> 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/neu/changelog.md).

# Unsloth-Updates

Unsloth-Changelog für unsere neuesten Releases, Verbesserungen und Fixes.

Um die neuesten Änderungen zu nutzen, [aktualisiere Unsloth](https://unsloth.ai/docs/de/neu/studio/install.md#update-unsloth-studio).

{% updates format="full" %}
{% update date="2026-11-19" tags="new-releases,v0-1-920-beta" %}

## AMD-NPU + Video-Diffusion-LoRA

Wir bringen ein großes Update für [AMD-NPU-Unterstützung](https://unsloth.ai/docs/get-started/install/amd/npu) in Unsloth: Q4NX-Modelle, die du jetzt konvertierst, werden auf der NPU geladen, und bei jedem NPU-Modell wird angezeigt, ob es ausgeführt wird. Außerdem neu: LTX-2.5- und MOSS-Image-LoRA-Training, NVIDIA-Cosmos3-FP8-Video, schnellere Bilder auf Strix Halo und geplante Aufgaben, die in einem Chat antworten.

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FyHiRzvnhsqaoo7JokPs7%2Famd%20color%20final.png?alt=media&amp;token=fd08e40a-0f83-404a-8cf0-569bbe12790f" alt="" width="375"><figcaption></figcaption></figure>

* **AMD-NPU-Unterstützung** mit NPUs, die pro Joule und Token 2- bis 4-mal effizienter sind als GPUs [Anleitung](https://unsloth.ai/docs/get-started/install/amd/npu) + [AMD-Blog](https://www.amd.com/en/blogs/2026/unlocking-the-amd-ryzen-ai-npu-for-unsloth-desktop.html)
* **In Q4NX konvertieren** hat jetzt einen eigenen Tab auf der Exportseite, und konvertierte Modelle werden auf der NPU geladen
* **Schnellere Bilder auf Stria Halo** mit FLUX.3 Klein unter Windows bis zu 28 % schneller pro Schritt
* **LTX-2.5- und MOSS-Image-LoRA-Training** jetzt in Unsloth
* **Diffusion-LoRA-Training** bis zu 42 % schneller pro Schritt, jetzt auch auf T4-GPUs
* **NVIDIA Cosmos3 Nano-FP8 + Edge-FP8** Videomodelle werden jetzt geladen
* **Geplante Aufgaben in einem Chat** die direkt in diesem Chat antworten
* **Neue Übersetzungsseite** mit Sprach-Tabs, nebeneinander angeordneten Bereichen und Uploads von Dokumenten und Bildern
* **QLoRA-Training** bis zu 25 % schneller

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.920-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/get-started/install/amd/npu" class="button secondary">AMD-NPU-Anleitung</a>
{% endupdate %}

{% update date="2026-11-11" tags="new-releases,v0-1-917-beta" %}

## Dynamic v3.1 GGUFs + Leistungsverbesserungen

Wir veröffentlichen [Qwen3.8-27B](https://unsloth.ai/docs/de/modelle/qwen3.8.md) Dynamic-V3.1-GGUFs, die direkt lokal in Unsloth ausgeführt werden können. Außerdem gibt es umfangreiche Leistungsverbesserungen: schnelleres Streaming, flüssigeres Scrollen sowie schnellere Menüs und Dialoge in langen Chats – und ein deutlich flüssigeres Glass-Design. Ebenfalls neu: überarbeitete Code- und Thinking-Blöcke, HTML-/PDF-Chat-Exporte, eine Bildwarteschlange sowie Claude Code und Codex auf MLX.

**Highlights**

* **Qwen3.8-27B** neue Unsloth Dynamic V3.1 GGUFs
* **Umfangreiche Leistungsverbesserungen** - Streaming wird bei längeren Chats nicht mehr langsamer
* **Flüssigeres Glass-Design** deutlich weniger Verzögerungen beim Tippen, Scrollen und Generieren
* **Neues Design für Code- und Thinking-Blöcke** - ausklappbar, unabhängig scrollbar, verbesserte Syntaxhervorhebung
* **HTML- und PDF-Exporte** direkt über das Chatmenü
* **Bildwarteschlange** - Bildgenerierungen in die Warteschlange stellen, während ein anderes Bild gerendert wird
* **Claude Code + Codex auf MLX** - Coding-Agenten mit MLX-Modellen ausführen über `unsloth start`
* **FLUX.2 + FLUX.3** beim Dekodieren von Bildern 36–43 % weniger VRAM bei gleicher Geschwindigkeit nutzen
* **2–8-mal schneller `model.generate()`** standardmäßig auf T4-GPUs

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.917-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/grundlagen/dynamic-3.0-ggufs.md" class="button secondary">Dynamische v3.1-GGUFs</a><a href="https://unsloth.ai/docs/de/modelle/qwen3.8.md" class="button primary">Qwen3.8-27B</a>
{% endupdate %}

{% update date="2026-11-06" tags="new-releases,v0-1-916-beta" %}

## Qwen3.8-Flash-Next Dynamic V3.1

Wir veröffentlichen [Qwen3.8-Flash-Next](https://unsloth.ai/docs/de/modelle/qwen3.8-next.md) Dynamic V3.1-GGUFs für 10–15 % mehr Genauigkeit, 50 % weniger Tokenverbrauch und 7 % mehr Geschwindigkeit. Außerdem bringen wir umfangreiche Leistungsverbesserungen für Unsloth: schnelleres Tippen und Suchen in langen Chats, schnelleres Laden von Bildern und Videos sowie Bild- und Videogenerierung mit zwei GPUs. Hinzu kommen separate Browser für jeden Chat, ein schwebendes Browserfenster sowie scrollbare Code- und Denkblöcke.

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FfbUDW8UyiD6Z7cq93Ydc%2FScreenshot_2026-11-02_at_14.41.10.webp?alt=media&amp;token=7be485c5-6f5b-4caf-a97a-7470bcb31f91" alt=""><figcaption></figcaption></figure>

#### Highlights

* **Umfangreiche Leistungsverbesserungen** Weitere Optimierungen für das Glass-Design folgen nächste Woche
* **Verbesserungen am Glass-Design** kein Unschärfeeffekt mehr, bessere Darstellung, mehr Optionen
* **Auslagerung in den gemeinsamen Speicher** funktioniert jetzt auch mit großen Modellen zuverlässig
* **Separate Browser für jeden Chat** - Mehrere Chats können jetzt jeweils ihren eigenen Browser verwenden
* **Neues Design für Denk- und Codeblöcke** - jetzt in einem scrollbaren Bereich begrenzt
* **Schwebender Browser** Du kannst ihn über dem Chat verschieben und seine Größe ändern, während das Modell seine Arbeit erledigt
* **Bild- und Videogenerierung mit zwei GPUs** bis zu 2-mal schneller auf kompatiblen NVIDIA-Karten
* **Schnellere Chatsuche und -löschung** - Chats viel schneller suchen und löschen
* **Laden von Stable-Diffusion-Bild- und Videomodellen** bis zu 40 % schneller

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.916-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/modelle/qwen3.8-next.md" class="button secondary">Dynamic V3.1 Qwen</a>
{% endupdate %}

{% update date="2026-10-30" tags="new-releases,v0-1-913-beta" %}

## Dynamic V3.1 (Vorschau) + Anpassung + Leistung

Gestalte Unsloth ganz nach deinen Wünschen – mit benutzerdefinierten Hintergründen und einer verbesserten Benutzeroberfläche und Bedienung. Dieses Release verkürzt außerdem die App-Aktualisierungszeiten und beschleunigt die Linux-App sowie die Qwen-Image-Generierung bei begrenztem VRAM. Neu in Unsloth: DeepSeek-V4.1-Flash-1017 [Dynamic v3.1](https://unsloth.ai/docs/models/deepseek-v4.1-flash) GGUFs (Vorschau), FLUX.2-klein-9B auf Geräten mit wenig RAM, flüssigere Chats und gebündeltes MoE-Fine-Tuning.

<img src="https://github.com/user-attachments/assets/a4c01069-da2f-4cf3-afee-d19499cfefc3" alt="" width="563">

#### Highlights

* **Benutzerdefinierte Hintergründe** für persönliche Chats (+ Eingabefeld nach unten verschieben – weitere Anpassungsmöglichkeiten folgen nächste Woche)
* **DeepSeek-V4.1-Flash-1017** neue Unsloth Dynamic v3.1-GGUFs (Vorschau), die auf fast allen Benchmarks genauesten Modelle ihrer Größenklasse [Blog](https://unsloth.ai/docs/models/deepseek-v4.1-flash)
* **14 neue Sprachen** für Unsloth
* **App-Updates** doppelt so schnell abgeschlossen
* **Linux** deutlich weniger Verzögerungen und bessere Leistung
* **Qwen-Image** rendert bei einer VRAM-Begrenzung auf 16 GB bis zu 2-mal schneller
* **Aktualisierte Benutzeroberfläche** mit einheitlichem Design und übersichtlicherer Oberfläche
* **MoE-Fine-Tuning** führt kompatible API-Aufträge gemeinsam aus

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.913-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/modelle/deepseek-v4.1-flash.md" class="button secondary">Dynamic V3.1 DeepSeek</a>
{% endupdate %}

{% update date="2026-10-28" tags="new-releases,v0-1-912-beta" %}

## Geplant + Optimierungen + Halloween

DeepSeek-V4.1-Flash-1017 und FLUX.3 Image Klein sind da! Führe beide lokal mit Unsloth aus. Außerdem neu: Bilder und Videos im Chat, Multi-GPU-Training mit FSDP2 (Alpha) und MCP-Einrichtung mit einem Befehl für Coding-Agenten.

