Axolotlとは？
Axolotl は、一つの YAML ファイルで動かすオープンソースの LLM 向けポストトレーニングフレームワークです。ベースモデル、データセットの形式、手法を設定し、`axolotl train` を実行します。同じ設定で前処理、学習、 評価、量子化、推論をまかない、`axolotl export` で llama.cpp や Ollama 用の GGUF ファイルも作れるようになりました。
フルファインチューニング、LoRA と QLoRA、NVFP4 や MXFP4 までの量子化を考慮した学習、選好チューニング（DPO、IPO、KTO、ORPO）、強化学習（GRPO、GDPO）、報酬モデルに対応し、対象はテキスト、視覚言語、音声のモデルです。スケーリングには DeepSpeed、FSDP2、そしてノードをまたいで組み合わせられるテンソル、コンテキスト、エキスパートの並列化を使います。
Nvidia の GPU（bf16 と Flash Attention には Ampere 以降）か AMD の GPU、Python 3.12、PyTorch 2.13 以降が必要です。バージョン 0.21.0 は 2026年10月16日に Apache 2.0 でリリースされました。
Axolotlは使う価値があるか？
Axolotl の強みは、規模を大きくしても再現できることです。1 回の実行は他の人が再実行できる YAML ファイル一つで、同じ形式がカード 1 枚での LoRA から、FSDP2 とテンソル、コンテキスト、エキスパートの並列化を組み合わせるマルチノードの学習まで対応します。GitHub のスターは約 12,600 で、Unsloth（約 78,500）や LlamaFactory（約 75,700）よりはるかに少ないですが、共有しやすいため、その設定ファイルは公開されたモデルカードによく登場します。
もう一つの売りは、モデルへの対応の速さです。2026年9月と10月だけでも、README には MiniCPM5、Qwen3.6、Reflection の Beam、GPU 1 枚のメモリーより大きなモデル向けの CPU を経由した FSDP2 QLoRA の読み込み、GGUF の書き出し、DeepEP なしで NVLink や PCIe 上で mixture-of-experts モデルを学習させるエキスパート並列モードが並んでいます。4 月に追加された非同期 GRPO は、ステップあたり最大 58% 速いと文書化されています。
テレメトリーが既定でオンなのは、共有クラスターでは重要です。Axolotl はシステムとハードウェアの詳細、実行時のメトリクス、ホワイトリストに載ったモデル名と設定、無害化したエラーのトレースを PostHog に送り、AXOLOTL_DO_NOT_TRACK=1 を設定しない限り、その旨を伝えるために起動を 10 秒止めます。ドキュメントによると、個人データやファイルパスは収集されません。
コストは専門知識です。長い設定リファレンス、Python と PyTorch のバージョン固定、分散学習の用語は知っていて当然とされ、LlamaFactory にあるような Web インターフェースはありません。Docker イメージを使えば環境の問題はほぼなくなります。カード 1 枚での最初の LoRA なら、Unsloth や LlamaFactory のほうが入りやすいです。その段階を過ぎると、Axolotl の並列化の幅広さが学習コストを受け入れる理由になります。
真価を発揮する場面
8 GPU のノードを借りているリーガルテック系スタートアップの ML エンジニア
契約書のデータで大きなオープンモデルを、再現可能な実行でファインチューニングする
QLoRA と FSDP2 を使う YAML を一つ書き、各 GPU が量子化したモデルの完全なコピーを持たずに済むよう CPU を経由した読み込みを使い、ファイルをデータセットのバージョンと並べてコミットします。Axolotl は Apache 2.0 で無料 で、費用は GPU の時間です。設定ファイルがあるので、データを更新した後の再実行も定型作業になります。
小さなモデルに推論の振る舞いを加えたい研究者
ワークステーションの GPU で、カスタムの報酬関数を使って GRPO を実行する
同梱のサンプル（axolotl fetch examples）から始め、手法を GRPO に切り替えて報酬関数を指定します。非同期 GRPO はステップあたり最大 58% 速いと文書化されています。bf16 と Flash Attention には Ampere 以降の Nvidia のカードが必要です。
端末上で動くアシスタントを出荷する従業員 30 人の企業のプロダクトチーム
ファインチューニングしたモデルを Ollama で動くものにする
LoRA を学習させてマージし、axolotl export で llama.cpp や Ollama 用の量子化した GGUF を書き出します。別の変換ツールチェーンは不要になります。設定やモデルの選択が商業上の機密に当たる場合は、AXOLOTL_DO_NOT_TRACK=1 を設定します。
