unslothai/unsloth

GITHUB中文整理

主语言 Python · 78,673 星 · Apache-2.0 · 创建于 2023-11-30

本地部署模型微调大语言模型扩散模型模型推理
打开 GitHub 仓库

一个在本地运行和训练大语言模型、扩散模型等 AI 模型的工具,提供桌面应用、网页界面和代码调用三种使用方式。

Stars 78,673 累计 star,越多说明被认可得越广
Watching 386 订阅该仓库变动的人数
Forks 7,305 被派生出去的仓库数
Issues 408 当前开放的 Issue 数
语言 Python GitHub 自动判定的主语言
许可证 Apache-2.0 开源协议,用之前先确认能不能商用
24h 增长 — 数据积累中
7 日增长 — 数据积累中
30 日增长 — 数据积累中

仓库健康度

5 个维度
只看客观信号,不构成安全性结论
维护活跃度 数据完整
2026-10-28 23:46 最近推送

最近推送 2026-10-28 23:46(0 天前),属于活跃维护

社区响应 数据完整
408 开放 Issue

开放 Issue 408 个 · Fork 7,305 个

增长趋势 证据不足
— 7 日新增

star 记录还不够天数,增量算不出来

项目规范 数据完整
Apache-2.0 许可证

许可证 Apache-2.0 · 8 个 topics

版本发布 证据不足
— 发布次数

这一项暂无数据,不代表项目没有发布

「证据不足」表示这项数据暂时没有取到,不能读成「项目有问题」;「部分数据」表示只拿到一部分信号。版本发布要额外调 Releases 接口,下一版补。

Star 趋势

6 天记录
最近 90 天站内记录的星数
78,673当前 Star +214首尾差值 2026-10-23最早记录 2026-10-28最近记录

横轴 2026-10-23 → 2026-10-28,纵轴按这段时间的最小/最大值拉伸。趋势来自站内每天记录一次的星数,页面打开时不会实时请求 GitHub。

它解决什么问题

据 README 归纳
没有它会怎样

直接在本地跑模型和微调通常要自己配环境、写训练脚本、处理显存和格式转换,普通用户很难上手;模型跑起来后还缺少对话界面、对外接口和局域网访问手段。它把这些整合成开箱即用的本地入口,省去重复搭建的麻烦。

核心能力

7 条
归纳自 README,不是功能列表照抄
  1. 1用 LoRA、QLoRA、全量微调和预训练等方式训练语言模型、扩散模型等多种模型
  2. 2完成强化学习、DPO、GRPO 等训练流程,并支持 FP8
  3. 3把模型导出为 GGUF、NVFP4、FP8 等格式并部署
  4. 4从 PDF、CSV、DOCX 等文件构建训练数据集
  5. 5在局域网或经 Cloudflare HTTPS 远程访问本地模型
  6. 6以 OpenAI 兼容接口对外提供模型服务
  7. 7把 Claude Code、Codex 等智能体连接到本地模型

项目画像

6 个角度
决定要不要用之前,先看这六条

项目定位

一个在本地运行和训练大语言模型、扩散模型等 AI 模型的工具,提供桌面应用、网页界面和代码调用三种使用方式。

适合谁

想在本地电脑上运行和微调语言模型、图像或视频扩散模型的个人用户和开发者,包括需要私有化模型服务、不想依赖云端 API 的团队。

典型场景

一是用本地显卡微调语言模型或扩散模型,完成后导出为 GGUF 等格式在本地使用;二是通过网页界面对话式运行多个模型,并在局域网内用其他设备访问;三是把本地模型接入 Claude Code、Codex 等智能体,用于写代码和调用工具;四是从 PDF、CSV 等文件整理训练数据,用于模型微调。

部署难度

可通过桌面应用直接安装,也可用 Docker 镜像或克隆仓库后运行安装脚本启动网页界面,需要准备 Python 环境,并在使用 GPU 时配置显卡驱动。

风险限制

不同操作系统和 GPU 环境需要相应的安装方式,部分功能依赖显卡等硬件条件;本地部署细节需自行查阅文档。

最近维护

最近一次推送是 2026-10-28 23:46。 实现方式:提供桌面应用、网页界面和代码库三种形态,底层用 Python 完成模型加载、训练与推理,统一管理显存和训练流程;网页界面可作为服务运行并指定端口,同时对外暴露兼容 OpenAI 的接口。

README 原文细节

3 个板块
项目自己写的功能与用法,原文照录

核心功能README 里列出来的能力清单

⭐ Features

Unsloth works on Windows, Linux, WSL and macOS. We support Multi GPU setups, NVIDIA, AMD, Intel GPUs, CPUs and the Vulkan backend.

怎么安装从零跑起来的步骤

Train & Deploy

  • Fine-tuning: Train LLMs, diffusion, decision, TTS, and embedding models 2× faster with 70% less VRAM with no accuracy loss
  • Complete support: Supports reinforcement learning, LoRA, QLoRA, full fine tuning, pretraining, RL, GRPO, DPO, and FP8.
  • Export & Deploy: Export or Deploy models including GGUF, NVFP4, FP8 and more formats.
  • Datasets: Build datasets from PDFs, CSVs, DOCX files, and more with Data Recipes.

📥 Install

Unsloth can be used in three ways: Unsloth Desktop, the desktop app; Unsloth Studio, the web UI; or Unsloth Core, the code based version.

📥 Advanced Installation

The below advanced instructions are for Unsloth Studio. For Unsloth Core advanced installation, view our docs.

