unsloth は「pip で入れる高速 LLM ファインチューニングライブラリ」として知られてきました。それが 2026年8月11日、ネイティブのデスクトップアプリとして配布を始めています。現在の README 冒頭は “Unsloth is the first desktop app to run and train models.” で、Windows / macOS / Linux 向けのインストーラが並びます。本記事では macOS 版の dmg(45MB)を実際に取得・展開・起動し、60MB のバイナリに何が入っていて、何が入っていないのか、そしてライブラリ版との関係とライセンス構成を実測で確かめます。

DMG VS INSTALLED45MBの中身

45MBのdmgは入口で、実環境は初回に2.3GB展開される

配布物(dmg 45MB)

v0.1.803-beta

  • Tauri 製の起動役(60.8MB)
  • 6,044行の install.sh
  • PyTorch は入っていない

初回セットアップ後(2.3GB)

86秒で完了(実測)

  • uv と Python 3.13.13 の仮想環境
  • PyTorch 2.10.0・llama.cpp
  • unsloth 2026.8.21
出典: 筆者実測(macOS / Apple Silicon・2026-08-26〜27)

30秒でわかる Unsloth Desktop(2026年8月26日時点・実測)

・正体:★74,716 の高速ファインチューニングライブラリ Unsloth が出したネイティブデスクトップアプリ。2026-08-11 の v0.1.70-beta で登場
・中身:dmg は 45,287,769 バイト。展開すると Tauri 製の単一バイナリ(60.8MB)と 6,044行の install.sh。PyTorch は入っていない
・何をする:同梱の install.sh が uv・Python仮想環境・PyTorch・llama.cpp などを取得し(GUI からの自動実行は未検証)、localhost:8888 起点の Studio を立てる
・置き換えではない:PyPI のライブラリ版は 2026.8.21 が 2026-08-25 に公開され現役。両者は併存
・ライセンスが分かれる:リポジトリ直下は Apache-2.0、studio/ 配下は AGPL-3.0-only
・署名:Developer ID(Unsloth AI Inc.)で公証済み。spctl は accepted

ローカルでモデルを動かす手段の全体像は ローカルLLMとは?おすすめモデル・ツールの選び方と必要なPCスペック、無料で動かす方法【2026】 にまとまっています。本記事はそのうち「学習まで含めて GUI で完結させにきた Unsloth」に絞った解説です。

unsloth とは:2〜5倍速の学習ライブラリから始まった

Unsloth(unslothai/unsloth)は、LLM のファインチューニングを省メモリ・高速に行うための Python ライブラリとして広まりました。GitHub 実測で ★74,716・fork 6,763、直近 push は 2026-08-25 です。PyPI 側のパッケージ説明は現在も “2-5X faster training, reinforcement learning & finetuning” で、この看板は降ろされていません。

今回の変化は、このライブラリの上に GUI が乗ったことではなく、配布の入口そのものがアプリに置き換わったことです。README の一番上にあるのは pip install ではなく、OS別のインストーラのダウンロード表になりました。
読者の3つの問いへの答え
① 何ができる:ローカルでモデルを実行し、さらに学習(ファインチューニング)まで GUI で回せる。② 何を解決する:CUDA・Python環境・学習ライブラリの構築という、最初の断絶を肩代わりする。③ 何を代替できる:推論だけなら LM Studio や Ollama と重なるが、学習まで含む点が両者との違い。

デスクトップアプリ化の時系列

時系列は GitHub Releases の実測です。2026-08-11 に v0.1.70-beta「Introducing Unsloth Desktop」、08-14 に v0.1.800-beta(Qwen3.8-27B 対応)、08-20 に v0.1.801-beta(LAN Remote Access)、08-25 に v0.1.802/803-beta が出ています。

2026-08-11 の登場から2週間ほどで、ベータ版が繰り返し出ています。直近は 8月25日、つまり検証の前日にもリリースがありました。バージョン番号が 0.1.x-beta であることも含め、まだ動きの速い段階だと理解しておくのが妥当です。

同じ期間、PyPI のライブラリ版も止まっていません。unsloth の最新は 2026.8.21(アップロードは 2026-08-25、requires_python は <3.15,>=3.9)で、こちらも並行して更新されています。デスクトップ版の登場はライブラリ版の終了を意味しません。

