unslothai/unsloth：Unsloth Studio是一个Web UI，用于在本地培训和运行Gemma 4、Qwen 3.6、DeepSeek、gtt-oss等开放模型。

功能·快速入门·笔记本·文档curl -fsSL https：//unsloth。ai/安装。

sh| shirm https：//unsloth. ai/install. PS1| IEXUnsloth Studio（Beta）允许您在Windows、Linux和macOS上运行和训练文本、音频、嵌入、视觉模型。

- 搜索+下载+运行模型，包括GGGUF、LoRA适配器、安全器- 输出模型：将模型保存或输出为GGUF、16位安全器和其他格式。

- 工具调用：支持自我修复工具调用和网络搜索- 代码执行：让LLM在Claude工件和沙箱环境中测试代码- API推断端点：在Claude Code中部署和运行本地LLM，使用Unsloth的Codex工具- 自动设置推理设置并自定义聊天模板。

- 我们直接与gtt-oss、Qwen 3、Llama 4、Mistral、Gemma 1-3和Phi-4背后的团队合作，我们修复了提高模型准确性的错误。- 使用图像、音频、PDF、代码、DOCX等进行聊天。

连接API提供商（OpenAI、Anthropic）或服务器（vLLM、Olama）。- Train和RL 500+型号速度最多可提高2倍，VRAM减少多达70%，并且没有准确性损失。- 自定义Triton和数学核心。

查看我们与PyTorch和Hugging Face进行的一些合作。- 数据食谱：从PDF、CSV、DOCX等自动创建数据集。在视觉节点工作流程中编辑数据。

- 强化学习（RL）：最高效的RL库，GRPO、FP 8等使用的VRAM减少了80%-支持完全微调、RL、预训练、4位、16位和FP 8训练。

- 可观察性：实时监控训练、跟踪损失和图形使用情况并自定义图形。- 支持多图形处理器训练，很快就会有重大改进。Unsloth可以通过两种方式使用：通过Unsloth Studio（Web UI）或通过Unsloth Core（基于代码的版本）。

每个人都有不同的要求。Unsloth Studio（Beta）适用于Windows、Linux、WSL和macOS。

- CPU：目前支持聊天和数据食谱- NVIDIA：培训适用于RTX 30/40/50，Blackwell，DGX Spark，Station等- macOS：所有支持训练，MLX和GGUF推理。

- AMD：聊天+数据有效。与Unsloth Core一起训练。工作室支持即将推出。- 多图形处理器：现已推出，正在进行重大升级curl -fsSL https：//unsloth。ai/install. sh| sh使用相同的命令来更新。

irm https：//unsloth. ai/install. PS1| IEX使用相同的命令来更新。unsloth studio -p 8888对于云或全球访问，请添加-H 0。0. 0. 0.默认情况下，Unsloth只能在本地访问。

使用我们的Docker图像unsloth/unsloth货柜运行：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要查看开发人员、夜间和卸载等说明，请参阅高级安装。curl -LsSf https：//astral。sh/uv/安装。

sh| shuv venv unsloth_env --python3。13源unsloth_dev/bin/activateuv pip install unsloth --torch-backend=autowinget install -e --id Python。

Python. 3.

13winget安装--id=astral-sh。uv -euv venv unsloth_env --python3。

13. \unsloth_dev\\activateuv pip install unsloth --torch-backend=auto对于Windows，pip安装unsloth只有安装了PyTorch才有效。

阅读我们的Windows指南。您可以使用与Unsloth Studio相同的Docker镜像。

对于RTX 50 x、B200、6000图形处理器：uv pip安装unsloth --torch-backend=Auto.阅读我们的指南：Blackwell和DGX Spark。

要在AMD和英特尔图形处理器上安装Unsloth，请遵循我们的《AMD指南》和《英特尔指南》。使用我们的笔记本免费培训。您可以使用我们新的免费Unsloth Studio笔记本在Web UI中免费运行和训练模型。

阅读我们的指南。添加数据集、运行，然后部署经过训练的模型。

- 查看我们所有笔记本电脑：Kaggle、GRPO、TTC、嵌入和Vision- 查看我们所有的型号和所有的笔记本电脑- 请在此处查看Unsloth的详细文档- 连接：连接任何API提供商（OpenAI、Anthropic）或服务器（vLLM、Olama）。

引导- MTA：运行Qwen 3。Unsloth中的6 MTA。STP设置是针对您的硬件自动设置的。引导- API推断端点：在Claude Code、Codex工具中部署和运行本地LLM。引导- Qwen 3. 6：Qwen 3。