#### Highlights

* **Schnelleres Unsloth**: 2× schnellerer Start, außerdem mehr Tempo bei Tool-Aufrufen, Modelllisten, der Dataset-Vorbereitung und dem Laden von MiniMax-H3
* **Geplante Aufgaben**: Führe einen Prompt nach Zeitplan mit einem lokalen Modell oder einer API aus
* **Multi-LoRA-Batching**: Bis zu 4 kompatible Fine-Tuning-Jobs aus der Warteschlange werden gleichzeitig trainiert
* **SGLang-Thinking + automatisches Kompaktieren**: Fortsetzen und JSON-Ausgabe funktionieren jetzt auch mit vLLM und SGLang
* **Browser-Steuerung umschalten**: Lass Modelle den integrierten Browser über dessen neue Tab-Seite steuern
* **MiniMax-M3.1-Flash**: MiniMax’ 428B-MoE-Modell (23B aktiv) [Anleitung](https://unsloth.ai/docs/models/minimax-m3.1-flash)
* **Süßes oder Saures**: 🎃 11 Halloween-Designs
* **FLUX 3 Editing**: FLUX 3 unterstützt jetzt die Bildbearbeitung per Prompt
* **Leistungsverbesserungen**: Deutlich mehr Leistung auf dem Mac, weniger Verzögerungen, kleinere Binärdateien
* **Gespeicherte Voreinstellungen**: Speichere deine Run-Einstellungen für jedes Modell als benannte Voreinstellungen

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.912-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/modelle/minimax-m3.1-flash.md" class="button secondary">MiniMax-M3.1-Flash</a><a href="https://unsloth.ai/docs/de/modelle/nemotron-3.5-bolt.md" class="button secondary">NVIDIA Nemotron 3.5 4B</a>
{% endupdate %}

{% update date="2026-10-19" tags="new-releases,v0-1-909-beta" %}

## DeepSeek V4.1-Flash-1017 und FLUX.3

DeepSeek-V4.1-Flash-1017 und FLUX.3 Image Klein sind da! Führe beide lokal mit Unsloth aus. Außerdem neu: Bilder und Videos im Chat, Multi-GPU-Training mit FSDP2 (Alpha) und MCP-Einrichtung mit einem Befehl für Coding-Agenten.

#### Highlights

* **DeepSeek-V4.1-Flash-1017**: 552B (16B aktiv) – läuft mit 1 Bit auf etwa 125 GB, wenn die Engram-Tabelle auf der SSD liegt [Anleitung](https://unsloth.ai/docs/models/deepseek-v4.1-flash)
* **FLUX.3 Image Klein**: Läuft mit 24 GB und bearbeitet bis zu 10 Referenzbilder [GGUF](https://huggingface.co/unsloth/flux-3-image-klein-GGUF)
* **MCP-Einrichtung mit einem Befehl**: `unsloth mcp add` verbindet Claude Code, Codex oder Cursor mit Unsloth.
* **Bilder und Videos im Chat**: Lokale Chat-Modelle verwenden das neben ihnen geladene Bild- oder Videomodell.
* **Qwen-Image-Edit-2509 und 2511**: Bearbeite bis zu 3 Bilder gleichzeitig.
* **Token-Vorschau**: Sieh dir vor Trainingsbeginn an, was dein Modell lernen wird.

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.909-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/modelle/deepseek-v4.1-flash.md" class="button secondary">DeepSeek-V4.1-Flash</a>
{% endupdate %}

{% update date="2026-10-15" tags="new-releases,v0-1-908-beta" %}

## NVIDIA Nemotron 3.5 + Meta Muse Spark Open

Führe die neuen Nemotron-3.5-Modelle von NVIDIA und Meta Muse Spark Open lokal mit Unsloth aus. Neu: Text-Diffusions-LLMs, DeepSpeed-Training und besseres Prompt-Caching für Coding-Agenten.

#### Highlights

* **NVIDIA Nemotron 3.5 Bolt**: Läuft mit 24 GB Arbeitsspeicher. [Anleitung](https://unsloth.ai/docs/models/nemotron-3.5-bolt)
* **NVIDIA Nemotron 3.5 Super VL**: 120B (12B aktiv) [Anleitung](https://unsloth.ai/docs/models/nemotron-3.5-super-vl)
* **Meta Muse Spark Open**: 816B (42,7B aktiv) – läuft auf 256 GB [Anleitung](https://unsloth.ai/docs/models/muse-spark-open)
* **Besseres Prompt-Caching für Coding-Agenten**: Claude Code, Codex usw. verarbeiten auf lokalen GGUF-Modellen deutlich weniger Teile jedes Prompts erneut.
* **Browsernutzung**: „Immer erlauben“ funktioniert zuverlässig, mit Cursor und separaten Tabs für jeden Chat.
* **Bilder über deine Verbindungen**: Generiere Bilder mit sd-server, Ollama, Lemonade und anderen Bildservern.
* **Diffusions-LLMs**: Trainiere und chatte mit LLaDA, Dream, SDAR und mehr – auf einer Live-Denoising-Leinwand.

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.908-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/modelle/nemotron-3.5-bolt.md" class="button secondary">Nemotron 3.5 Bolt</a><a href="https://unsloth.ai/docs/de/modelle/muse-spark-open.md" class="button secondary">Meta Muse Spark Open</a>
{% endupdate %}

{% update date="2026-10-12" tags="new-releases,v0-1-906-beta" %}

## Browsernutzung + **Qwen-Image-2.1-Turbo**

Modelle können jetzt in Unsloth den Browser nutzen. Aktiviere die Browsernutzung, und dein Modell kann Seiten öffnen und lesen, klicken, Text eingeben und scrollen – während du zusiehst. Außerdem ist Qwen-Image-2.1-Turbo dabei, das Bilder in nur 8 Schritten erstellt. Ebenfalls enthalten: das Training von Text-Diffusions-LLMs, schnellere MoE-GGUFs und spekulatives Decoding auf dem Mac.

#### Highlights

* **Browsernutzung.** Lokale Modelle können den Unsloth-Browser steuern
* **Qwen-Image-2.1-Turbo**: Bilder in 8 Schritten (2,5-mal schneller). [Anleitung ansehen](https://unsloth.ai/docs/models/qwen-image-2.1)
* **Text-Diffusions-LLMs trainieren** wie DiffusionGemma, LLaDA und Dream
* **Bis zu 3-mal schnellere MoE-GGUFs** die größer als dein VRAM sind
* **Spekulatives Decoding auf dem Mac** für bis zu 2,8-mal schnellere MLX-Antworten

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.906-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/modelle/qwen-image-2.1.md" class="button secondary">Qwen Image 2.1</a>
{% endupdate %}

{% update date="2026-10-08" tags="new-releases,v0-1-904-beta" %}

## Trainiere dein eigenes Entscheidungsmodell

Verwandle jedes Text- oder Vision-LLM in Unsloth in ein Entscheidungsmodell im Stil von Jev – mit einer Entscheidungsgenauigkeit von 30 % bis 80 %. Trainiere, teste, exportiere und betreibe Entscheidungsmodelle direkt in Unsloth. Ebenfalls enthalten: native ComfyUI-Modelle, Verbesserungen für Diffusionsmodelle und ein besserer Browser in Desktop.

#### Highlights

* **Verwandle jedes Modell in ein Entscheidungsmodell im Stil von Jev.** Genauigkeit von 30 % auf 80 %
* **ComfyUI-Diffusionsmodelle nativ** in Unsloth laden
* **Schnellere und genauere Diffusion** mit INT8 ConvRot und mehr
* **Besserer Browser in Desktop** mit zahlreichen Fehlerbehebungen
* **Sandboxing** mit Bwrap für Linux, Seatbelt für Mac und MXC für Windows

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.904-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/grundlagen/trainiere-dein-eigenes-entscheidungsmodell-mit-unsloth.md" class="button secondary">Anleitung zu Entscheidungsmodellen</a>

{% embed url="<https://github.com/user-attachments/assets/92959172-d2a2-450b-a5bf-6369a1e5ae16>" %}
{% endupdate %}

{% update date="2026-10-07" tags="new-releases,v0-1-903-beta" %}

## EmbeddingGemma 2 + Browser

Diese Version bringt einen Browser direkt in Unsloth (Browsernutzung folgt in Kürze), sodass Dateien, Webseiten und vom Modell erstellte Seiten direkt neben deinem Chat geöffnet werden. Außerdem gibt es [EmbeddingGemma 2](https://unsloth.ai/docs/models/embeddinggemma-2), Googles neues multimodales Einbettungsmodell, sowie neue Audio-Seiten und ein Training mit geringerem Speicherbedarf.