Unsloth Desktop の使い方と必要容量

実測した手順は次の3つです。

FIRST LAUNCH初回起動の流れ

起動直後はNotInstalled。取得は install.sh が担う

  1. アプリ起動

    Tauri 製の起動役

  2. preflight

    NotInstalled・port=None

  3. install.sh

    uv・venv・PyTorch・llama.cpp

  4. Studio 起動

    localhost:8888

出典: tauri.log と同梱 install.sh の実測

・手順1:GitHub Releases から OS 別のインストーラ(macOS は dmg)を取得して開く
・手順2:アプリ同梱の install.sh を手動で実行して環境を構築する(実測 86秒・2.3GB。アプリの GUI から自動で走る流れは未検証)
・手順3:unsloth studio -p 8888 で起動し、ブラウザで localhost:8888 を開く

スペックについて、実測できたのは次のとおりです。macOS 版バイナリは arm64 で、Info.plist の最低 OS は 10.13、セットアップ後の ~/.unsloth は 2.3GB になりました(公式の必要容量の表記は未確認)。NVIDIA GPU 搭載機での学習要件や必要 VRAM は、本記事では未検証です。

unsloth の 45MB dmg を展開して分かったこと

macOS 版のインストーラを実際に取得しました。

# 配布物を取得してサイズとハッシュを確認
curl -sL -o unsloth.dmg \
  "https://github.com/unslothai/unsloth/releases/download/v0.1.803-beta/Unsloth-Desktop-0_1_803_beta-MacOS.dmg"
shasum -a 256 unsloth.dmg

# 読み取り専用でマウントして中身を見る
hdiutil attach unsloth.dmg -nobrowse -readonly -mountpoint ./mnt
ls -la ./mnt

取得できた dmg は 45,287,769 バイト、SHA-256 は 185fc982…8c9fb6e でした。マウントすると Unsloth.app と /Applications へのシンボリックリンクという、標準的な構成です。

アプリバンドルの中身を見ると、構成は単純でした。

場所 実体 サイズ
Contents/MacOS/unsloth-studio Mach-O 64-bit executable arm64 60,810,752 バイト
Contents/Resources/install.sh シェルスクリプト(6,044行) 約296KB
Contents/Resources/icon.icns アイコン 約308KB
バンドル全体 — 約59MB

Electron ではなく Tauri

60MB という単一バイナリのサイズと、Contents/ に Frameworks ディレクトリが無いことから、Electron ではないと当たりを付けて実行ファイルの文字列を数えました。

結果は tauri 120、Tauri 39、wry 33 に対して Electron / electron はいずれも 2、WKWebView が 6 でした。Tauri 製(wry は Tauri のウェブビュー層)と判断できます(公式に Tauri と明記した記述は確認しておらず、文字列カウントによる状況証拠です)。Electron のように Chromium を同梱せず OS のウェブビューを使うため、配布サイズが小さく収まっています。

署名と公証は通っている

配布物としての信頼性も確認しました。

# 署名者と公証状態を確認する
codesign -dv ./mnt/Unsloth.app 2>&1 | grep -E "Identifier|TeamIdentifier|flags"
spctl -a -vvv -t install ./mnt/Unsloth.app

TeamIdentifier=4RAD85856P、flags=0x10000(runtime)(Hardened Runtime 有効)で、spctl の判定は accepted、source=Notarized Developer ID、origin=Developer ID Application: Unsloth AI Inc. (4RAD85856P) でした。Apple の公証を通っており、Gatekeeper の回避操作なしに起動できます。ベータ版とはいえ配布の作法は整っています。

起動してみると「まだ何も入っていない」

実際に起動して挙動を見ました。プロセスは立ち上がり、メニューバーが Unsloth に切り替わります。同時に ~/.unsloth/studio/ が作られ、ログが残りました。

20:55:51 [INFO] Unsloth desktop app starting
20:55:53 [INFO] Managed preflight: install probe result Missing in 0ms
20:55:53 [INFO] desktop_preflight completed disposition=NotInstalled port=None in 1ms

disposition=NotInstalled / port=None ——つまりアプリは起動直後に「実行環境がまだ入っていない」と判定し、サーバーを立てていません。この時点で待ち受けポートは存在しませんでした。

