ローカルLLMの壁を打ち破る「Unsloth Desktop」登場！ 画像生成・コード実行・API化を1つのアプリに統合：Tech TIPS
クラウド生成AIの普及が進む一方、情報漏えいを防ぎコストを抑えるローカルLLMへの注目が集まっている。本Tech TIPSでは2026年8月に登場した「Unsloth Desktop」を解説する。チャットだけでなくノーコード学習や画像生成までGUIで完結する本ツールの特徴や、定番LM Studioとの違い、Windows 11での導入手順をまとめた。
対象：Windows 11
画像生成・コード実行・API化を1つのアプリに統合「Unsloth Desktop」登場
クラウド生成AIの普及が進む一方、情報漏えいを防ぎコストを抑えるローカルLLMへの注目が集まっている。本Tech TIPSでは2026年8月に登場した「Unsloth Desktop」を解説する。チャットだけでなくノーコード学習や画像生成までGUIで完結する本ツールの特徴や、定番LM Studioとの違い、Windows 11での導入手順をまとめた。
ChatGPTやClaudeといったクラウド型の生成AI（人工知能）サービスを業務に利用するケースが増えているのではないだろうか。一方、「ローカルLLM」、すなわち手元のPCやワークステーション上でAIモデルを動かす選択肢への関心も高まっている。ローカルLLMには、クラウドサービスにはない明確な強みがあるからだ。
最大のメリットは「データが外部に出ない」ことである。チャットの入力内容やアップロードしたファイルが自社のPCから外部へ送信されないため、機密文書や個人情報を含むデータを扱う場合でも、情報漏えいやサービス側の学習利用を心配する必要がない。セキュリティポリシー上、クラウド上の生成AIサービスの利用が制限されている組織でも導入しやすい。
次に「コストの優位性」だ。API利用料やサブスクリプション費用が発生せず、ハードウェアさえあれば何回推論を実行しても（電気代を除けば）追加コストは発生しない。大量のテキスト処理や試行錯誤を伴う検証用途では、この差は大きい。
さらに「オフラインで動作する」ことも挙げられる。ネットワークが遮断された環境や閉域網内のシステムでも利用できる。加えて「カスタマイズの自由度」である。オープンウェイトのモデルは自社データでファインチューニング（追加学習）でき、用途に特化したモデルを構築できる。社内のFAQなどを追加学習させることで、サポート業務の負担軽減といった具体的な成果につなげられる。
一方で、ローカルLLMの活用には従来、環境構築の壁があった。PythonやCUDAのバージョン整合、モデル形式（GGUF／safetensorsなど）の理解、ツール呼び出しやファインチューニング用のスクリプト作成など、「チャットするだけ」ならともかく、その先へ進むにはコマンドライン操作と相応の専門知識が必要だったのである。
この壁を一気に下げてくれるのが、本Tech TIPSで紹介する「Unsloth Desktop」だ。
Unsloth Desktopの概要と主な特徴
Unsloth Desktopは、高速ファインチューニングライブラリ「Unsloth」で知られる「Unsloth AI」が2026年8月上旬にリリースした、無料かつオープンソースのネイティブデスクトップアプリである（執筆時点ではβ版）。macOS／Windows OS／Linuxに対応している。従来のUnslothはPythonスクリプトとCLIでの利用が前提だったが、Desktop版では推論（モデルの実行）と訓練（ファインチューニング）の両方をGUIから扱えるようになった。
Unsloth Desktopの特徴として、対応するモデルの範囲が広い点が挙げられる。LLM（GGUF／safetensors／MLX形式）に加え、画像・動画生成の拡散モデル（FLUX／Z-Image／Wan／LTX／MiniMax-H3など）、音声モデル（Whisper系の文字起こしやTTS）までを1つのアプリで実行・訓練できる。
主な機能を整理すると下表の通りである。
| 機能 | 内容 |
|---|---|
| チャット／推論 | Model Hubからモデルをダウンロードしてすぐにチャットできる。複数モデルの並列チャット（比較）にも対応 |
| エージェント機能 | Web検索、Deep Research、ツール呼び出し、サンドボックス内でのPython／Bash実行をチャットに統合。ツール呼び出しの失敗を自動検出・修復する「self-healing」機構により、その成功率（精度）が最大50％向上するという |
| 権限コントロール | Claude CodeやCodexと同様に、モデルによるファイルアクセスやネット接続にはユーザーの承認を求める仕組みを備える。サンドボックス実行と直接アクセスをユーザーが選択できる |
| 画像・動画生成 | 拡散モデルによる生成に加え、inpaint（部分修正）、outpaint（拡張）、超解像、LoRA（Low-Rank Adaptation）アダプターの適用に対応 |
| ファインチューニング | PDF／CSV／JSONを投入するだけのノーコード学習。LoRA、フル・ファインチューニング、事前学習に対応 |
| API/連携 | OpenAI互換のローカルAPIを公開でき、unsloth start claude コマンドでClaude CodeやCodexなどのコーディングエージェントをローカルモデルに接続できる |
| リモートアクセス | 別のネットワークからでも、Cloudflareトンネルとインターネットを経由してローカルLLMに接続することで、リモートからの利用が可能 |
