Unslothは新リリースで、モデルがページを開いてクリックや入力を行うBrowser useと、8ステップで画像を生成するQwen-Image-2.1-Turbo(4.2 GBのQ4 GGUF)を追加しました。テキスト拡散LLMの訓練、VRAMを超えるMoE GGUFの最大3倍高速化、Mac向けMLX投機的デコーディング(最大2.8倍)も含みます。
Unslothは、AIモデルの実行と学習のためのツール群で、デスクトップアプリ、ウェブ画面、コードから利用できます。
ブラウザー操作
モデルはチャット横の専用タブでページを開き、読み取り、クリック、入力、選択、スクロールを行います。ほかのブラウザータブにはアクセスしません。ローカルモデルとAPIプロバイダーに対応し、小型のテキスト専用モデルでも動作します。
- モデルがサインイン、フォーム送信、購入・送信・削除につながるボタンを押す前に、Unslothが確認を求めます
- パスワード、カード番号、ワンタイムコードはモデルが入力せず、ユーザー自身が入力します
Settings > Browserで、モデルが開けるサイトや閲覧履歴・ダウンロードへのアクセスを選べます
チャットの「+」メニューからBrowser useを有効にし、検索やウェブサイトの利用を依頼して使います。返信内のReactコードブロック(JSX/TSX)はBrowser上でライブプレビューとして実行されます。
画像生成と訓練
Qwen-Image-2.1-TurboはQwen-Image-2.1の公式8ステップ版で、Imagesページから実行します。訓練した画像LoRAはファイルとしてエクスポートでき、ComfyUIモデルはComfyUIフォルダー内の既存テキストエンコーダーを使います。
訓練面の追加は次のとおりです。
- 新しい
DiffusionTrainerでDiffusionGemma、LLaDA、LLaDA2、Dream、Nemotron、SDARを訓練 loraplus_lr_ratioを設定してLoRA+で訓練、GPTQモデルのLoRAファインチューニング- TRL 1.15によるGRPOで動画プロンプトとツール呼び出しを訓練、
AsyncGRPOTrainerは1 GPUで訓練と生成が可能 - ツール呼び出しデータセットで各行のツール定義を含め、マルチターンのエージェントトレースに対応
- TrainページのOffload layersにVRAM予算を設定(NVIDIA・AMD)、保存済みアダプターからLoRA訓練を継続
- MacでLaya・Clefの判定モデルを訓練(Clefは画像も可)
性能改善
| 項目 | 内容 |
|---|---|
| VRAMを超えるMoE GGUF | NVIDIA・AMD GPUで最大3倍高速 |
| サンプルパッキング訓練 | flash-attnとxformers未導入時に最大8倍高速(NVIDIA、PyTorch 2.12+) |
| MLX投機的デコーディング | Macで応答が最大2.8倍高速、出力は同一 |
| llama-serverマイクロバッチ | MoEエキスパートがRAMへ退避する場合に2048へ引き上げ |
MLXの投機的デコーディングはドラフト深度を自動設定し、MTP、DFlash、DSpark、EAGLE-3のドラフターに対応します。
その他とインストール
AMD GPUでオプションのvLLMエンジンをLinuxとWindowsのWSL経由で使えます。DeepSeek-OCRとDeepSeek-OCR-2の実行、パラメータ数・コンテキスト長・組織によるHubモデルの絞り込み、GPU負荷・温度・電力を示すLive monitor、AGENTS.mdのチャット指示への読み込みにも対応しました。Deep ResearchはMCPツールを情報源として引用できます。インストーラー(install.sh / install.ps1)はunsloth>=2026.10.3を要求します。
まだコメントはありません。