45MB のインストーラは本体ではなく入口です。実際の ML スタックは初回起動時にネットワーク越しに取得されます。「ダウンロードが軽いから手軽」ではなく、重い部分が初回起動に後ろ倒しされていると理解するのが正確です。

同梱の install.sh を読むと、何を取りに行くかが具体的に分かります。6,044行のうち、外部URLの出現を数えると次のような分布でした。

取得先 出現回数 何のため
github.com/unslothai/unsloth-zoo 6 Unsloth のモデル/ユーティリティ群
unsloth.ai/install.sh 5 インストーラ自身の配布元
astral-sh/uv releases 2 uv(Python パッケージマネージャ)の取得
download.pytorch.org/whl 2 PyTorch のホイール
repo.amd.com/rocm/whl ほか 5 AMD ROCm 環境向け

llama.cpp(テキスト生成)・whisper.cpp(音声認識)・stable-diffusion.cpp(画像生成)・Node まで用意する構成で、「ファインチューニングツール」というより「ローカルAIの作業台」に近い設計です。MCP.md があることから MCP 連携も想定されています。

初回セットアップは環境変数で制御できる

アプリに同梱されたものと同じスクリプトが公式サイトでも配布されており(https://unsloth.ai/install.sh・実測 302,405 バイト)、中身を確認すると次の環境変数とフラグが定義されていました。出現回数の多い順です。

環境変数 / フラグ 役割
UNSLOTH_STUDIO_HOME インストール先。優先順位は UNSLOTH_STUDIO_HOME > STUDIO_HOME > $HOME/.unsloth/studio
UNSLOTH_NO_TORCH / --no-torch PyTorch の取得を行わない(既存環境を使う/サイズを抑える)
UNSLOTH_PYTHON / --python 使用する Python を明示指定
UNSLOTH_SKIP_AUTOSTART インストール後の自動起動を抑止
UNSLOTH_TORCH_INDEX_URL / UNSLOTH_TORCH_OVERRIDES PyTorch の取得先を差し替える(社内ミラー等)
UNSLOTH_TORCH_INDEX_URL で PyTorch の取得先を差し替えられる点は、閉じたネットワークで運用する場合の突破口になります。ただし本記事では実際にミラーを指して通したわけではないので、成否は未検証です。

ライセンスが2つに分かれている

TWO LICENSESライセンスの境目

同じリポジトリで2系統に分かれている

置き場所

ライセンス

置き場所: リポジトリ直下 LICENSE(ライブラリ本体)

ライセンス: Apache-2.0

置き場所: studio/LICENSE.AGPL-3.0(Desktop 側)

ライセンス: AGPL-3.0-only

出典: 公式リポジトリの LICENSE と studio/ 配下(2026-08-26時点)

配布物を読んでいて見つけた、判断に影響する事実です。同梱の install.sh のヘッダにはこう書かれています。

# SPDX-License-Identifier: AGPL-3.0-only
# Copyright 2026-present the Unsloth AI Inc. team. All rights reserved.
# See /studio/LICENSE.AGPL-3.0

一方、GitHub API が返すリポジトリのライセンスは Apache-2.0(LICENSE・11,550バイト)です。リポジトリ直下を確認すると、両方が存在していました。

対象 ファイル ライセンス
Unsloth ライブラリ本体 LICENSE(リポジトリ直下) Apache-2.0
Unsloth Studio / デスクトップ studio/LICENSE.AGPL-3.0 AGPL-3.0-only
商用利用を検討する場合はここを先に確認する
Apache-2.0 と AGPL-3.0 では、とくにネットワーク越しにサービス提供する場合の義務が大きく異なります。AGPL-3.0 は改変してネットワーク経由で提供する場合にソース開示義務が生じます。「Unsloth は Apache-2.0 だから安心」という理解のまま Studio 側を組み込むと前提が崩れます。GitHub の言語別ライセンス表示(Apache-2.0)はリポジトリ直下の LICENSE を見ているだけで、この分離を反映しません。