#### Highlights

* **Browser neben dem Chat** für Dateien, Webseiten und vom Modell erstelltes HTML – als Tabs
* **EmbeddingGemma 2**: Googles neues Modell für Text, Code, Bilder, Video und Audio ausführen und feinabstimmen [Anleitung](https://unsloth.ai/docs/models/embeddinggemma-2)
* **Audio-Seiten**: Sprechen, Klonen, Musik, Transkribieren, Bearbeiten, Trennen, Konvertieren – mit über 70 GGUF-Modellen
* **Mehrere Modelle gleichzeitig geladen halten**, außerdem vLLM- und SGLang-Engines (optional)
* **Sandbox** für vom Modell ausgeführten Code, jetzt mit einem Einstellungs-Tab sowie Colab- und Docker-Unterstützung
* **Live-Vorschau** bei der Bild- und Videogenerierung

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.903-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/modelle/embeddinggemma-2.md" class="button secondary">EmbeddingGemma 2</a>
{% endupdate %}

{% update date="2026-10-01" tags="new-releases,v0-1-902-beta" %}

## Befehlspalette + Desktop-UI/UX

Diese Version macht Unsloth Desktop dank verbesserter Navigation, teilbarer Ausführungseinstellungen, klarerer Fehlermeldungen, schnellerer Laya-Entscheidungen, erweiterter Unterstützung der Decision API und besserem 4-Bit-LoRA-Training schneller und einfacher zu bedienen.

* **Befehlspalette mit Cmd/Ctrl+P** und teilbaren GGUF-Ausführungseinstellungen.
* [**Laya-Entscheidungen**](#laya-decision-models--library) **bis zu 4,1-mal schneller** mit Unterstützung gehosteter Anbieter.
* **Klarere Fehlermeldungen** dank verbesserter Lade- und Generierungsmeldungen sowie Protokolle.
* **4-Bit-LoRA-Training mit geringerem Speicherbedarf** für NVFP4-, INT4- und MXFP4-Checkpoints.

#### Desktop, Chat und Modelle

* GGUF-Ausführungseinstellungen teilen, ohne Modelle zu laden.
* Antworten fortsetzen und HTML-Canvas-Fehler direkt im Chat beheben.
* Verbesserte Warnungen zur Modellpassung, Bildladevorgänge und Desktop-Steuerung.
* Hinzugefügt: `FastModel` Unterstützung für das Fine-Tuning von T5, T5Gemma, BART, Marian und mehr.
* Hinzugefügt: `unsloth eval` zur Evaluierung von Checkpoints und LoRA-Adaptern.
* Verbesserte Unterstützung für Training und Generierung mit mehreren GPUs.

#### Training mit 4-Bit-Checkpoints

Vorquantisierte Checkpoints werden jetzt mit ihren ursprünglichen gepackten Gewichten trainiert. Das senkt den Speicherbedarf und erhält zugleich die Genauigkeit.

* Qwen3.8-27B-NVFP4 benötigt einen Spitzenwert von 40,2 GB statt 72,9 GB Arbeitsspeicher.
* INT4-Checkpoints bleiben gepackt, statt erneut quantisiert zu werden.
* Kimi-K2.7-Code und gpt-oss behalten beim LoRA-Training ihre gepackten Experten bei.

#### Updates für Decision API, Bilder und Plattform

* Laya-Entscheidungsmodelle reagieren bis zu 4,1-mal schneller. Gehostete Anbieter sind über Verbindungen verfügbar.
* Bildmodelle behalten INT8/FP8 beim Offloading bei und ermöglichen so eine schnellere Generierung.
* Qwen-Image-2.1 rendert 1536×1536-Bilder auf Radeon 8060S bis zu 3,6-mal schneller.
* AMD-Unterstützung für Windows mit RX-5000- bis RX-9000-GPUs hinzugefügt.
* MLX-Unterstützung und Mac-LoRA-Exporte nach PEFT oder GGUF aktualisiert.

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.902-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/modelle/decision-laya.md" class="button secondary">Leitfaden zu Laya-Entscheidungsmodellen</a>
{% endupdate %}

{% update date="2026-09-28" tags="new-releases,v0-1-901-beta" %}

## Laya-Entscheidungsmodelle + Bibliothek

Wir ergänzen die Unterstützung für Entscheidungsmodelle, eine einheitliche Bibliothek für Dokumentation und Medien, einen Dokumentbetrachter, zahlreiche Verbesserungen für Apple Silicon, die Erstellung von Skills sowie eine etwa 4,5-mal schnellere Bild- und Videogenerierung.

* Ausführen und bereitstellen **Entscheidungsmodelle** wie Laya (Open-Source-Jev) lokal über eine TypeSafe-kompatible API.
* **Skills-Editor** zum Erstellen, Bearbeiten und Löschen von Skills direkt in Desktop.
* **ModelScope** Das Herunterladen von Modellen ist jetzt auch für Nutzer verfügbar, die Hugging Face nicht verwenden können
* **Dokumentenansicht** für PDF-, Word-, Excel- und PowerPoint-Dateien sowie Chats.
* Neu **Bibliothek**: Verwalte Chats, Bilder, Videos und Dateien über den neuen **Bibliothek** Tab.
* **Verbesserungen für Apple Silicon** darunter gebündelte Bereitstellung, strukturierte Ausgaben und TurboQuant-KV-Cache.
* Lege fest, welcher Anteil eines Modells auf jeder GPU ausgeführt wird.
* **Schnellere Bild- und Videogenerierung** mit etwa 4,5-mal schnelleren LTX-2.3-Clips und 1,7- bis 6,3-mal schnellerer VAE-Decodierung.

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.901-beta" class="button primary">Vollständige Versionshinweise</a><a href="https://unsloth.ai/docs/de/modelle/decision-laya.md" class="button secondary">Leitfaden zu Laya-Entscheidungsmodellen</a>
{% endupdate %}

{% update date="2026-09-22" tags="new-releases,v0-1-812-beta" %}

## Qwen-Image-2.1 + Skills

Du kannst Qwen-Image-2.1 jetzt mit Unsloth lokal ausführen! Diese Version umfasst außerdem benutzerdefinierte Agent Skills sowie eine einfachere Verwaltung von Chats und Projekten. Zudem bietet sie doppelt so schnelle Reasoning-Blöcke (60 FPS statt 30 FPS), zuverlässigeres Training sowie verbesserte Installationen und Updates unter Linux.

<a href="https://unsloth.ai/docs/de/modelle/qwen-image-2.1.md" class="button primary">Anleitung zu Qwen-Image-1.2</a>

* **Unterstützung für Qwen-Image-2.1:** Führe Qwen-Image-2.1 mit Unsloth lokal zur Bildgenerierung aus.
* **Benutzerdefinierte Agent Skills:** Füge aufgabenspezifische Skills hinzu, verwende Skills aus Claude Code und `.agents` -Ordnern wieder und wähle sie im Chat mit `@`.
* **Flüssigeres Chat-Erlebnis:** Lange Reasoning-Blöcke werden jetzt mit 60 FPS statt 30 FPS angezeigt. Enthält eine neu gestaltete Oberfläche für den Denkprozess, flüssigeres Code-Streaming sowie ein zuverlässigeres Laden von Modellen und zuverlässigere Chat-Einstellungen.
* **Einfachere Verwaltung von Chats und Projekten:** Ziehe Chats per Drag-and-drop, um sie neu anzuordnen, anzuheften oder plattformübergreifend in Projekte zu verschieben. Bearbeite Projektnamen, Anweisungen und Ordner direkt auf der Projektseite.
* **Verbesserte Verwaltung von Modellen und Speicher:** Vision-Modelle können Bilder sehen, die von MCP-Tools zurückgegeben werden. Verwende heruntergeladene Modelle wieder, ohne doppelte Kopien herunterzuladen, und überprüfe oder leere Caches in den Einstellungen.
* **Zuverlässigeres Training und bessere Exporte:** Setze frühere Trainingsläufe mit präzisen Schätzungen der verbleibenden Zeit fort. Verbesserungen beheben Probleme mit Hugging-Face-Dataset-Rezepten, der Spaltenzuordnung sowie der Auswahl von Splits und Teilmengen. Beim Hochladen zum Hub werden Dateien ausgeschlossen, die von früheren Exporten übrig geblieben sind.
* **Verbesserte Unterstützung für Linux und AMD:** Updates direkt in der App für Debian-Installationen, ein nativer ARM64-Installer für Ubuntu 24.04 und höher sowie ein neues AMD-ROCm-Docker-Image mit Unsloth Studio und JupyterLab.
  {% endupdate %}

{% update date="2026-09-17" tags="new-releases,v0-1-810-beta" %}

## Docker-, Mehrbenutzer- und AMD-Unterstützung

Wir veröffentlichen unser aktualisiertes Docker-Image zusammen mit Mehrbenutzerkonten, Unterstützung für RDNA1 und RDNA2, FP8/INT8-Diffusion, ARM64-CUDA unter Windows sowie zahlreichen Verbesserungen für Training, GRPO und Inferenz.