| Unsloth Desktopの主な機能 | |
なお、Unsloth Desktopはテレメトリー（利用状況の収集）を行わず、完全オフラインでの動作が可能であると明記されている。
ライセンスはコンポーネントによって異なり、CoreがApache 2.0、Studio UIを含む一部コンポーネントはAGPL-3.0である。AGPL-3.0は、改変を行わずにそのまま使う場合や、組織・社内の業務内で完結して外部にサービス提供しない場合は、基本的にソースコードの開示義務は発生しない。Unsloth Desktopを利用する上では、このライセンスが問題になるようなことはないだろう。
定番ツール「LM Studio」との比較
ローカルLLMのGUIアプリとしては「LM Studio」が定番として広く使われている。両者の位置付けを比較してみよう。
| 項目 | Unsloth Desktop | LM Studio |
|---|---|---|
| 提供形態 | 無料・オープンソース（Apache 2.0／AGPL-3.0） | 無料（プロプライエタリ） |
| 対応OS | macOS／Windows OS／Linux | macOS／Windows OS／Linux |
| チャット／モデルDL | ○ | ○ |
| GGUF／MLX対応 | ○ | ○ |
| ローカルAPI（OpenAI互換） | ○ | ○ |
| ファインチューニング | ○（ノーコード／GUI） | × |
| 画像・動画生成 | ○（拡散モデル対応） | × |
| Web検索／コード実行 | ○（チャットに統合） | △（MCP経由など限定的） |
| エージェント連携 | ○（Claude Code／Codexなど） | △ |
| Unsloth DesktopとLM Studioとの比較 | ||
両者は「モデルをダウンロードしてローカルでチャットする」という基本部分は同じだ。GGUFやsafetensorsを扱い、複数モデルを並べて比較する使い方も共通である。
違いが出るのはその先である。LM Studioが「ローカルでチャットするためのアプリ」として洗練されているのに対し、Unsloth Desktopは従来ターミナルに戻る必要があったツール呼び出しの検証やコード実行、学習データの生成、ファインチューニング、学習モニタリング、モデルのエクスポートまでをGUIに取り込み、「ローカルAIの総合環境」を目指している点が異なる。
ただ、Unsloth Desktopは現時点でβ版のため、安定性や完成度ではLM Studioに一日の長がある。「まずローカルLLMでチャットを試したい」だけならLM Studioで十分であり、「チャットの先（学習やエージェント活用）まで1つのアプリで完結させたい」ならUnsloth Desktopを試す価値がある、ということになるだろう。
Windows 11へのセットアップ手順と注意点
インストールは一般的なデスクトップアプリと変わらない。公式サイトの以下のダウンロードページからOS別のインストーラーを入手して実行する。
- Download Unsloth（Unsloth）
Unsloth Desktopのインストーラーをダウンロードする
Unslothのダウンロードページを開き、［Download for Windows］ボタンをクリックする。ダウンロードしたインストーラーを実行し、Windows 11上にインストールする。
初回起動時には、画面上部の［Select model］でモデルを選び、自分のPCに合った量子化レベルをダウンロードすれば、追加のセットアップなしにチャットを開始できる。
ただし、Unsloth DesktopはモデルをVRAMやメインメモリにロードして実行するため、Kimi K3などの容量の大きなものの場合、メモリ不足エラーが発生しやすい。搭載メモリが16GB程度の一般的なPC環境では、動作させられるモデルの規模が制限される点に注意が必要だ。
Unsloth Desktopでモデルをロードする（1）
Unsloth Desktopを起動したら、［Select model］−［Recommended］をクリックして、プルダウンで表示されたモデルの一覧から好みのものを選択する。
Unsloth Desktopでモデルをロードする（2）
量子化レベルが選択できるものもあるので、好みのサイズを選択するとよい。迷った場合は緑色で「recommended」と記載されているものを選択するのが無難だ。
なお、アプリを削除したい場合は、Windows OSの［設定］アプリで「アプリ」−「インストールされているアプリ」画面を開いて実行する。アンインストールしてもダウンロード済みモデルやユーザーファイルは削除されない。
チャット機能と画像生成の実際
基本的な使い方はシンプルだ。モデルを選んでダウンロードし、チャット欄にメッセージを入力して［Enter］キーを押すだけである。
試しに比較的サイズの小さな「gemma-4-12B-it-qat-GGUF」をダウンロードして使ってみよう。前述のようにUnsloth Desktopは、ローカルで推論が実行される。個人情報を含むデータをAI処理したい場合でも、入力データが国外のサーバに送信されるリスクを回避できるため、安心して利用可能だ。Unsloth Desktopでオープンウェイトのモデルを使えば、Tech Report「『Kimi K3』中国製オープンウェイトAIの衝撃。中国製AIモデルのコスト99％削減の裏にある技術とリスク」で解説しているように中国製モデルのリスクも回避可能だ（ただしモデル自体のバイアスや出力の傾向といったリスクは別途残る点に注意したい）。
