Unsloth Studio最新版

想要在自己的电脑上训练专属 AI 模型，却苦于没有 GPU 资源、不懂复杂代码或担心显存爆炸？

Unsloth 正式推出 Unsloth Studio —— 一个开源、无代码的本地 AI 训练平台。它让 Windows、Mac 和 Linux 用户都能轻松在本地运行、训练和导出 AI 模型，且性能惊人：在保持精度零损失的前提下，训练速度提升 2 倍，显存占用减少 70%。

• 官网：https://unsloth.ai/
• GitHub：https://github.com/unslothai/unsloth
• 文档：https://unsloth.ai/docs/zh/xin-zeng/studio

这意味着，原本需要昂贵云端集群才能跑通的任务，现在用你的个人电脑就能搞定。

🚀 核心亮点：快、省、强

Unsloth Studio 并非简单的图形界面，其底层经过了深度的内核优化：

• 极速训练：相比传统方法，训练速度翻倍。
• 超低显存：显存需求降低 70%，让消费级显卡（如 RTX 30/40/50 系列）也能微调大参数模型。
• 广泛支持：目前已支持超过 500 种模型，涵盖文本、视觉（多模态）、TTS 音频及嵌入模型。
• 无损精度：速度与显存的优化完全不牺牲模型最终的准确率。

🛠️ 主要功能：从数据到部署的全流程

1. 📂 智能数据配方 (Data Recipes)

不再需要手动清洗数据！

• 自动解析：直接上传 PDF, CSV, JSON, DOCX, TXT 等非结构化或结构化文件。
• 一键转换：内置由 NVIDIA Nemo 驱动的工作流，自动将文档转换为模型可理解的高质量数据集。
• 多文件支持：支持一次性上传多个文件，自动合并处理。

2. 🧠 无代码训练 (No-Code Training)

• 傻瓜式操作：无需编写一行 Python 代码，上传数据后即可立即开始训练。
• 先进算法：自动应用 LoRA, FP8, FFT, PT 等优化技术。
• 多 GPU 支持：自动识别并利用多张显卡进行并行训练。
• 硬件兼容：支持 NVIDIA (RTX 30/40/50, Blackwell), Intel GPU，以及 CPU 推理。

3. 💻 强大的本地推理与执行

Unsloth Studio 不仅是训练工具，更是强大的本地推理引擎：

• 多格式支持：直接运行 GGUF 和 safetensors 格式的模型。
• 代码执行沙箱：像 Claude Artifacts 一样，模型生成的 Bash, Python, JavaScript 代码可在沙箱中直接运行、测试并自我修复。
  • 示例：让 Qwen3.5-4B 搜索 20 个网站并引用来源，所有操作均在本地思考轨迹中完成。
• 工具调用增强：工具调用准确率提升 30%，支持自动修复工具开关和保存网页搜索结果。
• 模型竞技场：并排加载两个模型（如基础版 vs 微调版），实时对比输出效果。

4. 🔒 隐私优先与完全离线

• 100% 离线：所有数据、训练和推理均在本地完成，无需联网，彻底杜绝数据泄露。
• 安全认证：基于令牌（Token）的身份验证系统（密码 + JWT），确保只有授权用户能访问。
• 可观测性：实时监控训练损失、梯度范数和 GPU 利用率，甚至可以通过手机浏览器远程查看进度。

5. 📦 灵活导出

训练完成的模型可一键导出为 GGUF, 16-bit safetensors 等通用格式，完美兼容 llama.cpp, vLLM, Ollama, LM Studio 等主流平台。

📅 最新更新日志 (3 月 17 日 -18 日)

Unsloth 团队正在以惊人的速度迭代：

• 3 月 18 日：
  • 新增一行安装命令，大幅简化部署。
  • Windows 版已修复，请重新安装体验。
  • MacOS 和 CPU 版现已启用“数据配方”功能（导出功能本周上线）。
  • Intel GPU 正式支持训练。
• 3 月 17 日：
  • 支持 Claude Artifacts 风格的 HTML 代码执行（如直接在聊天中玩贪吃蛇）。
  • 工具调用准确率提升 30%，尤其优化了小模型表现。
  • Windows CPU 现已可用，Mac 运行更流畅，安装包更小。
  • MacOS 及 CPU 支持聊天 GGUF 推理。

⚡ 快速开始：一行命令即可安装

Unsloth Studio 目前处于 BETA 阶段，支持 Windows, Linux, WSL 和 MacOS。

1. 安装

MacOS / Linux / WSL:

curl -fsSL https://unsloth.ai/install.sh | sh

Windows PowerShell:

irm https://unsloth.ai/install.ps1 | iex

> 注：首次安装可能需要 5-10 分钟，因为需要编译 llama.cpp 二进制文件。官方正在开发预编译版本以加速此过程。

2. 启动

MacOS / Linux / WSL:

source unsloth_studio/bin/activate
unsloth studio -H 0.0.0.0 -p 8888

Windows:

& .\unsloth_studio\Scripts\unsloth.exe studio -H 0.0.0.0 -p 8888

3. Docker 用户

docker run -d -e JUPYTER_PASSWORD="mypassword" \
  -p 8888:8888 -p 8000:8000 -p 2222:22 \
  -v $(pwd)/work:/workspace/work \
  --gpus all \
  unsloth/unsloth

🌟 硬件支持说明

• 训练支持：NVIDIA (RTX 30/40/50, Blackwell), Intel GPU。
• 推理/数据配方：支持 CPU, MacOS, AMD (聊天可用，训练支持即将上线)。
• 即将推出：Apple MLX 训练支持，AMD 训练支持，MacOS Docker 支持。