#### Highlights:

* Aktualisiertes Docker mit NVIDIA- und AMD-Unterstützung: [Anleitung](https://unsloth.ai/docs/get-started/install/docker)
* Mehrbenutzerkonten mit Isolation: **Einstellungen > Konten**
* INT8/FP8-Inferenz für Bilddiffusion: doppelt so schnell
* ARM64-Windows-CUDA-Unterstützung für Training und Inferenz
* GRPO: Unterstützung für Qwen3.5 und die neuesten Versionen von TRL/vLLM
* Unterstützung für AMD RDNA1 und RDNA2
* Verbesserte Erkennung und Wiederherstellung von NVIDIA-GPUs unter Windows

#### Aktualisiertes Docker-Image

* CUDA-Image und Studio-Setup aktualisiert, gebündelte Caches entfernt und Unsloths Trainings-Patches auf GPU-Hosts wiederhergestellt.
* Studio-Daten bleiben auf einem Volume erhalten, ohne den App-Code festzuschreiben. Verbesserte Updates, generierte Passwörter, konfigurierbare Ports und Erhalt von Paketen.
* Ein AMD-ROCm-Image für unterstützte Linux-Hosts wurde hinzugefügt.

#### Mehrbenutzerkonten

* Erstelle Konten unter **Einstellungen > Konten** mit einmalig verwendbaren Einrichtungscodes und individuellen Passwörtern.
* Konten trennen Arbeitsbereiche und können ein geladenes Modell gemeinsam nutzen, wenn die Einstellungen übereinstimmen. Das Verhalten bei einem einzelnen Konto bleibt unverändert.

#### Chat + Reasoning

* Warteschlangen-Prompts bearbeiten, neu anordnen und steuern – auch während ein lokales Modell geladen wird.
* Reasoning-Budgets für GGUF, anpassbare Chatbreite, Desktop-Skalierung und einen kompakten Eingabebereich hinzugefügt.
* Reaktionsfähigkeit bei langen Reasoning-Vorgängen, Erhalt des Chatverlaufs sowie die Verarbeitung von durch Tools erstellten Dateien und Bildern verbessert.

#### Hardware + Inferenz

* MLX unterstützt jetzt Videoeingaben sowie optionale MoE- und Dekodierungsoptimierungen und ermöglicht zuverlässigere multimodale Chats.
* GGUF-Speicherschätzungen, die Unterstützung für DGX Spark, die NVIDIA-Erkennung, NVLink-Prüfungen und die vom Benutzer festgelegte GPU-Reihenfolge verbessert.
* Native Desktop-Pakete für Windows ARM64, Qwen3.5 `fast_inference`und die Erkennung von Ascend-NPUs hinzugefügt.

#### Forschung + API

* Deep Research bewahrt unvollständige Berichte besser, verarbeitet JSON-Ausgaben und kennzeichnet Durchläufe ohne Belege. Für Scans hochgeladener PDFs gibt es jetzt eine lokale OCR-Ausweichlösung.
* Reasoning-Steuerungen für Anbieter, MCP-Kompatibilität, Tool-Aufrufe und die Berichterstattung über Fehler in Streams verbessert.
* Hinzugefügt: `/v1/chat/completions` Videoeingabe sowie API-Zugriff auf installierte Ollama-Modelle.

#### Training + Installation

* Datensatz-Downloads für Data Recipes hinzugefügt sowie Fehler bei 16-Bit-Fine-Tuning-Exporten, LoRA-Speicherungen und Push to Hub behoben.
* Datensatzverarbeitung, Speicherschätzungen beim Training und das Speichern von Checkpoints beim Herunterfahren von Containern verbessert. Zentrale Fehlerbehebungen betreffen Normalisierung, RoPE, Q-GaLore und die Auswahl verteilter Geräte.
* Windows-Installationen, die Reparatur von GPU-Paketen, das Zwischenspeichern von Abhängigkeiten und verifizierte Offline-Installationen verbessert.

#### Sicherheit + Tool-Ausführung

* Schutz von Zugangsdaten und Validierung von Tool-Aufrufen verstärkt; für den Dateizugriff außerhalb der Sandbox ist nun eine Genehmigung erforderlich.
* Eine Vorschau auf die Sandbox-Isolierung von Tools auf Betriebssystemebene für unterstützte Linux- und macOS-Hosts hinzugefügt. Der Netzwerkzugriff bleibt uneingeschränkt; im automatischen Modus gelten weiterhin die bestehenden Schutzmaßnahmen, wenn keine Betriebssystemisolierung verfügbar ist.

<a href="https://unsloth.ai/docs/de/loslegen/install/docker.md" class="button primary">Docker-Leitfaden</a>
{% endupdate %}

{% update date="2026-09-02" tags="new-releases,v0-1-806-beta" %}

## 2× schneller mit Qwen3.8-Flash + GLM-5.3

Führe [**Qwen3.8-Flash-Next**](https://unsloth.ai/docs/de/modelle/qwen3.8-next.md) und [**GLM-5.3-Flash**](https://unsloth.ai/docs/de/modelle/glm-5.3-flash.md) bis zu **2× schneller** aus – dank schnellerer Dekodierung und Bonus-MTP, das jetzt standardmäßig aktiviert ist. Diese Version enthält außerdem **über 170 Verbesserungen** bei Training, Chat, Hardwareunterstützung, APIs und Leistung.

* Schnellere Textgenerierung mit Qwen und GLM durch MTP sowie verbesserte Tool-Nutzung und empfohlene Qwen-Einstellungen.
* Deutlich flüssigere Benutzeroberfläche für alle Chats, besonders bei langen Unterhaltungen
* Neue Unterstützung für **MiniMax-Music3, Higgs und MOSS** Audiomodelle, einschließlich Fortschrittsanzeige und Clip-Verwaltung.
* Zuverlässigeres Laden von Modellen über lokale Server und verbundene Anbieter hinweg.
* Sichereres Bearbeiten von Chats, wobei Tool-Aufrufe, Antworten, Medien und Unterhaltungszweige erhalten bleiben.
* Multi-GPU-Training, Speicheranpassung, Modellplatzierung und GGUF-Exporte verbessert.
* Installation, Erkennung und GPU-Kompatibilität für AMD/ROCm verbessert.
* MCP, Deep Research, OAuth, parallele Tool-Aufrufe und Agenten-Workflows zuverlässiger gemacht.
* Neue OpenAI-kompatible APIs für **Video-, Audio- und über MLX bereitgestellte Modelle**.
* Desktop-Updates, LAN-Port-Steuerung, Downloads und die Bereinigung des GPU-Speichers verbessert.

<a href="https://unsloth.ai/docs/de/modelle/qwen3.8-next.md" class="button primary">Qwen3.8-Flash-Next</a><a href="https://unsloth.ai/docs/de/modelle/glm-5.3-flash.md" class="button primary">GLM-5.3-Flash</a><a href="https://unsloth.ai/docs/de/modelle/glm-5.3.md" class="button primary">GLM-5.3</a>
{% endupdate %}

{% update date="2026-08-27" tags="new-releases,v0-1-804-beta" %}

## Qwen3.8-Flash-Next + GLM-5.3

[Qwen3.8-Flash-Next](https://unsloth.ai/docs/de/modelle/qwen3.8-next.md), [GLM-5.3-Flash](https://unsloth.ai/docs/de/modelle/glm-5.3-flash.md) + [GLM-5.3](https://unsloth.ai/docs/de/modelle/glm-5.3.md) kann jetzt lokal in Unsloth ausgeführt werden!