ライブラリ版とデスクトップ版、どちらを使うか

両者は併存しているので、選ぶ基準を整理します。

観点 ライブラリ版(pip install unsloth) デスクトップ版(Unsloth Desktop)
入口 PyPI(最新 2026.8.21・2026-08-25 公開) GitHub Releases の OS 別インストーラ
ライセンス Apache-2.0 AGPL-3.0-only(studio/ 配下)
環境構築 自分で Python / CUDA を用意 install.sh で uv + venv + PyTorch を取得(GUI からの自動実行は未検証)
操作 Python スクリプト / ノートブック GUI(localhost:8888 の Studio)
自動化 スクリプトに組み込みやすい GUI 前提。CI 等には向かない
成熟度 長期間の実績 0.1.x-beta(2026-08-11 登場)
向く用途 学習パイプラインの組み込み、再現性が要る実験 手元で試す、GUI で完結させたい

Unsloth Desktop の 45MB という数字は、同じ「ローカルでモデルを動かす GUI アプリ」と比べると際立ちます。各配布物に curl -sIL でヘッダだけを投げ、Content-Length を実測しました。

アプリ macOS 版インストーラ 配布サイズ 実行エンジンの扱い
Unsloth Desktop Unsloth-Desktop-…-MacOS.dmg 43.2 MB install.sh で取得(uv + venv + PyTorch)。43.2 は MiB 換算で、45,287,769 バイトに相当
Ollama Ollama.dmg 180.2 MB 同梱
LM Studio LM-Studio-…-arm64.dmg 524.5 MB 同梱

ただし利用者から見ると、初回起動時にネットワークが要る・取得サイズが事前に読めない・社内プロキシ環境で詰まりやすいという副作用があります。オフライン環境での導入を前提にしている場合、この方式は相性が悪い点に注意してください(オフライン導入の可否は本記事では未検証)。

推論だけが目的なら、LM Studioとは|使い方・MCP連携・Ollamaとの違いまでローカルLLMをGUIで動かす完全ガイド で扱っている LM Studio のほうが成熟しています。また Unsloth Studio が内部で llama.cpp を取得することからも分かるとおり、実行エンジンの選択そのものは Ollamaとllama.cppの違い2026|ローカルLLMはどちらで動かすべきか徹底比較 の議論と地続きです。Unsloth Desktop の独自性は「学習まで GUI に入れた」点にあります。

【2026-08-27 追記】初回セットアップを実際に通した — 86秒・2.3GB、そして初回は chat-only で止まる

初版では「初回セットアップは実行していないため未検証」と書きました。その部分を実際に通したので、結果を追記します。

手順は、Unsloth.app/Contents/Resources/install.sh(6,044行)を直接実行する形です。アプリに同梱されたスクリプトです(GUI からの自動実行そのものは未検証)。UNSLOTH_SKIP_AUTOSTART=1 を付けて自動起動だけ抑止しました。

# アプリ同梱のインストーラをそのまま走らせる
cp "/Volumes/Unsloth/Unsloth.app/Contents/Resources/install.sh" .
UNSLOTH_SKIP_AUTOSTART=1 sh ./install.sh

所要時間とサイズ

項目 実測値(2026-08-27・Apple Silicon / macOS)
セットアップ所要時間 86秒
~/.unsloth の最終サイズ 2.3GB
うち仮想環境 unsloth_studio/ 2.0GB(site-packages 562エントリ)
Python 3.13.13(venv内)
PyTorch 2.10.0 → torchao==0.16.0 を追加インストール
インストールされた unsloth 2026.8.21

45MBのdmgが、実際には2.3GBの環境に展開される——初版で「PyTorchは含まれない」と書いた部分の、実際の埋め合わせ量がこれです。所要時間86秒は回線とマシンに依存します。

GPUバックエンドは Apple Silicon を認識した

cmake が無い環境だったため、llama.cpp はソースビルドではなくプリビルトを取得しています(ログに using prebuilt llama.cpp (cmake not found))。venv内のPyTorchも MPS を認識していました。

【重要】初回起動は chat-only で止まり、再起動で解消した

ここが実測でいちばん引っかかった点です。セットアップ直後に unsloth studio を起動すると、学習とエクスポートが無効化された状態で立ち上がりました。

Apple Silicon detected but the MLX stack is incomplete or too old;
Train/Export disabled (chat-only)
(mlx_lm does not import (ImportError: tokenizers>=0.22.0,<=0.23.0 is required ...))
Hardware detected: CPU training backend (no PyTorch/MLX GPU backend available)

