LlamaFactory AIエージェント

概要

LlamaFactory（LLaMA Factory）は、LLaMA・Qwen・DeepSeek・Gemmaなど100種類以上のLLM（大規模言語モデル）およびVLM（画像も扱えるマルチモーダルAIモデル）を、コードを一切書かずにファインチューニング（追加学習）できるオープンソースフレームワークです。開発者のhiyouga氏が公開し、ACL 2024（計算言語学の国際学会）に論文が採択されたことで学術的信頼性も高い点が特徴です。Apache 2.0ライセンスのため、個人・商用問わず無料で利用可能です。

ファインチューニングとは、「すでに賢い汎用AIに、自分専用の知識や話し方を追加で覚えさせる作業」のことです。従来この作業には高度なプログラミング知識が必要でしたが、LlamaFactoryはブラウザで操作できるGUI（グラフィカルな操作画面）「LlamaBoard」を内蔵しており、モデル選択からデータ読み込み・学習開始・モデル書き出しまでを画面上のボタン操作だけで完結できます。HuggingFace・ModelScope・ローカルディスクなど複数のデータソースに対応し、学習済みモデルはOpenAI互換APIとしてそのまま公開することもできます。

主な機能

• ノーコードGUI「LlamaBoard」: ブラウザ上の画面からモデル・データセット・学習手法・パラメータをすべて選択でき、プログラミング不要でファインチューニングを開始できます。「Training（学習）」「Evaluation（評価）」「Chat（チャット）」「Export（書き出し）」の4画面構成で直感的に操作できます。
• 100種類以上のモデルに対応: LLaMA・Mistral・Qwen3・DeepSeek・Gemma・GLM・Phiなど主要なオープンソースモデルをワンストップでサポート。2025年以降もGLM-4.1V・InternVL3・Llama 4・GPT-OSSなど新モデルが順次追加されています。
• 多彩な学習手法: 継続事前学習・教師ありファインチューニング（SFT）・報酬モデル学習・PPO・DPO・KTO・ORPOなど、最新の手法を統合。LoRA（大きいモデルの一部だけを効率的に学習する技術）やQLoRA（さらにメモリを節約した量子化版）にも対応し、家庭用GPUでも実行できます。
• 省メモリ動作（QLoRA）: 2〜8ビットの量子化（数値を圧縮してGPUメモリの使用量を大幅に減らす技術）に対応。コンシューマー向けGPU（例：24GB VRAM）でも70B規模の大型モデルを学習できます。
• マルチモーダル対応: テキストだけでなく、画像・動画・音声を扱うモデル（VLM）のファインチューニングにも対応。画像認識や音声理解など幅広いタスクをカバーできます。
• 柔軟な推論・デプロイ: 学習後のモデルはOpenAI互換APIとして即座に公開可能。vLLM・SGLangなどの高速推論バックエンドも選択でき、CLIからチャットすることもできます。
• 実験管理ツール連携: TensorBoard・Weights & Biases・MLflow・SwanLabなどの実験記録ツールと連携し、学習の進捗をリアルタイムで可視化できます。

料金プラン

LlamaFactory自体は完全無料のオープンソースソフトウェアです。利用にかかるコストは、実行環境（GPU・クラウド）のインフラ費用のみです。

> 注意: ツール自体の料金は発生しませんが、学習・推論にはGPUが必要です。初期セットアップに30〜60分、モデルサイズとデータ量により学習には1〜7時間程度かかります。

導入方法

① Gitでクローンしてpipでインストール（推奨）

git clone --depth 1 https://github.com/hiyouga/LlamaFactory.git
cd LlamaFactory
pip install -e .

② インストール確認

llamafactory-cli version

③ ブラウザGUI（LlamaBoard）を起動する

llamafactory-cli webui

ブラウザが開き、モデル選択→データ指定→学習開始までGUI上で操作できます。

④ CLIでLoRAファインチューニング（Qwen3の例）

# 学習
llamafactory-cli train examples/train_lora/qwen3_lora_sft.yaml
# チャット確認
llamafactory-cli chat examples/inference/qwen3_lora_sft.yaml
# モデル書き出し
llamafactory-cli export examples/merge_lora/qwen3_lora_sft.yaml

⑤ Dockerで使う（環境構築を省略したい場合）

docker run -it --rm --gpus=all --ipc=host hiyouga/llamafactory:latest

> DockerイメージはUbuntu 22.04・CUDA 12.4・Python 3.11・PyTorch 2.6.0をベースに構築済みです。

こんな人におすすめ

• 自社・自分専用のAIアシスタントを作りたい人: 社内マニュアル・FAQ・独自ノウハウを学習させて、特定業務に特化したチャットボットを構築できます。プログラミング不要のGUIがあるため、エンジニア以外でも操作を試せます。
• 既存のAIモデルに特定のキャラクター・口調・専門知識を覚えさせたい人: LoRA（少ないデータ・低コストで追加学習できる技術）を使えば、比較的小さなGPUで個性や専門性をモデルに注入できます。
• 画像・音声を扱うマルチモーダルAIを独自データで育てたい人: VLM（画像も扱えるAI）のファインチューニングにも対応しており、画像認識や音声理解タスクを自分のデータに最適化できます。
• 最新のオープンソースAI研究を実用的に試したい研究者・開発者: DPO・KTO・ORPOなど最新のアライメント手法（AIの回答品質を上げる技術）が実装済みで、論文手法をすぐ実験に使えます。

よくある質問

Q. プログラミングの知識がなくても使えますか？ A. ブラウザで操作できるGUI「LlamaBoard」が内蔵されており、モデル選択・データ指定・学習開始・モデル書き出しをボタン操作だけで行えます。ただし、初期インストール（pip コマンド）とGPU環境の準備は必要です。

Q. どんなGPUが必要ですか？ A. LoRA学習ならVRAM 8〜24GB程度のGPUから利用できます。QLoRA（量子化LoRA）を使えばさらに少ないメモリで動作可能です。無料で試すには、公式が提供するGoogle Colabノートブック（無料T4 GPU）を使う方法もあります。

Q. 商用利用はできますか？ A. LlamaFactoryツール自体はApache 2.0ライセンスで商用利用・改変・再配布が可能です。ただし、ファインチューニングに使う各AIモデル（Llama・Qwenなど）にはそれぞれ固有のライセンスがあるため、使用モデルのライセンスを個別に確認する必要があります。

Q. 学習後のモデルはどう使えばよいですか？ A. llamafactory-cli export コマンドでモデルを書き出し、Hugging Face Hubに公開したり、OpenAI互換APIとしてサーバー上に立てたりできます。CLIから直接チャットすることも可能です。