メインコンテンツへスキップ
ファインチューニング済みモデルを GGUF にエクスポートし、Ollama や llama.cpp で稼働させている場合、localhost エンドポイントは存在しますが、他の場所から呼び出す方法がありません。ファインチューニング済みモデルをその場に留め、その隣で Tokios コネクタを実行し、デプロイメント名を登録してください。これにより、本物の https://api.tokios.com エンドポイントが得られます。これは sk-tok-… キーで保護されており、OpenAI または Anthropic 互換のクライアントが呼び出せます。

ファインチューニング後の最後の一手

たとえば Unsloth などのドキュメント化されたファインチューニング手順は、GGUF ファイルのエクスポートと、Modelfile から ollama create による読み込み、または llama.cpp のサーバーによる提供までをカバーしています。Unsloth のバージョンに合わせて、正確なエクスポートと ollama create コマンドの構文を確認してください。どちらの方法でも、ファインチューニング済みモデルは 127.0.0.1 でリクエストに応答するようになります。 通常、ドキュメントはここで終わります。localhost エンドポイントは、同じマシン、同じターミナル、プロセスが稼働している間のみ機能します。チームメンバーのノートパソコン、CI ジョブ、ホストされたエージェント、または自分のスマートフォンからは機能しません。これをどこからでも呼び出せるものに変換することが、ドキュメント化されていない最後の一手であり、Tokios が解決する具体的な問題です。Tokios はファインチューニングの作成方法や提供方法には干渉せず、エンドポイントを到達可能で認証可能にします。
Tokios はファインチューニング、量子化、エクスポートを行いません。また、チャットテンプレートの不一致を修正することもありません。Tokios は、ランタイムがすでに OpenAI 互換の /v1 API を公開しているところから引き継ぎ、そのエンドポイントを localhost 外部から呼び出せるようにします。ファインチューニング済みモデルを正しいチャットテンプレートで正しく提供することは、ランタイムの役割です。提供方法の決定中の方は、ローカルモデルの選択 を参照してください。

手順

1

ファインチューニング済みモデルがローカルで提供されていることを確認

このガイドでは、GGUF がすでに読み込まれ、Ollama または llama.cpp のサーバーを通じて localhost でリクエストに応答していることを前提としています。Ollama の場合、通常は ollama create <name> -f Modelfile で読み込んだモデルであり、ollama run <name> でクエリを実行できる状態です。llama.cpp の場合、デフォルトポートでリッスンしている llama-server です。インストールに合わせて正確なポートを確認してください。いずれにせよ、バインド方法を変更しないでください。127.0.0.1 のままにしておきます。
2

Tokios コネクタのペアリング

まず tokios.com/console にサインインし、Setup タブを開いて、Start pairing をクリックします。Tokios は、約 15 分間有効なワンタイム ペアリングコード(TKS-XXXX-XXXX など)を表示します。ファインチューニング済みモデルを実行しているマシンで、OS に合わせたインストール用ワンライナーを実行します。
Windows
macOS
Linux
すでに tokios-connector がインストールされている場合は、代わりにコードを直接渡します。
コンソールに戻り、デバイスを approve します。この操作は Setup または Connectors タブで行います。承認されると、コネクタのトークンはトンネル経由で配信されます。画面に表示されたり、ファイルに貼り付けたりすることはありません。
3

コネクタをランタイムの /v1 API に向けて設定

Tokios は、ランタイムが公開する OpenAI 互換の /v1 サーフェスと通信します。その下のモデルがファインチューニング済みモデルであり、標準チェックポイントではないことは問題ありません。基本的な単一モデルパスの場合、コンソールの Setup ウィザードは、選択したランタイムに基づいてアップストリームを自動的に埋めます(Ollama の場合は http://127.0.0.1:11434/v1、llama.cpp の場合は http://127.0.0.1:8080/v1)。tokios-connector.json 設定を通じて複数のモデルやアダプターを提供している場合は、アップストリーム BaseUrl を明示的に設定します。
完全なマルチモデルファイル形式については、コネクタ設定 を参照してください。
4