* Qwen3.8-Flash läuft mit 75 GB RAM
* GLM-5.3-Flash läuft mit 102 GB RAM + VRAM
* Bis zu 5-mal schnelleres Auslagern in den RAM
* Wiederholte automatische Komprimierung funktioniert jetzt zuverlässig
* Über 100 Verbesserungen bei Chats, Zuverlässigkeit und Leistung

<a href="https://unsloth.ai/docs/de/modelle/qwen3.8-next.md" class="button primary">Qwen3.8-Flash-Next</a><a href="https://unsloth.ai/docs/de/modelle/glm-5.3-flash.md" class="button primary">GLM-5.3-Flash</a><a href="https://unsloth.ai/docs/de/modelle/glm-5.3.md" class="button primary">GLM-5.3</a>

<div align="left"><figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F1YneA51oWzaIiwep9H5I%2F1000024423.gif?alt=media&amp;token=40a169cc-12f1-403a-898c-b310f81ff52a" alt="" width="375"><figcaption></figcaption></figure></div>

#### Qwen3.8-Flash-Next

Multimodales Reasoning-Modell mit 125B Parametern und erste Vorschau auf die Architektur von Qwen4.

* 1-Bit-Dynamic-GGUF läuft mit 75 GB RAM oder Unified Memory
* Kontextfenster mit bis zu 262K für Text und Bilder
* Reasoning-Modi: None, Low, Medium und Extra High
* Preserved Thinking verbessert die Konsistenz in langen Chats

#### GLM-5.3-Flash

Multimodales Modell mit 320B Parametern, davon 18B aktive Parameter.

* 1-Bit-Modell läuft mit insgesamt 102 GB RAM + VRAM
* Kontextfenster mit bis zu 1M für Text, Bilder und Dokumente
* Reasoning-Modi: Low, High und Max
* Verbesserte Leistung bei Programmierung, Agenten und Bildverarbeitung

#### Verbesserungen in Unsloth

* Große GGUF-Dateien werden automatisch auf GPU und Systemspeicher verteilt
* Speicherschätzungen vor dem Laden anzeigen
* Chats werden nach Verbindungsabbrüchen wiederhergestellt
* Verbesserte Bildverarbeitung bei mehreren Bildern und MCP-Bildunterstützung
* Chats als JSONL exportieren
* Verbesserte Einstellungen für die automatische Komprimierung
* Fehlerbehebungen für Linux, NVIDIA Wayland, AMD und Windows

Um die neuen Modelle auszuführen oder zu trainieren, kannst du Unsloth Desktop herunterladen:

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Unsloth Desktop herunterladen</a>

* <i class="fa-apple">:apple:</i> [Für macOS herunterladen](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Für Windows herunterladen](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Für Linux herunterladen](https://unsloth.ai/download/linux)
  {% endupdate %}

{% update date="2026-08-20" tags="new-releases,v0-1-801-beta" %}

## Automatische Komprimierung + LAN-Zugriff

Vielen Dank für eure Unterstützung für Qwen3.8-27B und Unsloth Desktop letzte Woche! Für unser [neues `v0.1.801-beta` Release](https://github.com/unslothai/unsloth/releases/tag/v0.1.801-beta)haben wir über 200 PRs zusammengeführt und zahlreiche neue Funktionen und Fehlerbehebungen eingeführt, darunter:

* **Automatische Komprimierung (experimentell)** für längere Chats über die Kontextgrenzen hinaus
* [**Remote- und LAN-Zugriff (Vorschau)**](https://unsloth.ai/docs/de/grundlagen/lan.md) für einfachen Netzwerkzugriff ohne Cloudflare-Links
* **Schnellerer Chat** - Verbesserte Streaming-Leistung, weniger Verzögerungen in der Benutzeroberfläche und flüssigere lange Unterhaltungen.
* Unterstützung für **benutzerdefinierte llama.cpp-Builds**. Schalter für Cache-RAM, Mmap, Mlock, Checkpoints, KV-Cache für spekulatives Decoding, Vision ein/aus
* [Unsloth Dynamic v3.0](https://unsloth.ai/docs/basics/dynamic-3.0-ggufs) ist erschienen. Die neuen Qwen3.8-27B Dynamic v3.0 GGUFs erreichen eine um >10 % höhere Top-1-Genauigkeit als alle anderen. Funktioniert mit Unsloth.

#### Automatische Komprimierung (experimentell)

Lange Chats können jetzt die Kontextlimits überschreiten, indem ältere Gesprächsbeiträge in ein durchsuchbares Archiv verschoben werden.

* Ältere Gesprächsbeiträge werden nur bei Bedarf entfernt und bleiben durchsuchbar.
* Neue Kontextepochen verbessern den Abruf, ohne Chats dauerhaft zu kürzen.
* Verwendet den Abruf statt einer Zusammenfassung, um die Genauigkeit zu verbessern.

#### Fernzugriff und LAN-Zugriff (Vorschau)

Greife von anderen Geräten in deinem Netzwerk auf Unsloth zu.

* Neue Einstellungen für den Fernzugriff.
* LAN-Steuerung, QR-Codes und Autostartoptionen.
* Aus Sicherheitsgründen standardmäßig deaktiviert.

#### Verbesserungen für Chats

* Schnellere lange Chats und verbesserte Thread-Verwaltung.
* Projekte organisieren Chats, Dateien und Arbeitsbereiche.
* Prompt-Warteschlange und Tastenkürzel hinzugefügt, `edit_file`sowie bessere Tool-Unterstützung.

#### Hardware, Inferenz, API

* Unterstützung für benutzerdefinierte llama.cpp-Builds und Intel XPU.
* Mehr Inferenzsteuerungen (Cache, mmap, mlock, Checkpoints, spekulatives Decoding, Vision).
* Verbesserte GPU-Validierung, VRAM-Verwaltung und Kompatibilität.
* Strukturierte Ausgaben in der Responses API.
* Verbesserte Wiederherstellung von llama-server.

Um Qwen3.8 auszuführen oder zu trainieren, kannst du Unsloth Desktop herunterladen:

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Unsloth Desktop herunterladen</a>

* <i class="fa-apple">:apple:</i> [Für macOS herunterladen](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Für Windows herunterladen](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Für Linux herunterladen](https://unsloth.ai/download/linux)
  {% endupdate %}

{% update date="2026-08-14" tags="new-releases,v0-1-800-beta" %}

## Qwen3.8

Qwen3.8-27B und Qwen3.8-2.4T können jetzt lokal in Unsloth ausgeführt werden!

Mit Unsloth Dynamic GGUFs auf 17 GB RAM ausführen. Du kannst Qwen3.8-27B außerdem in Unsloth feinabstimmen. Qwen3.8-27B ist mit Abstand das leistungsstärkste Modell seiner Größe. Wir haben auch NVFP4-Quants hochgeladen.

<a href="https://unsloth.ai/docs/de/modelle/qwen3.8.md" class="button primary">Anleitung zum Ausführen von Qwen3.8</a><a href="https://unsloth.ai/docs/de/modelle/muse-glimmer/train.md" class="button secondary">Muse Glimmer feinabstimmen</a>

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FSqxs6NjShWrLfRKhDy1m%2Fvolcano%202.gif?alt=media&amp;token=395274a0-b437-403a-8a01-8e8502f9d225" alt="" width="375"><figcaption></figcaption></figure>

Weitere Unsloth-Neuerungen:

* Qwen3.8-27B + zusätzliche llama-server-Argumente zugelassen + benutzerdefinierter VRAM-Schalter
* Externer Anbieter mit Tool-Aufrufen und Tool-Unterstützung + Anmeldung mit Codex
* Schnelle FP8-Inferenz für MiniMax-H3, 10-mal schneller (3 Minuten statt 30)
* 10 % schnellere Inferenz für GGUFs + Berechtigungsumgehung behoben
* Verbunden [API-Anbieter](https://unsloth.ai/docs/de/integrationen/connections.md) können ihre eigene Suche oder die integrierte Suche und Tools von Unsloth Desktop verwenden. Die Tool-Ergebnisse werden an das Modell zurückgegeben, damit es mehrstufige Aufgaben fortsetzen kann.
* Melde dich mit einem Codex-Abonnement an und verwende Codex-Tools im Chat.

