> 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).
# Einführung von Unsloth Desktop
Unsloth Desktop ist eine kostenlose Open-Source-App für Mac, Windows und Linux.
Vorstellung von Unsloth Desktop
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 es dir, LLMs auszuführen, zu trainieren und bereitzustellen, Diffusion Bild/Video, MLX, GGUF- und Audiomodelle.
{% columns %}
{% column width="16.666666666666664%" %}
{% endcolumn %}
{% column width="66.66666666666667%" %}
{% stepper %}
{% step %}
### Installiere Unsloth Desktop
1. Herunterladen [Unsloth Desktop](https://unsloth.ai/download)
2. Installiere die App für [macOS](/docs/de/loslegen/install/mac.md), [Windows](/docs/de/loslegen/install/windows-installation.md), [Linux](/docs/de/loslegen/install/linux.md)
3. Starte die App
{% endstep %}
{% step %}
### Wähle ein Modell
Öffne oben das Dropdown "Modell auswählen" oder den Tab "Modell-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 - keine Einrichtung erforderlich.
{% endstep %}
{% step %}
### Unsloth ist jetzt bereit
Zum Chatten gib eine Nachricht ein und drücke Enter.
* **Tools verbinden:** [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:** Feinabstimmung von 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 %}
Feature-Deep-Dive ⭐
Sieh dir alles an, was Unsloth Desktop zu bieten hat:
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
{% endcolumn %}
{% column width="41.666666666666686%" %}
## :shield: Berechtigungen verwalten
Unsloth bietet, genau 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 Zugriffsstufen wählen, die du möchtest: Unsloth kann Tools in einer sicheren Umgebung ausführen, um dein System zu schützen, oder, wenn du es vorziehst, kannst du direkten Zugriff auf deine Dateien und deren Bearbeitung erlauben.
{% endcolumn %}
{% column %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.666666666666664%" %}
## :globe-pointer: **Jeder Endpoint. Jedes Tool.**
Unsloth beseitigt die Barriere zwischen deinem Inferenz-Setup und deinem Workflow. Ganz gleich, ob dein Modell über Unsloths Inferenz oder über deinen eigenen entfernten OpenAI-kompatiblen Endpoint läuft, du kannst ihm Zugriff auf Unsloths vollständige Tool-Suite geben, einschließlich Websuche, Codeausführung, Tiefenrecherche und mehr.
{% endcolumn %}
{% column width="41.666666666666664%" %}
{% endcolumn %}
{% column width="8.333333333333332%" %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
{% endcolumn %}
{% column width="41.666666666666686%" %}
## :comment: Greife überall auf das Modell zu
Stelle dein lokales Modell oder per HTTPS über Unsloths kostenlosen [Cloudflare-Tunnel](/docs/de/grundlagen/lokale-llms-uberall-bereitstellen-sicherer-remote-zugriff-mit-cloudflare-und-unsloth.md). Prüfe einen Lauf von **deinem Telefon**, deinem Laptop oder überall sonst, wo du gerade bist.
Binde die App mit `-H 0.0.0.0`, oder öffne einen kostenlosen Cloudflare-Tunnel für HTTPS.
{% endcolumn %}
{% column %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.66666666666666%" %}
## :terminal: Codeausführung
Erhalte bis zu 50 % genauere Tool-Aufrufe mit selbstheilenden Tool-Aufrufen, die Fehler automatisch erkennen, beheben und erneut versuchen.
Führe Bash und Python in einer sicheren Umgebung aus. Unsloth bietet eine 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 width="8.333333333333332%" %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
## :wifi: Im lokalen Netzwerk bereitstellen
Platziere Unsloth in deinem WLAN oder kabelgebundenen Netzwerk und [stelle Unlosth über LAN bereit](/docs/de/grundlagen/lan.md). Der Datenverkehr verlässt dein Netzwerk nie, daher ist die Latenz gering, und es funktioniert ganz ohne Internet.
Drücke **Start** auf der **LAN-Zugang** Karte oder starte mit `-H 0.0.0.0`.
{% endcolumn %}
{% column width="8.333333333333336%" %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
## :image: **Bild- und Videogenerierung**
Für MiniMax-H3 FP8 auf einer NVIDIA B200 sank eine 960×544-, 124-Frame-, 8-Schritt-Generierung von über 70 Sekunden auf **13 Sekunden**. Generiere mit [Qwen-Image-2.1](/docs/de/modelle/qwen-image-2.1.md)**,** FLUX, Z-Image, LTX, Wan und feinabgestimmten LoRA-Adaptern.
Transformiere, inpainten, erweitere, hochskalieren, als Referenz verwenden und vorhandene Bilder bearbeiten.
{% endcolumn %}
{% column width="41.666666666666664%" %}
{% endcolumn %}
{% column width="8.333333333333325%" %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column width="8.333333333333332%" %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
## :rectangle-api: Modelle per API bereitstellen
Du kannst `unsloth run` Befehl verwenden und Modelle wie [Qwen3.8](/docs/de/modelle/qwen3.8.md) und alle Einstellungen ändern, einschließlich Kontextgröße, GPU-Ebenen, Threading, Sampling, Netzwerkeinstellungen und Tool-Konfiguration. Weitere Infos findest du in unseren [API-Dokumenten](/docs/de/grundlagen/api.md).
{% endcolumn %}
{% column width="49.99999999999999%" %}
Sieh dir ein Beispiel für die Verwendung der Unsloth-API mit Qwen3.8 an:
{% 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: Nutze die neuesten Modelle
Du kannst nahezu jedes Modell ausführen und trainieren, einschließlich kommender Modelle. Erwarten kannst du Unterstützung ab Tag 0 für Modelle wie Qwen3.8, Gemma, Meta, NVIDIA, GLM, Gemma-Modelle und mehr. Das alles verdanken wir llama.cpp und Hugging Face, und wir sind auch stolz darauf, etwas zum Ökosystem beizutragen.
{% endcolumn %}
{% column width="49.99999999999999%" %}
{% endcolumn %}
{% column %}
{% endcolumn %}
{% endcolumns %}
{% columns %}
{% column width="8.333333333333332%" %}
{% endcolumn %}
{% column width="41.66666666666667%" %}
#### Sammelt ihr meine Daten?
Keine Telemetrie. 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 dabei sind, kannst du eigene benutzerdefinierte Ordner angeben.
#### Warum ist die Inferenz manchmal langsamer?
Websuche, Codeausführung und das Heilen von Tool-Aufrufen kosten alle Zeit. Schalte sie aus, und die Geschwindigkeit sollte der jeder anderen llama.cpp-App entsprechen. Immer noch langsam? Öffne 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. Sieh dir den [API-Leitfaden](/docs/de/grundlagen/api.md). Wir unterstützen außerdem die Verbindung zu [Cloud-Modellen](/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, Teil unseres Launches zu sein. Außerdem danken wir all unseren frühen Beta-Testern von Unsloth Desktop herzlich – wir wissen eure Zeit und euer Feedback wirklich zu schätzen. Wir möchten auch Jan für die Inspiration sowie llama.cpp, PyTorch, stablediffusion.cpp und open model labs danken, die die Infrastruktur bereitgestellt haben, 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 by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
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 what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
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.
.gif?alt=media&token=3df768c6-07d8-40c6-9c02-a881547d44bd)
