> 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/loslegen/fine-tuning-for-beginners/unsloth-requirements.md).

# Unsloth-Anforderungen

Unsloth kann auf zwei Arten verwendet werden: über [Unsloth Studio](/docs/de/neu/studio/install.md), die Web-UI, oder über [Unsloth Core](#unsloth-core-requirements), die ursprüngliche codebasierte Version. Jede hat unterschiedliche Anforderungen.

## **Anforderungen für Unsloth Studio**

* **Mac:** Training, MLX- und GGUF-Inferenz werden ALLE unterstützt.
* **CPU: Unsloth funktioniert weiterhin ohne GPU**, für Chat- und Data-Rezepte.
* **Training:** Funktioniert auf **NVIDIA**: RTX 30, 40, 50, Blackwell, DGX Spark/Station usw. + **Intel** GPUs

### <i class="fa-windows">:windows:</i> Window**s**

Unsloth Studio funktioniert direkt unter Windows ohne WSL. Um Modelle zu trainieren, stellen Sie sicher, dass Ihr System diese Anforderungen erfüllt:

**Anforderungen**

* Windows 10 oder Windows 11 (64-bit)
* NVIDIA-GPU mit installierten Treibern
* **App Installer** (enthält `winget`): [hier](https://learn.microsoft.com/en-us/windows/msix/app-installer/install-update-app-installer)
* **Git**: `winget install --id Git.Git -e --source winget`
* **Python**: Version 3.11 bis einschließlich 3.13, aber nicht 3.14
* Arbeiten Sie in einer Python-Umgebung wie **uv**, **venv**, oder **conda/mamba**

### <i class="fa-apple">:apple:</i> MacOS

Unsloth Studio funktioniert auf MacOS-Geräten mit voller Unterstützung für Training, MLX- und GGUF-Inferenz.

* macOS 12 Monterey oder neuer (Intel oder Apple Silicon)
* Installieren Sie Homebrew: [hier](https://brew.sh/)
* Git: `brew install git`&#x20;
* cmake: `brew install cmake`&#x20;
* openssl: `brew install openssl`
* Python: Version 3.11 bis einschließlich 3.13, aber nicht 3.14
* Arbeiten Sie in einer Python-Umgebung wie **uv**, **venv**, oder **conda/mamba**

### <i class="fa-linux">:linux:</i> Linux & WSL

* Ubuntu 20.04+ oder ähnliche Distribution (64-bit)
* NVIDIA-GPU mit installierten Treibern
* CUDA-Toolkit (12.4+ empfohlen, 12.8+ für Blackwell)
* Git: `sudo apt install git`
* Python: Version 3.11 bis einschließlich 3.13, aber nicht 3.14
* Arbeiten Sie in einer Python-Umgebung wie **uv**, **venv**, oder **conda/mamba**

### <i class="fa-microchip">:microchip:</i> Nur CPU

Unsloth Studio unterstützt CPU-Geräte für [Chat](#run-models-locally) für GGUF-Modelle und [Data-Rezepte](/docs/de/neu/studio/data-recipe.md) ([Export](/docs/de/neu/studio/export.md) kommt sehr bald)

* Dasselbe wie oben für Linux (außer den NVIDIA-GPU-Treibern) und MacOS erwähnt.

### **Training**

Das Training von Unsloth Studio funktioniert derzeit auf NVIDIA-GPUs; AMD-, MLX- und Intel-Unterstützung folgt sehr bald. Sie können weiterhin das [ursprüngliche Unsloth Core](#unsloth-requirements) verwenden, um auf AMD- und Intel-Geräten zu trainieren. **Python 3.11–3.13** ist erforderlich.

| Anforderung      | Linux / WSL                                  | Windows                                                 |
| ---------------- | -------------------------------------------- | ------------------------------------------------------- |
| **Git**          | Meist vorinstalliert                         | Wird vom Setup-Skript installiert (`winget`)            |
| **CMake**        | Vorinstalliert oder `sudo apt install cmake` | Wird vom Setup-Skript installiert (`winget`)            |
| **C++-Compiler** | `build-essential`                            | Visual Studio Build Tools 2022                          |
| **CUDA Toolkit** | Optional; `nvcc` automatisch erkannt         | Wird vom Setup-Skript installiert (passend zum Treiber) |

