For the complete documentation index, see llms.txt. This page is also available as Markdown.

🦥Unsloth-Dokumentation

Unsloth ist ein Open-Source-Framework zum Ausführen und Trainieren von LLMs.

Unsloth ermöglicht es dir, KI-Modelle auf deiner eigenen lokalen Hardware über eine Open-Source-UI auszuführen und zu trainieren.

Unsere Dokus führen dich durch das lokale Ausführen und Trainieren deines eigenen LLMs.

HerunterladenFunktionenGitHub

⚡ Schnellstart

Unsloth unterstützt MacOS, Linux, Windows, NVIDIA, AMD , Intel und CPU-Setups. Siehe: Unsloth-Anforderungen. Lade die native Desktop-App für dein Betriebssystem herunter:

Unsloth Desktop herunterladen

Oder installiere Unsloth Studio nativ, unsere browserbasierte Web-UI:

Unsloth installieren:

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

Verwende denselben Befehl zum Aktualisieren.

Unsloth installieren:

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

Verwende denselben Befehl zum Aktualisieren.

Das Unsloth-Docker-Image unsloth/unsloth ist auf Docker verfügbar. Anleitung lesen.

Unsloth Desktop installieren:

brew install --cask unsloth

Unsloth Desktop aktualisieren:

brew upgrade --cask unsloth

Unsloth Desktop installieren:

winget install --id UnslothAI.Unsloth -e

Unsloth Desktop aktualisieren:

winget upgrade --id UnslothAI.Unsloth -e

👾 Unsloth Start

Unsloth Start ermöglicht dir, dich zu verbinden Claude Code, Codex und andere Agenten mit lokalen Modellen über den unsloth start Befehl.

Starte Unsloth, lade ein Modell, öffne deinen Projektordner und führe dann aus:

Ersetze claude mit einem der folgenden Agenten:

Claude Code, lokal mit Qwen3.5 ausgeführt.
Agent
Befehl

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

OpenClaw

unsloth start openclaw

🦥 Warum Unsloth?

  • Wir arbeiten direkt mit den Teams hinter gpt-oss, Qwen3, Llama 4, Mistral, Gemma 1-3 und Phi-4, wobei wir kritische Fehler behoben haben die die Modellgenauigkeit erheblich verbessert haben. Andrej Karpathy hat zum Beispiel unsere Arbeit gelobt.

  • Unsloth vereinfacht lokales Training, Inferenz, Daten und Deployment

  • Unsloth unterstützt Inferenz und Training für über 500 Modelle: Vision, TTS, Embedding, RL

⭐ Funktionen

Unsloth ermöglicht es dir, Modelle für Text, Audio, Embedding, Vision und mehr auszuführen und zu trainieren. Unsloth bietet viele wichtige Funktionen sowohl für Inferenz als auch für Training:

Inferenz

  • Führe LLMs, Diffusion, Embedding- und Audio-Modelle aus und trainiere sie: Qwen3.8, Kimi K3, MiniMax-H3, Muse Glimmer, DeepSeek-V4, Gemma 4.

  • Agenten & Tools: Verwende lokale Modelle mit Claude Code, Codexund MCPeinschließlich Tool-Calling und Code-Ausführung.

  • Suche & RAG: Nutze private und unbegrenzte Websuche, Deep Research, Auto-Compaction (rollendes Kontextfenster) und RAG.

  • Bild und Video: Ausführen und trainieren Bild- und Video-Diffusions- oder multimodale Modelle

  • Remote & LAN: Greife von jedem Gerät auf LAN auf deine lokalen Modelle zu oder aus der Ferne über sicheres Cloudflare HTTPS zu.

  • Verbinden: Stelle Modelle über eine OpenAI-kompatible API. Verbinde außerdem dein ChatGPT/Codex-Abonnement und Cloud-Anbieter

Trainieren & Bereitstellen

  • Fine-Tuning: Trainiere LLMs-, Diffusions-, TTS- und Embedding-Modelle 2× schneller mit 70 % weniger VRAM mit keinem Genauigkeitsverlust

  • Vollständige Unterstützung: Unterstützt Reinforcement Learning, LoRA, QLoRA, vollständiges Fine-Tuning, Pretraining, RL, GRPO, DPO und FP8.

  • Exportieren & Bereitstellen: Exportiere oder stelle Modelle bereit, einschließlich GGUF, NVFP4, FP8 und weiteren Formaten.

  • Datensätze: Erstelle Datensätze aus PDFs, CSVs, DOCX-Dateien und mehr mit Data Recipes.

Neueste Modelle

Cover

Meta Muse Glimmer

Video-Demo

Zuletzt aktualisiert

War das hilfreich?