Um Qwen3.8 auszuführen oder zu trainieren, kannst du Unsloth Desktop herunterladen:

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Unsloth Desktop herunterladen</a>

* <i class="fa-apple">:apple:</i> [Für macOS herunterladen](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Für Windows herunterladen](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Für Linux herunterladen](https://unsloth.ai/download/linux)
  {% endupdate %}

{% update date="2026-08-11" tags="new-releases,v0-1-70-beta" %}

## Unsloth Desktop ist da

Unsloth Desktop 🦥 ist da – die erste Desktop-App zum lokalen Ausführen und Trainieren von Modellen.\
Open Source. Läuft auf Mac, Windows und Linux

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FyUdniXManojk20Q3M5Lf%2Fintroducing%20unsloth%20desktop%20thumb.png?alt=media&amp;token=5ecd2f25-b996-4749-8242-ffd21b080ae7" alt=""><figcaption></figcaption></figure>

• Unterstützt MLX, Diffusionsmodelle für Bilder und Videos, Audio und GGUF\
• Verbinde Claude Code und Codex mit lokalen LLMs\
• 50 % genauere, selbstheilende Tool-Aufrufe + Codeausführung in einer Sandbox\
• Funktioniert mit CPU- und Multi-GPU-Setups – NVIDIA, AMD, Intel, Mac\
• Trainiere Modelle 2× schneller mit 70 % weniger VRAM\
• Private Websuche, Deep Research, RAG, MCP + Exporte (NVFP4, GGUF)\
• Nutze die OpenAI-kompatible API von Unsloth und Cloud-Modelle\
• Stelle LLMs sicher remote bereit und greife von überall darauf zu

Du kannst Unsloth Desktop jetzt herunterladen:

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Unsloth Desktop herunterladen</a>

* <i class="fa-apple">:apple:</i> [Für macOS herunterladen](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Für Windows herunterladen](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Für Linux herunterladen](https://unsloth.ai/download/linux)
  {% endupdate %}

{% update date="2026-08-10" tags="new-releases,v0-1-60-beta" %}

## Meta Muse Glimmer ist da!

Meta hat Muse Glimmer veröffentlicht, das erste offene Modell von Meta Superintelligence Labs. Muse Glimmer ist ein dichtes Modell von Meta mit 30 Milliarden Parametern, das für lokale agentische Workflows und Programmierabläufe entwickelt wurde. Muse Glimmer 30B wurde unter der Apache-2.0-Lizenz veröffentlicht und kann mit Unsloth und den Unsloth Dynamic Quants für optimale Leistung ausgeführt werden.

<a href="https://unsloth.ai/docs/de/modelle/muse-glimmer.md" class="button primary">Muse Glimmer ausführen</a><a href="https://unsloth.ai/docs/de/modelle/muse-glimmer/train.md" class="button secondary">Muse Glimmer feinabstimmen</a>

Muse Glimmer 30B kann lokal auf Setups mit **20 GB RAM/VRAM** ausgeführt werden, auch auf Macs und GPUs. Du kannst Muse Glimmer 30B mit Unsloth auch auf **20 GB VRAM**.

Muse Glimmer können Sie über die Unsloth-Desktop-App ausführen und feinabstimmen:

<a href="https://unsloth.ai/download" class="button primary" data-icon="down-to-bracket">Unsloth Desktop herunterladen</a>

* <i class="fa-apple">:apple:</i> [Für macOS herunterladen](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Für Windows herunterladen](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Für Linux herunterladen](https://unsloth.ai/download/linux)
  {% endupdate %}

{% update date="2026-07-29" tags="new-releases,v0.1.51-beta" %}

## Kimi K3 + Deep Research + parallele Chats

Hallo zusammen! [Kimi K3](https://unsloth.ai/docs/de/modelle/kimi-k3.md) kann jetzt mit Unsloth Dynamic GGUFs lokal ausgeführt werden. Unsloth kann mehrere Chats parallel generieren lassen, und der neue Deep-Research-Modus plant, liest und zitiert Quellen mithilfe Ihres lokalen Modells.

Dieses Release bietet außerdem eine bessere [AMD](https://unsloth.ai/docs/de/grundlagen/amd.md) und Intel-GPU-Unterstützung, DoRA-Training sowie zahlreiche Fehlerbehebungen für Installer, MLX, Export und Inferenz.

#### Kimi K3

von Moonshot AI **Kimi K3** ist ein MoE-Modell mit 2,8 Billionen Parametern, davon 104 Milliarden aktive Parameter, nativer Bildverarbeitung und einem Kontextfenster von 1 Million Tokens. Kimi K3 arbeitet ausschließlich im Denkmodus, und Unsloth unterstützt niedrigen, hohen und maximalen Reasoning-Aufwand.

Sie können unsere [Kimi K3 Dynamic GGUFs](https://huggingface.co/unsloth/Kimi-K3-GGUF) mit Unsloth ausführen. Unsloth erkennt automatisch Multi-GPU-Konfigurationen und kann Modellebenen in den Systemspeicher auslagern.

Kimi K3 ist ein sehr großes Modell. Planen Sie Ihre Hardware daher entsprechend:

* `UD-IQ1_S` benötigt 595 GB Speicherplatz.
* `UD-Q4_K_XL` benötigt 1,51 TB Speicherplatz.
* Für verlustfreie Inferenz verwenden Sie `UD-Q8_K_XL`. Diese Variante benötigt 1,56 TB Speicherplatz.

Lesen Sie unseren vollständigen [Kimi-K3-Leitfaden](https://unsloth.ai/docs/models/kimi-k3) und erfahren Sie mehr über [Unsloth Dynamic 2.0 GGUFs](https://unsloth.ai/docs/basics/unsloth-dynamic-2.0-ggufs).

#### Parallele Chats

Unsloth kann jetzt mehrere Unterhaltungen gleichzeitig ausführen. Wenn Sie einen **Neuen Chat** starten, wird die vorherige Antwort weiter generiert. Für jede aktive Unterhaltung gibt es eine eigene Fortschrittsanzeige und eine Stopp-Schaltfläche.

* Standardmäßig 4 llama-server-Slots, in der Web-UI anpassbar.
* Tools, Uploads, Selbstheilung und Agenten bleiben zwischen Chats voneinander getrennt.
* Stoppen Sie einen Chat, ohne andere zu unterbrechen oder den Server neu zu starten.
* Bei begrenztem Speicher reduziert Unsloth die Anzahl der Slots.
* Beim erneuten Laden des Modells werden aktive Chats nach einer Bestätigung weiterhin gestoppt.

#### Deep Research

Deep Research macht aus einem lokalen Modell einen vollständigen Recherche-Workflow. Stellen Sie eine Frage, und das Modell erstellt einen Plan, durchsucht das Web, ordnet die Belege und verfasst einen Bericht mit Quellenangaben.

* Prüfen und bearbeiten Sie den Plan, bevor die Recherche beginnt.
* Verfolgen Sie während der Recherche den Fortschritt und die gesammelten Quellen.
* Setzen Sie die Recherche fort oder brechen Sie sie ab, ohne bereits abgeschlossene Recherchen zu verlieren.
* Lassen Sie Websites zu oder blockieren Sie sie, um die Quellenauswahl zu steuern.
* Quellen und Zitate werden mit jedem Durchlauf gespeichert.
* Vor dem Schreiben prüft Unsloth auf unbelegte Behauptungen, Widersprüche und ungeklärte Lücken. Empfehlungen ohne direkte Belege werden als überprüfbare Schlussfolgerungen gekennzeichnet.

Pro Chat kann jeweils ein Durchlauf aktiv sein. Deep Research funktioniert derzeit mit lokalen Modellen. Optional kann eine umfassende Kontextanreicherung die obersten Suchergebnisse vor der Zusammenfassung in ein temporäres RAG einlesen. Aktivieren Sie diese Funktion mit `UNSLOTH_RESEARCH_AUTO_SCRAPE=1`. Sie ist standardmäßig deaktiviert, da sie die Recherche durch das Scraping verlängert und zusätzlichen Kontext benötigt.

#### Verbesserte AMD-Unterstützung

Dieses Update baut auf unserer ersten [AMD-Veröffentlichungs- und Einrichtungsleitfaden](https://unsloth.ai/docs/basics/amd) mit Unterstützung für mehr GPUs sowie zuverlässigere ROCm-Inferenz und -Training.

* Verbesserte Erkennung für RDNA2-, Radeon-, Ryzen-, Strix-Halo- und Workstation-GPUs.
* MI50 und Radeon VII unterstützen 16-Bit-LoRA und vollständiges Fine-Tuning unter Linux.
* 4-Bit-NaNs, Bibliothekskonflikte und lange Startverzögerungen bei RDNA wurden behoben.
* Nicht unterstützte Windows-HIP-GPUs können auf Vulkan ausweichen.
* Vulkan-Geräte zeigen ihre echten Namen an und können einzeln ausgewählt werden.
* Für saubere Windows-Installationen sind Winget oder Entwicklertools nicht mehr erforderlich.

