ツール解説 · 小互解読

Google が gemma-trainer スキルを発表——自分のPCで、AIに自分専用のGemmaを微調整させる

オープンソースのトレーニングマニュアルが、教師ありファインチューニング、選好最適化、報酬スコアリングの3ルートとLoRAパラメータをすべて固定値で用意。Unslothと組み合わせれば、8GBのコンシューマー向けGPU1枚から始められます。
1分で要点
  • Google がオープンソースの gemma-skills リポジトリに、自分のPC上でGemmaをファインチューニングする方法をAIアシスタントに教える gemma-trainer というスキルを新規追加しました。
  • 本体はAI Agent向けに書かれたマニュアル（SKILL.md）と、すぐ使える5本のPythonスクリプトです。あなたが日常会話で指示すれば、アシスタントがそれに沿ってパラメータを選び、トレーニングを実行します。
  • 3つのトレーニング方式をカバー——SFTで新しい知識を教え、DPOでスタイルの選好を調整し、RMでスコアリングモデルを1本訓練する。各ルートのデータ形式と主要パラメータはすべて固定値で決まっています。
  • 優先されるのは Unsloth。公式によれば最大70%の省VRAM、速度は2倍とされ、コンシューマー向けGPU1枚で12Bクラス、あるいはそれ以上のモデルをファインチューニングでき、画像や音声のトレーニングにも対応します。
  • 訓練後は GGUF のような軽量フォーマットに変換でき、LiteRT-LM を使ってスマートフォンやIoTデバイスに組み込んで動かせます。
⚑本稿は Google が DEV Community 上で発表した自社ツール紹介記事に基づきます。性能数値（省VRAM70%、速度2倍）は Unsloth 公式の発表値です。以下の仕組みの詳細はオープンソースリポジトリ google-gemma/gemma-skills のコードを出典としています。
できること

自分のPCで、自分の分野だけを理解するGemmaを作る

欲しいのは専用モデルです——自分のニッチな分野の専門用語を訳し、自分の好みに合わせて答え、自分の仕事だけをこなす。オープンソースのGemmaはもともとこうしたカスタマイズのために作られていますが、実際にファインチューニングしようとすると、まず複雑な環境構築とわかりにくいガイドの山を突破しなければなりませんでした。

Google の Gemma チームは最近、この最初のハードルを取り払いました。オープンソースの gemma-skills リポジトリに、gemma-trainer という新しいスキルを追加したのです。

これがあれば、AIアシスタントに「あるデータセットでGemma 4 E2Bをファインチューニングして」と一言伝えるだけで、アシスタントはまずあなたのデータを検証し、適切なLoRAパラメータを選び、省リソースのデフォルト設定でトレーニングを開始し、最後に結果を評価してくれます。ローカルでのGemmaファインチューニングの一連の流れが、アシスタントがそのまま理解して実行できるマニュアルになったわけです。
💡注目ポイント：ローカルでGemmaをファインチューニングする際の一連の判断（どの訓練方式を選ぶか、LoRAパラメータをどう設定するか、VRAM不足をどう防ぐか、訓練後にどうエッジデバイス向けフォーマットへ変換するか）を1本のスキルファイルに固定し、Unslothと組み合わせることで、8GB VRAMのコンシューマー向けGPU1枚から始められ、テキスト・画像・音声の3種類のトレーニングを一括カバーしています。
📦 オープンソースリポジトリ · 無料
github.com/google-gemma/gemma-skills
正体は何か

本体はAI向けに書かれたマニュアル

gemma-trainer の本体は SKILL.md ファイル1本と、すぐ使える5本のPythonスクリプトのテンプレートです。GUIは付いておらず、あなたが直接呼び出して使うトレーニングライブラリでもありません。

SKILL.md はAI Agent向けに書かれた設計図です。ローカルファインチューニングのベストプラクティス、各パラメータの適正値、避けるべき落とし穴が、すべて固定値として書き込まれています。あなたのアシスタントはこれを読むことで、「なんとなくトレーニング方法を知っている」状態から、「この環境ではどのスクリプトをどう調整し、各ツマミをいくつに設定すべきか知っている」状態に変わります。リポジトリ内の5本のスクリプトはそれぞれ役割が異なり、1本が教師ありファインチューニングを、1本が選好の最適化を、1本がスコアリングモデルの訓練を、1本がデータ形式の検証専用を、もう1本がデータ蒸留を担当します。

日常会話で指示「Gemma 4 E2Bをファインチューニングして」
→
Agent が
gemma-trainer を読む
→
スクリプトを選び
パラメータを決定
→
トレーニング実行
→
評価と
イテレーション

このスキルは特定の流派を選ばず、具体的なAIツールとは無関係で、Gemini から Claude までどれでも使えます。Google 自身のコマンドラインツール Antigravity（agy）と組み合わせることも可能です。使い方は一言で言えるほどシンプルです——gemma-trainer フォルダをAIアシスタントのスキルディレクトリにコピーするだけで、アシスタントはすぐにやり方がわかります。

さらに興味深いのは、アシスタントが単に言われた通りに実行するだけでなく、スキルに書かれた能力の制約に基づいてミスを未然に防いでくれる点です。実例があります——あるトレーニング依頼で、誤って Gemma 4 31B を音声タスクに使おうとしたところ、アシスタントがその場で指摘しました。31Bはテキストと画像しか扱えないモデルで、音声機能は一切なく、E2B か 12B への変更を提案してきたのです。

Agent が Gemma 4 31B には音声機能がないと指摘し、E2B か 12B への変更を提案している画面
音声機能のないモデルで音声のファインチューニングを要求すると、アシスタントがそれを止め、実行可能な代替モデルを提示してくれます。出典：DEV / Google AI
3つの訓練ルート

知識を教える、選好を調整する、スコアを学ばせる——どう選ぶか