードウェア上でトレーニングできる。CPUのみのシステムはチャットやデータ準備などより限定的な機能に対応している。

今回のリリースにより、Unslothは開発者が既に組み合わせているローカルモデルランチャー、トレーニングフレームワーク、エージェントサーバのコレクションと直接競合する位置に置かれる。その利点は統合にあり：1つのインストーラーでモデル発見、トレーニング、推論、エクスポート、ツール利用、コーディングエージェントへの接続をカバーするようになった。このバンドルがUnslothがサポートする消費者向けハードウェアの範囲にわたって維持されるかどうかが、デスクトップアプリがPython環境やGPU依存関係の管理に既に慣れた開発者以外にもローカルトレーニングを広げられるかを決定するだろう。