> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/de/desktop.md).
# Wir stellen Unsloth Desktop vor
Wir stellen Unsloth Desktop vor
Unsloth Desktop (Beta) ist eine kostenlose, Open-Source App zum Ausführen und Trainieren von KI-Modellen auf deiner eigenen lokalen Hardware. Verfügbar für macOS, Windows und Linux.
Unsloth ermöglicht dir, LLMs auszuführen, zu trainieren und bereitzustellen, Diffusions- Bild/Video-, MLX, GGUF- und Audiomodelle.
{% columns %}
{% column width="16.666666666666664%" %}
{% endcolumn %}
{% column width="66.66666666666667%" %}
{% stepper %}
{% step %}
### Unsloth Desktop installieren
1. Herunterladen [Unsloth Desktop](https://unsloth.ai/download)
2. Installiere die App für [macOS](/docs/de/erste-schritte/install/mac.md), [Windows](/docs/de/erste-schritte/install/windows-installation.md), [Linux](/docs/de/erste-schritte/install/linux.md)
3. Starte die App
{% endstep %}
{% step %}
### Wähle ein Modell aus
Öffne oben das Dropdown „Modell auswählen“ oder den Tab „Model hub“, wähle ein Modell und eine Quantisierung, die zu deinem Gerät passt, und lade es dann herunter. Sobald es fertig ist, kannst du mit dem Chatten beginnen – kein Setup erforderlich.
{% endstep %}
{% step %}
### Unsloth ist jetzt bereit
Um zu chatten, gib eine Nachricht ein und drücke Enter.
* **Verbinde Tools:** [Claude Code](/docs/de/grundlagen/claude-code.md), [Codex](/docs/de/grundlagen/codex.md), [Websuche](/docs/de/neu/studio/chat.md#advanced-web-search), [MCP](/docs/de/grundlagen/mcp.md) und mehr
* **Modelle trainieren:** Fine-tune Text, Diffusion, [Embedding](/docs/de/grundlagen/embedding-finetuning.md), und mehr
* **Medien generieren:** Erstellen und trainieren [Bilder](/docs/de/grundlagen/diffusion-image.md), Video, [TTS](/docs/de/grundlagen/text-to-speech-tts-fine-tuning.md) lokal
{% endstep %}
{% endstepper %}
{% endcolumn %}
{% column width="16.666666666666657%" %}
{% endcolumn %}
{% endcolumns %}
Tiefgehender Feature-Einblick ⭐
Sieh dir alles an, was Unsloth Desktop zu bieten hat:
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
{% endcolumn %}
{% column width="41.666666666666686%" %}
## :shield: Berechtigungen steuern
Unsloth bietet wie Claude Code und Codex Berechtigungskontrollen für jedes Modell, das Tool-Aufrufe verwendet. Das bedeutet, dass das Modell und Unsloth ohne deine Zustimmung nicht auf deine Dateien zugreifen, sie ändern oder bearbeiten oder das Internet nutzen können.
Du kannst den gewünschten Zugriff festlegen: Unsloth kann Tools in einer sicheren Sandbox-Umgebung ausführen, um dein System zu schützen, oder du kannst stattdessen direkten Zugriff auf deine Dateien und deren Bearbeitung erlauben.
{% endcolumn %}
{% column %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.666666666666664%" %}
## :globe-pointer: **Jeder Endpunkt. Jedes Tool.**
Unsloth beseitigt die Barriere zwischen deinem Inferenz-Setup und deinem Workflow. Egal, ob dein Modell über Unsloths Inferenz oder über deinen eigenen entfernten, OpenAI-kompatiblen Endpunkt läuft, du kannst ihm Zugriff auf die gesamte Tool-Suite von Unsloth geben, einschließlich Websuche, Codeausführung, tiefgehender Recherche und mehr.
{% endcolumn %}
{% column width="41.666666666666664%" %}
{% endcolumn %}
{% column width="8.333333333333332%" %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.666666666666664%" %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
## :image: **Bild- und Video-Generierung**
Für MiniMax-H3 FP8 auf einer NVIDIA B200 sank eine 960×544-Generierung mit 124 Frames und 8 Schritten von über 70 Sekunden auf **13 Sekunden**. Generiere mit FLUX, Z-Image, LTX, Wan und fein abgestimmten LoRA-Adaptern.
Verwandle, inpaint, erweitere, skaliere hoch, verwende Referenzen und bearbeite bestehende Bilder.
{% endcolumn %}
{% column width="8.333333333333325%" %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.66666666666666%" %}
## :terminal: Codeausführung
Erhalte bis zu 50 % präzisere Tool-Aufrufe mit selbstheilenden Tool-Aufrufen, die Fehler automatisch erkennen, beheben und erneut versuchen.
Führe Bash und Python in einer sicheren Sandbox aus. Unsloth bietet zuverlässigere Beendigung von Aufrufen, um Schleifen zu reduzieren, besseres Healing und Deduplizierung, um XML-Leaks zu verhindern.