#### Updates zu Training, Modellen und Plattform

* Intel XPU ermöglicht lokalen Chat und Training auf Intel Arc- und Data-Center-GPUs.
* DoRA ist neben LoRA und vollständigem Fine-Tuning verfügbar.
* Bei großen Exporten können alle sichtbaren GPUs genutzt werden, um Speicherlimits von GPU 0 zu umgehen.
* MLX ergänzt Streaming-Datasets, fortgesetztes Pretraining, Callbacks sowie eine bessere VLM- und LoRA-Unterstützung.
* Falsche `flash_attention_2` Modellausgabe behoben.
* Unsloth und die Speicherfunktionen funktionieren jetzt auch ohne bitsandbytes.
* Behoben: `.json` -Datasets sowie die Notebook-Einrichtung für Qwen3.5/3.6 MoE und GRPO.
* Hub-Downloadordner lassen sich jetzt leichter finden und öffnen.
* Versionshinweise sind im Unsloth-Aktualisierungs-Popup verfügbar.
* `unsloth start --as-subagent` ermöglicht es Codex, Claude Code und Pi, Aufgaben an ein lokales Unsloth-Modell zu delegieren.
  {% endupdate %}

{% update date="2026-07-20" tags="new-releases,v0.1.50-beta" %}

## AMD-Unterstützung ist da!

Hallo zusammen! Mit dieser Veröffentlichung kommen lokales LLM-Training und Inferenz auf [AMD-GPUs](https://unsloth.ai/docs/de/grundlagen/amd.md) unter Windows, WSL und Linux.

<a href="https://unsloth.ai/docs/de/grundlagen/amd.md#installing-unsloth-on-amd" class="button primary" data-icon="bolt">Schnellstart</a><a href="https://unsloth.ai/docs/de/grundlagen/amd.md#id-2x-faster-training-and-50-more-accurate-tool-calls" class="button secondary" data-icon="star">Funktionen</a><a href="https://github.com/unslothai/unsloth" class="button secondary" data-icon="github">GitHub</a>

Ab heute ermöglichen unsere AMD-Kooperation, speziell angepassten Triton-Kernels und mathematischen Algorithmen das Training und Ausführen von über 500 Modellen auf Radeon-, Instinct-, Vulkan-, Ryzen- und AMD-Data-Center-GPUs – mit bis zu doppelter Geschwindigkeit, 70 % weniger VRAM und ohne Genauigkeitsverlust. Optimierte ROCm-Builds unterstützen außerdem die Inferenz mit GGUF und Safetensors.

<img src="https://github.com/user-attachments/assets/bb8bc525-9fb8-405d-98f5-6c9c07128085" alt="" width="375">

#### Update vom 23. Juli

1. Hinzugefügt: **Unterstützung für RDNA2, Gorgon Halo und Vulkan** + Fehler behoben, durch den bei der AMD-Installation GPUs auf Strix Halo und anderen AMD-GPUs nicht erkannt wurden
2. Verbesserte automatische Behebung und Erkennung von RDNA4- sowie HIP-/ROCm-Fehlern
3. **Doppelt so schneller Unified Memory** AMD-Safetensors-Laden und deutlich schnelleres Gradient Checkpointing für Geräte mit Unified Memory
4. Hinzugefügt: **Sprachdiktat / whisper.cpp** erste Unterstützung für schnelle Text-to-Speech-Ausgabe
5. Fehler behoben: Bei Installationen belegten Rollback-Umgebungen 5 GB Speicherplatz – sie werden jetzt automatisch bereinigt.

#### LLMs lokal auf AMD trainieren

* Modelle lokal auf AMD-GPUs trainieren, mit RL ausführen, mit ihnen chatten und sie bereitstellen.
* Zuverlässigere Erkennung von AMD-GPUs und Installation unter Windows, WSL und Linux.
* Verbesserte ROCm-Kompatibilität für AMD-MI300X- und MI325X-GPUs.
* Fernzugriff auf Unsloth über `unsloth studio --secure` über kostenloses HTTPS mit Cloudflare

#### Größere Modelle auf Ihrer Hardware ausführen

* Verwenden Sie die automatische GPU-Zuweisung oder wählen Sie genau aus, welche GPUs und Modell-Layer verwendet werden sollen.
* Verschieben Sie MoE-Experten-Layer in den Systemspeicher, damit größere Modelle hineinpassen.
* Verteilen Sie Modelle auf mehrere GPUs oder verwenden Sie Tensor-Parallelismus.
* Speichern Sie Hardwareeinstellungen separat für jedes Modell und jede Quantisierung.

#### Schnellere Chat-Neustarts und zuverlässigere Downloads

* Setzen Sie lange Chats fort, ohne die gesamte Unterhaltung neu aufzubauen, nachdem ein inaktives Modell seinen VRAM freigegeben hat.
* Abgebrochene Hugging-Face-XET-Downloads werden automatisch über Standard-HTTP erneut versucht.
* Vorhandene GGUF-Dateien werden wiederverwendet, statt bei jedem Laden eines Modells erneut heruntergeladen zu werden.

#### Bessere Suche, Tools und Agents

* Die Websuche kann jetzt PDF-Fachartikel, Handbücher und andere PDF-Ergebnisse lesen.
* Parallele Tool-Aufrufe, Reasoning-Ausgaben und erneute Tool-Versuche funktionieren zuverlässiger.
* Ein neuer optionaler MCP-Endpunkt ermöglicht kompatiblen KI-Clients, Modelle und den Trainingsverlauf einzusehen, das Training zu starten oder zu stoppen, Checkpoints zu laden, Rezepte zu validieren und GGUFs zu exportieren.
  * Aktivieren Sie ihn mit `UNSLOTH_STUDIO_ENABLE_MCP=1` und legen Sie das erforderliche Bearer-Token fest mit `UNSLOTH_STUDIO_MCP_TOKEN`.

#### Korrekturen für Training und Export

* Beim reinen Texttraining mit multimodalen Modellen werden lange Beispiele vor dem Packen nicht mehr abgeschnitten.
* Feinabgestimmte Qwen3.5- und Qwen3.6-MTP-Modelle werden jetzt korrekt nach GGUF exportiert.
* Ein Windows-Berechtigungsfehler wurde behoben, der GGUF-Exporte während des abschließenden Schreibvorgangs verhindern konnte.

#### Falls Sie es verpasst haben

Unser vorheriges Studio-Release brachte dynamische NVFP4-Modelle, umfassendere Personalisierung, sieben neue Anzeigesprachen, sicherere Agents und Vulkan-GPU-Beschleunigung.

**Dynamisches NVFP4:**

Unsloth Dynamic NVFP4 belässt Genauigkeit-kritische Layer in FP8 oder BF16 und führt den Rest in W4A4 aus. Auf NVIDIA-Blackwell-GPUs ermöglicht dies bis zu 2,5-mal schnellere Inferenz, während kalibrierte FP8-KV-Caches einen bis zu doppelt so langen Kontext bieten.

Lesen Sie den [Leitfaden zu Dynamic NVFP4](https://unsloth.ai/docs/basics/nvfp4) und entdecken Sie unsere erweiterte [NVFP4-Sammlung](https://huggingface.co/collections/unsloth/nvfp4), darunter Qwen3.6, Qwen3.5, Inkling, GLM-4.7 Flash und Gemma 4.

**Personalisieren Sie Ihr Studio:**

Wählen Sie zwischen den Farbpaletten Standard, Classic und Minimal, jeweils mit hellem und dunklem Modus. Sie können außerdem Farben anpassen, Schriftarten importieren und Schriftgröße, Kontrast, reduzierte Bewegung und mehr einstellen.

Unsloth enthält außerdem eine Registerkarte für Spracheinstellungen mit Diktat, benutzerdefinierten Wörterbucheinstellungen und Vorlesefunktion.

**Neue Sprachen:**

Unsloth Studio ist jetzt auf Französisch, Deutsch, Spanisch, Hindi, Arabisch, Russisch und Koreanisch verfügbar, zusätzlich zu Chinesisch (vereinfacht), Japanisch und Portugiesisch (Brasilien). Die automatische Erkennung der Browsersprache ist jetzt standardmäßig aktiviert.

**Sicherere Agents:**

Eine vierstufige Auswahl für Tool-Aufrufberechtigungen –**Fragen**, **Für mich genehmigen**, **Aus** und **Vollzugriff**– ermöglicht eine genauere Kontrolle über Agents. Die Isolation des Agent-Arbeitsbereichs und sicherere Prüfungen von Installationsprogrammen verringern außerdem das Risiko unbeabsichtigter Änderungen.
{% endupdate %}

{% update date="2026-07-15" tags="new-releases,v0.1.49-beta" %}

## Personalisierung, NVFP4, Sprachen

Hallo zusammen, es gibt jede Menge neue Updates für Unsloth, besonders im Bereich Anpassung. Unsloth lässt sich jetzt ganz nach Ihren Wünschen personalisieren: drei Farbpaletten sowie benutzerdefinierte Farben und Schriftarten, sieben neue Anzeigesprachen und eine neue Registerkarte für Spracheinstellungen mit Diktat und Vorlesefunktion. Agents werden durch eine vierstufige Auswahl für Tool-Aufrufberechtigungen (Fragen, Für mich genehmigen, Aus, Vollzugriff) und die Isolation des Arbeitsbereichs sicherer. Außerdem erhalten Intel-GPUs endlich GPU-beschleunigte Inferenz durch die neue Vulkan-Unterstützung für `llama.cpp` .