導入前に確認すること
- 導入
- uv ベースのインストール（対応する PyTorch のビルドを入れてから `uv pip install --no-build-isolation axolotl[deepspeed]`）か、README がエラーが起きにくいとする axolotlai/axolotl の Docker イメージを使います。`axolotl fetch examples` と `axolotl train examples/llama-3/lora-1b.yml` で最初の実行ができます。ハードウェアがない場合は Colab のノートブックがあります。
- 連携
- Hugging Face のモデルとデータセット。S3、Azure、GCP、OCI のデータ。DeepSpeed と FSDP2。llama.cpp と Ollama 向けの GGUF の書き出し。Nebius Serverless Jobs を含むクラウド起動用プラグインと、RunPod、Vast.ai、Modal のテンプレート。`axolotl agent-docs` で使える同梱のエージェント向けドキュメント。
- データとプライバシー
- 自分のハードウェアで動きます。オプトアウト式の PostHog テレメトリーは、システム、ハードウェア、実行時のメトリクス、ホワイトリストに載ったモデル名、設定、無害化したエラーを送ります。AXOLOTL_DO_NOT_TRACK=1 で無効になります。Apache 2.0 は商用利用を認めますが、ベースモデルのライセンスは引き続き適用されます。リポジトリにセキュリティアドバイザリは公開されていません。
- 大規模利用時のコスト
- ソフトウェアは無料で、コストは GPU です。Axolotl はモデルごとの VRAM の表を公表していないので、試しの実行からジョブの規模を見積もります。マルチノードの作業はクラウドの GPU 時間の料金で課金されます。メンテナーとの取り決めにより専用サポートを受けられますが、価格は公表されていません。
- 制限
- GUI はありません。Python 3.12 と PyTorch 2.13+ が必要です。未解決の issue は約 250 件です。マルチモーダルの学習はベータとして始まりました。
良い点
- 実行ごとに再現可能な YAML ファイル一つ
- ノードをまたぐ FSDP2、DeepSpeed、N 次元の並列化
- SFT、DPO、GRPO、QAT、報酬モデル
- 新しいモデルへの対応が速く、GGUF の書き出しもできます
気になる点
- グラフィカルなインターフェースがありません
- テレメトリーが既定でオンです
- 分散学習の知識が前提です
- Nvidia か AMD の GPU のみです
おすすめの人
特に複数の GPU にまたがって、繰り返し可能なファインチューニングを行う実務者。
Axolotlの代替
Axolotl：よくある質問
- Axolotlは使う価値があるか？
- GPU 1 枚では足りなくなったときにファインチューニングが向かう先が Axolotl です。YAML ファイル一つで、あらゆる並列化戦略が使え、それに見合う学習コストがありま す。 評価は5点満点中4.3点です。
- Axolotlの料金は？
- Apache 2.0 ライセンスの無料オープンソースです。
- Axolotlの欠点は？
- グラフィカルなインターフェースがありません; テレメトリーが既定でオンです; 分散学習の知識が前提です; Nvidia か AMD の GPU のみです.
- Axolotlは誰に向いているか？
- 特に複数の GPU にまたがって、繰り返し可能なファインチューニングを行う実務者。
- チームや本番環境でAxolotlを使うと費用はいくらか？
- ソフトウェアは無料で、コストは GPU です。Axolotl はモデルごとの VRAM の表を公表していないので、試しの実行からジョブの規模を見積もります。マルチノードの作業はクラウドの GPU 時間の料金で課金されます。メンテナーとの取り決めにより専用サポートを受けられますが、価格は公表されていません。
- Axolotlは企業データを扱っても安全か？
- 自分のハードウェアで動きます。オプトアウト式の PostHog テレメトリーは、システム、ハードウェア、実行時のメトリクス、ホワイトリストに載ったモデル名、設定、無害化したエラーを送ります。AXOLOTL_DO_NOT_TRACK=1 で無効になります。Apache 2.0 は商用利用を認めますが、ベースモデルのライセンスは引き続き適用されます。リポジトリにセキュリティアドバイザリは 公開されていません。
- Axolotlの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はUnsloth, TRL 、 LlamaFactoryです。
回答確認日：2026年10月26日