Developer / Nightly / Experimental installs: macOS, Linux, WSL: The developer install builds from the main branch, which is the latest (nightly) source.

To install into an isolated location, set UNSLOTHSTUDIOHOME:

Developer / Nightly / Experimental installs: Windows PowerShell: The developer install builds from the main branch, which is the latest (nightly) source.

git clone https://github.com/unslothai/unsloth
cd unsloth
./install.sh --local
unsloth studio -p 8888

其它说明README 里剩下的内容

⚡ Get started

Download the native Unsloth Desktop app for your operating system: Platform Link Windows Download macOS Download Linux / Ubuntu (deb) Download Linux / Ubuntu (ARM64) (deb) Download Linux (AppImage) Download Windows (ARM64) Download

The Unsloth Docker image unsloth/unsloth is available on Docker. Read guide.

  • 𝕏 (Twitter)

Run & Build with AI

  • Run and train LLMs, MLX, GGUF, diffusion, decision, embedding, audio models: Qwen3.8, GLM-5.3-Flash, Kimi K3, Qwen-Image-2.1, MiniMax-H3, DeepSeek-V4, Gemma 4.
  • Agents & Tools: Use local models with Claude Code, Codex, and MCP, including tool calling and code execution.
  • Search & RAG: Use private and unlimited web search, deep research, auto-compaction (rolling context window) and RAG.
  • Image and video: Run and train image and video diffusion or multimodal models
  • Remote & LAN: Access your local models from any device on LAN or remotely through secure Cloudflare HTTPS.
  • Connect: Serve models through an OpenAI compatible API. Also connect your ChatGPT/Codex subscription and cloud providers

🚀 Unsloth Start

Unsloth Start connects Claude Code, Codex and other agents to local models with one command.

  • Claude Code — unsloth start claude
  • OpenAI Codex — unsloth start codex
  • Visual Studio Code — unsloth start vscode
  • DeepSeek Harness — unsloth start dsh
  • OpenCode — unsloth start opencode
  • Hermes Agent — unsloth start hermes
  • Pi — unsloth start pi
  • OpenClaw — unsloth start openclaw
  • Mistral Vibe — unsloth start vibe

关于 unsloth 的常见问题

7 个问题
答案来自 README 归纳与 GitHub 实时数据
unsloth 是做什么的?

一个在本地运行和训练大语言模型、扩散模型等 AI 模型的工具,提供桌面应用、网页界面和代码调用三种使用方式。 直接在本地跑模型和微调通常要自己配环境、写训练脚本、处理显存和格式转换,普通用户很难上手;模型跑起来后还缺少对话界面、对外接口和局域网访问手段。它把这些整合成开箱即用的本地入口,省去重复搭建的麻烦。

unsloth 有哪些功能?

核心能力:用 LoRA、QLoRA、全量微调和预训练等方式训练语言模型、扩散模型等多种模型;完成强化学习、DPO、GRPO 等训练流程,并支持 FP8;把模型导出为 GGUF、NVFP4、FP8 等格式并部署;从 PDF、CSV、DOCX 等文件构建训练数据集;在局域网或经 Cloudflare HTTPS 远程访问本地模型;以 OpenAI 兼容接口对外提供模型服务;把 Claude Code、Codex 等智能体连接到本地模型。

unsloth 适合谁用?

想在本地电脑上运行和微调语言模型、图像或视频扩散模型的个人用户和开发者,包括需要私有化模型服务、不想依赖云端 API 的团队。

unsloth 是怎么工作的?

提供桌面应用、网页界面和代码库三种形态,底层用 Python 完成模型加载、训练与推理,统一管理显存和训练流程;网页界面可作为服务运行并指定端口,同时对外暴露兼容 OpenAI 的接口。

怎么安装 unsloth?

按项目 README 的说明:Fine-tuning: Train LLMs, diffusion, decision, TTS, and embedding models 2× faster with 70% less VRAM with no accuracy loss;Complete support: Supports reinforcement learning, LoRA, QLoRA, full fine tuning, pretraining, RL, GRPO, DPO, and FP8.;Export & Deploy: Export or Deploy models including GGUF, NVFP4, FP8 and more formats.;Datasets: Build datasets from PDFs, CSVs, DOCX files, and more with Data Recipes.。完整命令见下方「怎么安装」一节或 GitHub 仓库的 README。

用 unsloth 有什么门槛或限制?

不同操作系统和 GPU 环境需要相应的安装方式,部分功能依赖显卡等硬件条件;本地部署细节需自行查阅文档。

unsloth 现在还在维护吗?数据怎么样?

目前 78,673 星,7,305 个 Fork,主语言 Python,创建于 2023-11-30,最近一次推送 2026-10-28 23:46,许可证 Apache-2.0。星数、Fork、推送时间都是 GitHub 返回的实时数据,「最近推送」离现在越近说明越活跃;长期不动要留意是否已停止维护。

这些内容来自哪

读法说明
中文整理据 README 归纳,数据取自 GitHub
中文说明据项目 README 归纳只写 README 能确认的内容,不替作者补功能与数字
关键数据与 GitHub 页面一致星数、Fork、语言与时间都不做二次加工
数据日期2026-10-23 17:52星数与介绍这份数据是哪一天的

项目数据取自 GitHub 官方接口与项目 README;星数、Fork、语言与时间以 GitHub 页面为准,档案更新于 2026-10-23 17:52。