/api/health も "chat_only": true を返します。原因は依存関係の版衝突で、mlx_lm が要求する tokenizers<=0.23.0 に対して tokenizers==0.23.1 が入っている、というものでした。

ところが、サーバを一度落として起動し直すと解消しました。

  初回起動 再起動後
/api/health の chat_only true false
ハードウェア検出 CPU training backend MLX — Apple Silicon (arm64)
Train / Export 無効 有効

再起動後に改めて版数を確認すると tokenizers は 0.22.2(mlx_lm の要求範囲内)で、mlx_lm も正常にimportできました。つまり衝突は2回の起動のあいだに解消されていたことになります。

どの処理が解消したのかは特定できていません(未検証)。 インストーラ末尾の依存整理が非同期に効いた可能性と、初回起動時の自己修復が走った可能性の両方が考えられます。実務上の含意はシンプルで、初回セットアップ直後に chat-only と表示されても、まずアプリを一度再起動してください。 ログが案内する unsloth studio update を走らせる前に、それで直ることがあります。

現時点で壊れているもの:whisper.cpp のペアリング

インストーラは whisper.cpp の導入に失敗しました。これはエラーで停止するのではなく、警告を出して先へ進む挙動です。

llama.cpp 側が b10639 に上がっている一方、whisper.cpp 側のプリビルトが b10472 を要求しており、配布側のバージョンペアリングがズレています。ログ自身が「publish the paired releases in llama.cpp then whisper.cpp order」と、リリース順序の問題であることを示唆しています。

影響は限定的で、キュレーション済みの whisper.cpp ディクテーションが使えないだけです。ブラウザ側と Transformers 経由のディクテーションは引き続き利用できると同じログが明示しています。beta 版らしい、リリース運用に起因する不整合です。

起動と公開範囲

セットアップ完了時に案内されるコマンドはこれです。

unsloth studio -p 8888

既定では 127.0.0.1 にバインドされ、ログにも「Reachable on this machine only」と出ます。ここは安全側の既定です。一方で、公開用のオプションが2つ用意されています。

・-H 0.0.0.0 — LAN/クラウドへ公開(生ポートを開くだけで、公開URLにはならない)
・--cloudflare — Cloudflare 経由の公開HTTPSリンクを生成する

後者について、インストーラの出力は自ら警告を添えています——「anyone with the API key can run code(APIキーを持つ者は誰でもコードを実行できる)」。Unsloth Studio はローカルでコードを実行する作業台なので、--cloudflare は「自分のマシンでの任意コード実行を、インターネット越しにAPIキー1本で許可する」ことと同義です。検証や共有で使う場合でも、--secure で生ポートを閉じるなど、公開範囲は意識的に選んでください。

まとめ

実測で分かったこと

・Unsloth は 2026-08-11 にデスクトップアプリを追加した。ライブラリ版の置き換えではなく併存(PyPI は 2026-08-25 にも更新)
・dmg は 45MB、中身は Tauri 製の起動役(60.8MB バイナリ)と 6,044行のインストーラ。PyTorch は含まれない
・ライセンスが2系統:ライブラリは Apache-2.0、studio/ 配下は AGPL-3.0-only
・署名・公証は正規(Unsloth AI Inc.)。ただしバージョンは 0.1.x-beta で変化が速い
・初回起動は chat-only(Train/Export 無効)で立ち上がり、再起動で MLX 検出に切り替わった。原因の特定は未検証だが、まず再起動を試す価値がある
・whisper.cpp のプリビルトは現在ペアリング不整合で導入に失敗する(llama.cpp b10639 に対し whisper は b10472 を要求)
・--cloudflare は公開HTTPSリンクを作る。インストーラ自身が「APIキーを持つ者は誰でもコードを実行できる」と警告している

参照ソース

・unslothai/unsloth(公式リポジトリ・README) — ★数・説明文・README 冒頭の位置づけ
・Unsloth Releases — 「Introducing Unsloth Desktop」を含むリリース時系列
・unsloth — PyPI — ライブラリ版が現役で更新されていることの確認
・studio/LICENSE.AGPL-3.0 — Studio 側のライセンスと install_*.py 群