## Anforderungen für Unsloth Core

* **Betriebssystem**: Funktioniert auf Linux und [Windows](https://docs.unsloth.ai/get-started/install-and-update/windows-installation)
* Unterstützt NVIDIA-GPUs ab 2018+, einschließlich [Blackwell RTX 50](/docs/de/blog/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth.md) und [DGX Spark](/docs/de/blog/fine-tuning-llms-with-nvidia-dgx-spark-and-unsloth.md)
* Minimale CUDA-Fähigkeit 7.0 (V100, T4, Titan V, RTX 20 & 50, A100, H100, L40 usw.) [Prüfen Sie Ihre GPU!](https://developer.nvidia.com/cuda-gpus) GTX 1070, 1080 funktioniert, ist aber langsam.
* Das offizielle [Unsloth-Docker-Image](https://hub.docker.com/r/unsloth/unsloth) `unsloth/unsloth` ist auf Docker Hub verfügbar
  * [Docker](/docs/de/loslegen/install/docker.md)
* Unsloth funktioniert auf [AMD](/docs/de/loslegen/install/amd.md) und [Intel](/docs/de/loslegen/install/intel.md) GPUs (befolgen Sie unsere [spezifischen Anleitungen](/docs/de/loslegen/install.md)). Apple/Silicon/MLX ist in Arbeit
* Ihr Gerät sollte `xformers`, `torch`, `BitsandBytes` und `triton` unterstützen.
* Wenn Sie unterschiedliche Versionen von torch, transformers usw. haben, `pip install unsloth` installiert automatisch alle neuesten Versionen dieser Bibliotheken, sodass Sie sich keine Sorgen um die Versionskompatibilität machen müssen.

{% hint style="info" %}
Python 3.13 wird unterstützt!
{% endhint %}

### VRAM-Anforderungen für Fine-Tuning:

Wie viel GPU-Speicher benötige ich für das Fine-Tuning von LLMs mit Unsloth?

{% hint style="info" %}
Ein häufiges Problem, wenn Sie OOM bekommen oder der Speicher knapp wird, ist, dass Sie Ihre Batch-Größe zu hoch eingestellt haben. Setzen Sie sie auf 1, 2 oder 3, um weniger VRAM zu verwenden.

**Für Benchmarks zur Kontextlänge siehe** [**hier**](/docs/de/grundlagen/unsloth-benchmarks.md#context-length-benchmarks)**.**
{% endhint %}

Prüfen Sie diese Tabelle für VRAM-Anforderungen, sortiert nach Modellparametern und Fine-Tuning-Methode. QLoRA verwendet 4-Bit, LoRA verwendet 16-Bit. Bedenken Sie, dass je nach Modell manchmal mehr VRAM erforderlich ist, daher sind diese Zahlen das absolute Minimum:

| Modellparameter | QLoRA (4-Bit) VRAM | LoRA (16-Bit) VRAM |
| --------------- | ------------------ | ------------------ |
| 3B              | 3,5 GB             | 8 GB               |
| 7B              | 5 GB               | 19 GB              |
| 8B              | 6 GB               | 22 GB              |
| 9B              | 6,5 GB             | 24 GB              |
| 11B             | 7,5 GB             | 29 GB              |
| 14B             | 8,5 GB             | 33 GB              |
| 27B             | 22 GB              | 64 GB              |
| 32B             | 26 GB              | 76 GB              |
| 40B             | 30 GB              | 96 GB              |
| 70B             | 41 GB              | 164 GB             |
| 81B             | 48 GB              | 192 GB             |
| 90B             | 53 GB              | 212 GB             |
| 405B            | 237 GB             | 950 GB             |


---

# 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:

```
GET https://unsloth.ai/docs/de/loslegen/fine-tuning-for-beginners/unsloth-requirements.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
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.