6- 35 B-A3 B现在可以在Unsloth Studio中训练和运行。博客- Gemma 4：直接在Unsloth运行和训练Google的新模型。博客- 介绍Unsloth Studio：我们用于运行和培训LLM的新Web UI。

博客- Qwen 3. 5 - 0。现在支持8B、2B、4 B、9 B、27 B、35-A3 B、112 B-A10 B。

指南+笔记本- 培训MoE LLM速度提高12倍，VRAM减少35%- DeepSeek、GLM、Qwen和gtt-oss。博客- 嵌入模型：Unsloth现在支持~1。8-3.嵌入微调速度提高3倍。

博客·笔记本- 通过我们新的收件箱算法，新的上下文RL比所有其他设置长7倍。博客- 新RoPE & MLP Triton Kernels & Free + Packing：训练速度加快3倍，VRAM减少30%。

博客- 500 K上下文：现在可以在80 GB图形处理器上训练具有> 500 K上下文的20 B模型。博客- FP 8和Vision RL：您现在可以在消费级图形处理器上执行FP 8和VLM GRPO。

FP 8博客· Vision RL以下高级说明适用于Unsloth Studio。对于Unsloth Core高级安装，请查看我们的文档。git克隆https：//github。com/unslothai/unslothCD Unsloth. /安装。

sh --本地unsloth studio -p 8888然后更新：CD unsloth && git pull. /安装。sh --本地unsloth studio -p 8888git克隆https：//github。

com/unslothai/unsloth。gitCD Unsloth设置-执行策略-范围流程-执行策略绕过. \安装。ps1 --本地unsloth studio -p 8888然后更新：CD unsloth && git pull. /安装。

sh --本地unsloth studio -p 8888git克隆https：//github。com/unslothai/unslothCD UnslothGit每晚结账. /安装。

sh --本地unsloth studio -p 8888然后每次启动：unsloth studio -p 8888在Windows Powershell中运行：git克隆https：//github。

com/unslothai/unsloth。gitCD UnslothGit每晚结账设置-执行策略-范围流程-执行策略绕过. \安装。

ps1 --本地unsloth studio -p 8888然后每次启动：unsloth studio -p 8888Cap Studio在高核主机上的原生中央处理器线程池：

UNSLOTH_CPU_THREADS=8 unsloth studio -p 8888.显式OMP_NUM_THREADS/ MKL_NUM_THREADS/ OPENBLAS_NUM_THREADS/ NUMEXPR_NUM_THREADS仍然优先。

完全删除Unsloth Studio的建议方法是为您的操作系统匹配的卸载脚本。它会停止任何正在运行的服务器、删除安装目录、启动器数据目录、桌面快捷方式和任何特定于平台的条目（macOS . app捆绑包+Mac上的启动服务;

开始菜单，HKCU\Software\Unsloth注册表项和用户PATHWindows上的条目）：- MacOS、WSL、Linux：curl -fsSL https：//raw。githubusercontent。

com/unslothai/unsloth/main/writes/un卸载。sh| sh- Windows（PowerShell）：irm https：//raw。githubusercontent。

com/unslothai/unsloth/main/scripts/uninstall. PS1| IEX如果您只想删除安装目录并保留启动程序/快捷方式以备以后重新安装，则可以运行rm -rf ~/。

Unsloth/工作室(Mac/Linux/WSL）或Remove-Project-Recurse -Force“$Home\。unsloth\studio”（Windows）。模型缓存在~/。

缓存/huggingface都没有被这些触及。欲了解更多信息，请参阅我们的文档。您可以从模型搜索中的垃圾箱图标中删除旧模型文件，也可以从默认的Hugging Face缓存目录中删除相关缓存的模型文件夹。

默认情况下，HF使用：- MacOS、Linux、WSL：~/.缓存/huggingface/hub/- Windows：%USERPROFILE%\。

缓存\huggingface\hub\您可以引用Unsloth回购如下：@software{unsloth，作者= {Daniel Han、Michael Han和Unsloth团队}，标题= {Unsloth}，url = {https：//github。

com/unslothai/unsloth}，年= {2023}}如果你用Unsloth训练了一个模型，你可以使用这个很酷的贴纸！🦥Unsloth使用Apache 2的双重许可模型。0和AGPL-3。

0. Unsloth的核心软件包仍然在Apache 2下授权。0，而某些可选组件（例如Unsloth Studio UI）是在开源许可证AAPL-3下获得许可的。0.这种结构有助于支持正在进行的Unsloth开发，同时保持项目开源并使更广泛的生态系统能够继续增长。

- 美洲驼。允许使用的cpp库