ファインチューニング済みモデルのデプロイメント名を登録

まず Models タブで、ファインチューニング済みモデルを登録し、公開名 を選択します。例えば、my-finetune-tunnel などです。ollama create や llama.cpp で付けたローカルモデル ID ではなく、この公開名こそが、クライアントが model フィールドで送信するものです。また、同じコネクタを通じて提供する基本モデルや他のファインチューニング済みモデルと区別するためのものであり、ファインチューニング済みモデルを特定します。
5

API キーの作成

まず Keys タブで、Create key をクリックします。オプションで、モデル名パターン(カンマ区切りのグロブ、* はすべて)を使用して特定のデプロイメントにスコープを限定できます。ファインチューニング済みモデルにのみアクセスでき、他のモデルにはアクセスできないキーを作成したい場合に便利です。sk-tok-… キーを今すぐコピーしてください。一度だけ表示されます。

コーディングエージェントからファインチューニング済みモデルを使用

デプロイメント名と API キーがあれば、ファインチューニング済みモデルは、ホストされたモデルと同じ方法で到達可能になります。Claude Code や OpenAI SDK クライアントからも同様です。
Claude Code のモデルピッカーは claude* ID のみをリスト表示するため、ファインチューニング済みモデルのデプロイメント名は表示されません。毎回明示的に --model my-finetune-tunnel を渡してください。セッション間で環境変数を永続化する方法については、Claude Code の使用 を参照してください。
レスポンスが不正、切り捨て、またはトーンがずれているように見える場合、そのほとんどは、モデルがファインチューニングされた方法とランタイムがプロンプトを生成する方法との間のチャットテンプレートの不一致によるものであり、Tokios パス内の問題ではありません。Tokios はリクエストをランタイムの /v1 API にそのまま渡し、プロンプトやテンプレートを書き換えません。ランタイムレベルで Modelfile またはサーバープロンプトテンプレートを修正し、再テストしてください。

FAQ

いいえ。Tokios は OpenAI 互換の /v1 エンドポイントと、それにマッピングしたデプロイメント名のみを確認します。そのエンドポイントの背後にある重みが、標準チェックポイント、マージされたファインチューニング、または LoRA アダプターであるかどうかは、コネクタやゲートウェイにとって問題ありません。
はい。Models タブでそれぞれを独自のデプロイメントとして登録するか、tokios-connector.json 設定で複数のアップストリームとルートを定義し、単一のコネクタで複数のモデルを提供します。コネクタ設定 と モデルルーティング を参照してください。
はい。"stream": true を設定すると、Tokios は呼び出した API サーフェス(OpenAI または Anthropic)に応じて、標準のサーバー送信イベント(SSE)を返します。他のデプロイメントと同じです。
いいえ。チャットテンプレートの正確性(ファインチューニングが学習された特殊トークンとターン形式との一致)は、完全にランタイムの責任です(Ollama の Modelfile TEMPLATE、または llama.cpp のサーバープロンプトテンプレート)。Tokios はリクエストボディをそのままランタイムの /v1 API に転送します。

ファインチューニング済みモデルはマシンを離れません — エンドポイントはどこでも機能します

重みは、すでに信頼している同じ Ollama または llama.cpp プロセス内のハードウェア上に留まります。コネクタは発信のみを行います。着信ポートはなく、マシン上に公開された API もありません。それ以降のすべて(認証、ルーティング、ストリーミング)は、キーを提供する任意のマシン、チームメンバー、エージェントから呼び出せる単一のエンドポイントです。

クイックスタート

コネクタをペアリングし、最初のモデルをエンドツーエンドで登録します。

API キー

チームメンバーやエージェント用の sk-tok-… キーを作成、スコープ設定、ローテーションします。