なお、モデルには商用利用に制限がかかっているものもあるので、利用するモデルについてもライセンスを確認するようにしよう。
チャットを試してみる（3）
Web検索が無効だと、「今日は何月何日何曜日？」と聞くと、「2024年5月22日（水曜日）です」と返ってくる。また、Webページの要約などを指示すると、URLにアクセスできないため、記事本文を貼り付けるように回答が返ってくることがある。
チャットを試してみる（4）
Web検索を有効にすると、正しい日付が返ってくるし、URLを指定してWebページの要約をさせることも可能になる。通常は「Search」を「オン（緑色の表示）」にしておくのがよいだろう。
Unsloth Desktopのチャットが従来のローカルLLMアプリと一線を画すのは、エージェント機能が最初から組み込まれている点だ。チャット画面からWeb検索を有効（チャット入力欄の下側にある「Search」を「オン」）にすれば、ローカルモデルであっても最新情報を参照した回答が得られる。さらにPython／Bashのコード実行がサンドボックス内で可能であり、モデル自身が回答結果をコードで検証しながら出力できるため、特にパラメータ数の少ない小型モデルで精度向上が期待できる。
なおWeb検索を有効にすると、モデルが生成した検索クエリは外部の検索サービスへ送信される。あくまで処理するための情報をWeb検索するためのものだが、機密情報を含む場合は「Search」を「オフ」にしておくのが無難だ。
ツール呼び出しやファイルアクセスには権限確認のダイアログが表示される仕組みで、モデルが勝手にファイルを書き換えたりネットへアクセスしたりすることはない（設定によって自動承認にすることも可能である）。
画像生成を使ってみよう
Unsloth DesktopはLLMだけでなく拡散モデルによる画像・動画生成にも対応する。［Select model］でZ-ImageやQwen-Imageなどの画像生成モデルをダウンロードし、プロンプトを入力して生成する流れだ。なお、モデルによってはGPUが必須となっているものもあるので、PCの仕様に合わせて選択する必要がある点に注意してほしい。
単純なテキストからの生成に加えて、以下のような編集系の機能も備える。
| モード | 説明 |
|---|---|
| Text-to-Image（txt2img） | 指示文から新たな画像を生成する標準モード |
| Image-to-Image（img2img） | 入力画像の構図や色合いを保持したまま、指示文に従って新しい画像を生成するモード |
| Inpainting | 画像の特定の領域（マスク部分）だけを指定し、背景になじませながら内容を部分書き換え・修正するモード |
| Outpainting | 画像のキャンバス外枠を押し広げ、元の画像の外側に続くシーンや背景を補完・拡張するモード |
| Image-to-Text（画像解析／キャプション生成） | 画像を読み込ませて視覚モデル（VLM）で解析し、画像の内容を説明するテキストやプロンプトを自動生成するモード |
| LoRA Fine-Tuning（学習） | 特定のキャラクターや画風の画像を追加読み込みし、4-bit QLoRAなどで軽量に追加学習・チューニングするモード |
| Unsloth Desktopがサポートする画像関連機能 | |
性能面では、公式はNVIDIA B200上でMiniMax-H3（FP8）による960×544、124フレーム、8ステップの動画生成が70秒超から13秒に短縮されたという数値を示している。ただしB200はデータセンター向けGPUであり、一般的なPC環境（IntelのNUC13ANHi7：第13世代Intel Core i7-1360P搭載、メモリ64GB）では、1024×1024ピクセルの画像を生成するのに1時間30分以上を要するケースがある（モデルは「Z-Image-Turbo-GGUF」の「Q4_K_M」を使用。Unsloth Desktopの画像生成モードのプリセットされたテスト用プロンプトを実行）。本格的な画像生成や大型モデルの運用にはVRAM 12GB以上のNVIDIA製GPU（GeForce RTX 4070など）を搭載したPCが望ましいだろう。
画像生成を試してみる（2）
モデルを読み込むとテスト用のプロンプトが入力された状態なので、ここに生成したい画像のイメージをテキストで入力して、［Generate］ボタンをクリックする。ここではテスト用のプロンプトのまま生成してみた。
ローカルAIの新たな選択肢としての展望
Unsloth Desktopは、「ローカルLLMでチャットする」段階から「ローカルAIを業務や開発に組み込む」段階への橋渡しを狙ったアプリである。チャット、Web検索、コード実行、画像・動画生成、ファインチューニング、API公開、コーディングエージェント連携までを1つのGUIに統合した点は、既存のローカルLLMアプリにはない明確な特徴だ。
一方で現時点ではβ版であり、リリースから日が浅い。更新も活発で、業務システムへの本格組み込みを検討する場合は、安定性やライセンス（AGPL-3.0コンポーネントの扱い）、ハードウェア要件を十分に検証すべきである。
まずは検証用マシンにインストールし、手持ちのGGUFモデルでチャットとツール呼び出しを試すところから始めるのがよいだろう。ローカルLLMの「その先」に興味があるIT管理者・開発者にとって、注目に値するツールであることは間違いない。
Copyright© Digital Advantage Corp. All Rights Reserved.