{% endcolumn %}
{% column width="41.66666666666667%" %}
{% endcolumn %}
{% column %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
{% endcolumn %}
{% column width="41.666666666666686%" %}
## :comment: Modell überall zugänglich machen
Stelle dein lokales Modell oder über HTTPS über Unsloths kostenlosen [Cloudflare-Tunnel](/docs/de/grundlagen/wie-man-lokale-llms-uberall-bereitstellt-sicherer-remote-zugriff-mit-cloudflare-und-unsloth.md)bereit. Prüfe einen Lauf von **deinem Handy**, deinem Laptop oder von überall sonst, wo du gerade bist.
Binde die App mit `-H 0.0.0.0`an dein Netzwerk an oder öffne einen kostenlosen Cloudflare-Tunnel für HTTPS.
{% endcolumn %}
{% column %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column width="8.333333333333332%" %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
## :rectangle-api: Modelle per API bereitstellen
Du kannst `unsloth run` verwenden und Modelle bereitstellen wie [Qwen3.8](/docs/de/modelle/qwen3.8.md) und beliebige Einstellungen ändern, einschließlich Kontextgröße, GPU-Layern, Threading, Sampling, Netzwerkkonfiguration und Tool-Konfiguration. Weitere Informationen findest du in unserer [API-Dokumentation](/docs/de/grundlagen/api.md).
{% endcolumn %}
{% column width="49.99999999999999%" %}
Hier ein Beispiel für die Verwendung der Unsloth-API mit Qwen3.8:
{% code overflow="wrap" %}
```bash
unsloth run --model unsloth/qwen3.8-27B-GGUF-GGUF:UD-Q4_K_XL
--temp 1.0 \
--top-p 0.95 \
--top-k 20 \
--min-p 0.0 \
--chat-template-kwargs '{"reasoning_effort":"medium"}'
```
{% endcode %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column width="8.333333333333332%" %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
## :image: Verwende die neuesten Modelle
Du kannst nahezu jedes Modell ausführen und trainieren, einschließlich kommender Modelle. Rechne mit Unterstützung ab Tag 0 für Modelle wie Qwen3.8, Gemma, Meta, NVIDIA, GLM, Gemma-Modelle und mehr. All das ist llama.cpp und Hugging Face zu verdanken, und wir sind außerdem stolz darauf, etwas zum Ökosystem zurückbeizutragen.
{% endcolumn %}
{% column width="49.99999999999999%" %}
{% endcolumn %}
{% column %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column width="8.333333333333332%" %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
#### Sammelt ihr meine Daten?
Kein Telemetrie-Tracking. Unsloth erkennt deinen GPU-Typ und dein Gerät, damit die App weiß, was funktioniert. Die App kann vollständig offline laufen.
#### Kann ich Modelle verwenden, die ich bereits heruntergeladen habe?
Ja, sie werden automatisch gefunden. Wenn deine nicht gefunden werden, kannst du eigene benutzerdefinierte Ordner angeben.
#### Warum ist die Inferenz manchmal langsamer?
Websuche, Codeausführung und das Heilen von Tool-Aufrufen kosten alle Zeit. Deaktiviere sie und die Geschwindigkeit sollte jeder anderen llama.cpp-App entsprechen. Immer noch langsam? Eröffne ein GitHub-Issue.
{% endcolumn %}
{% column width="41.66666666666667%" %}
#### Nur GPU?
Nein. Unsloth funktioniert auf einer Vielzahl von CPU-, Mac- usw. Setups.
#### Unterstützt es OpenAI-kompatible APIs?
Ja. Siehe den [API-Leitfaden](/docs/de/grundlagen/api.md). Wir unterstützen auch die Verbindung zu [Cloud-Modelle](/docs/de/integrationen/connections.md) oder anderen APIs wie Anthropic oder OpenAI.
#### Welche Geräte unterstützt Unsloth?
Unsloth unterstützt alle Betriebssysteme einschließlich Mac, Windows, Linux und WSL und unterstützt NVIDIA-, Intel-, AMD- und Mac-GPUs/CPUs. Ältere Hardware wird jedoch möglicherweise nicht gut unterstützt.
{% endcolumn %}
{% column %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column width="8.333333333333332%" %}
{% endcolumn %}
{% column width="83.33333333333333%" %}
Ein riesiges Dankeschön an NVIDIA und Hugging Face dafür, dass sie Teil unseres Launchs sind. Außerdem danken wir allen unseren frühen Beta-Testern für Unsloth Desktop – wir schätzen eure Zeit und euer Feedback sehr. Wir möchten auch Jan für die Inspiration danken sowie llama.cpp, PyTorch, stablediffusion.cpp und open model labs für die Bereitstellung der Infrastruktur, die Unsloth Desktop möglich gemacht hat.
{% endcolumn %}
{% column width="8.333333333333321%" %}
{% endcolumn %}
{% endcolumns %}
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://unsloth.ai/docs/de/desktop.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.