Wir haben außerdem native Unterstützung für [Inkling](https://unsloth.ai/docs/models/inkling)hinzugefügt, ein offenes Modell mit 975 Milliarden Parametern, davon 41 Milliarden aktive Parameter, und einem Kontextfenster von bis zu 1 Million Tokens. Es steht unter der Apache-2.0-Lizenz, akzeptiert Text, Bilder und Audio und erzeugt Text.

#### Dynamic NVFP4

Wir haben unsere [NVFP4-Sammlung](https://huggingface.co/collections/unsloth/nvfp4) um quantisierte Versionen von Qwen3.6, Qwen3.5, Inkling, GLM-4.7 Flash und Gemma 4 erweitert.

Weitere Informationen finden Sie im [Leitfaden zu Dynamic NVFP4](https://unsloth.ai/docs/basics/nvfp4) .

Personalisiere dein Unsloth

Unsloth ist nicht mehr auf den hellen und dunklen Modus beschränkt:

* Wähle aus den Paletten **Standard**, **Classic**und **Minimal** , jeweils mit heller und dunkler Variante.
* Passe Akzent-, Hintergrund- und Vordergrundfarben an.
* Importiere eigene Schriftarten für Benutzeroberfläche, Überschriften, Chats und Code.
* Passe Schriftgröße, Kontrast, Animationen, Cursorverhalten und Schriftglättung an.
* Durchsuche die Einstellungen und synchronisiere deine Präferenzen auf allen Geräten.

Für den hellen und dunklen Modus werden jeweils eigene Anpassungswerte gespeichert.

#### Sieben neue Sprachen

Unsloth unterstützt jetzt Französisch, Deutsch, Spanisch, Hindi, Arabisch, Russisch und Koreanisch sowie Chinesisch, Japanisch und Portugiesisch. Die automatische Erkennung der Browsersprache ist jetzt standardmäßig aktiviert.

#### Spracheinstellungen

Auf einer neuen Registerkarte „Sprache“ findest du Einstellungen für Diktate, Aussprachewörterbücher und das Vorlesen. Die Sprach-zu-Text- und Text-zu-Sprache-Unterstützung kommt demnächst; vollständige Sprachunterhaltungen befinden sich weiterhin in Entwicklung.

#### Sicherere Agents und Tool-Aufrufe

Die bisherige Umgehungsoption wurde durch eine Berechtigungsauswahl mit vier Stufen ersetzt:

* **Nachfragen:** Jeden Tool-Aufruf genehmigen.
* **Für mich genehmigen:** Schreibgeschützte Aktionen automatisch ausführen und bei potenziell unsicheren Aktionen pausieren.
* **Aus:** Tool-Aufrufe deaktivieren.
* **Vollzugriff:** Alle Aufrufe zulassen und die Sandbox deaktivieren.

Diese Einstellungen gelten für Terminal-, Python-, Websuche-, RAG- und MCP-Tools. Agents erhalten außerdem isolierte Arbeitsbereiche, fortsetzbare Sitzungen mit `--persist`, sicherere Warnungen bei Remote-Installationen, die Live-Ausgabe von Tool-Ergebnissen und eine verbesserte Webextraktion.

#### Vulkan und `llama.cpp`

Das neue Vulkan- `llama.cpp` Backend ermöglicht Intel-GPUs GPU-beschleunigte Inferenz, statt auf die CPU zurückzufallen. Es unterstützt die bestehende VRAM-Verwaltung, automatische Kontextgrößenanpassung, die Auswahl mehrerer GPUs und das Auslagern von Layern.

AMD-Nutzer können die Funktion mit folgender Einstellung aktivieren:

```bash
UNSLOTH_FORCE_VULKAN=1
```

Außerdem haben wir die Zuverlässigkeit von Updates, die Wiederherstellung des Modellstatus und den Abbruch hängender Generierungen verbessert.

#### Modelle und Training

Diese Version enthält außerdem:

* Native Inkling-Unterstützung und Verbesserungen für B200-Systeme mit mehreren GPUs.
* Eager Attention für DeepSeek-V4 und trainierbare gruppierte FP8-Experten.
* Zuverlässiges Completion-only-Training durch automatische Erkennung von Markierungen in Chat-Templates.
* Korrekte Behandlung deaktivierten Gradient Checkpointings.
* Verbesserte RoPE-Skalierung und Erweiterung des Kontextfensters.
* Erzwungenes Beenden festgefahrener Trainingsläufe.
* Automatisches Routing für neue Modellarchitekturen und neuere Transformers-Versionen.
  {% endupdate %}

{% update date="2026-07-07" tags="new-releases,v0.1.48-beta" %}

## DeepSeek-V4 + NVFP4

Unsloth kann nach dem Training jetzt NVFP4-, FP8- und imatrix-GGUFs exportieren, als llama-swap-API-System fungieren, Unterstützung für Japanisch und brasilianisches Portugiesisch hinzufügen und bietet MLX, safetensors, Tool-Aufrufe, Healing-Unterstützung und mehr. Unsloth Core beschleunigt GRPO um das 1,3-Fache, ergänzt einen HTTP-Fallback für stockende Downloads, verbessert den Offline-Modus, beschleunigt das MoE-Training um das 3- bis 5-Fache und behebt zahlreiche Fehler. Für diese Release-Reihe wird `unsloth>=2026.7.1`.

[DeepSeek-V4-Flash](https://unsloth.ai/docs/de/modelle/deepseek-v4.md) wird jetzt unterstützt – mit umschaltbarem Thinking und unseren verbesserten Korrekturen für Chat-Templates.

<div data-with-frame="true"><figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FChQx2DGoDLyhf7mp8G2d%2Fdeepseek%20v4%20flashhh.png?alt=media&amp;token=a84f2fbc-8ab0-44cf-a3a8-0bdaaf80a2a7" alt="" width="375"><figcaption></figcaption></figure></div>

#### Intelligenteres Bereitstellen einer OpenAI-kompatiblen API

Betreiben Sie einen lokalen API-Endpunkt mit sichererem Modellwechsel und besserer Wiederherstellung von Agent-Tools.

* API-Anfragen können den automatischen Wechsel zwischen heruntergeladenen lokalen GGUFs aktivieren. Unbekannte Modellnamen verwenden weiterhin sicher das aktuelle Modell.
* `/v1/models` gibt jetzt saubere Modell-IDs und den lokalen GGUF-Katalog statt lokaler `.gguf` Pfade zurück.
* Das automatische Entladen im Leerlauf kann nach einer Inaktivitätsphase VRAM freigeben. Außerdem lässt sich das Healing von Tool-Aufrufen jetzt pro Anfrage steuern.

#### Verbesserungen beim Export

Exporte sind flexibler und vermeiden unnötige Downloads.

* Wählen Sie mehrere Exportformate gleichzeitig aus, darunter portable FP8/INT8-, GGUF-LoRA-, quellabgestimmte, imatrix-GGUF- und komprimierte FP8/FP4-Exporte.
* Bei Exporten mit mehreren Checkpoints werden wiederholte Downloads des Basismodells häufiger vermieden.
* FP8-, INT8- und GGUF-LoRA-Exporte berücksichtigen jetzt `trust_remote_code`, und der GGUF-Export behandelt fehlende Quantisierungseinstellungen zuverlässiger.

#### RAG und Dateichat

Der Dateichat ist bei echten Dokumenten nützlicher.

* RAG-Anhänge können jetzt den Kontext des gesamten Dokuments verwenden. Außerdem sind Einbettungsmodelle anpassbar und die Hugging-Face-Suche wird unterstützt.
* Der Dateichat liest mehr PDF- und Word-Dokumente korrekt ein, darunter Texte mit Schreibrichtung von rechts nach links, indische Schriften und DOCX-Tabellen.
* Lokale RAG-Prüfungen sind hinter Proxy-Konfigurationen zuverlässiger.

#### Verbesserungen und Zuverlässigkeit von Unsloth

Die tägliche Nutzung sollte reibungsloser und stabiler sein.

* Lange Trainings- und Chatläufe frieren seltener unbemerkt ein.
* Vergleichsmodus, Modellwechsel, Abbrechen von Modellen, Hub-Browsing und Hub Discover sind zuverlässiger.
* Projektexporte, Chat-Exporte, Einstellungen, geführte Touren, Dateidialoge, Aktualisierungsbildschirme und die Benutzeroberfläche für Schlussfolgerungen sind übersichtlicher und einheitlicher.

#### Korrekturen für Installer, Hardware und Plattformen

Unsloth lässt sich plattformübergreifend zuverlässiger installieren und ausführen.

* Bei macOS-Installationen sind CMake oder Homebrew nicht mehr erforderlich, wenn ein vorgefertigtes `llama.cpp` verfügbar ist. Außerdem unterstützt Apple Silicon Pfade mit Leerzeichen und die Ermittlung des gemeinsamen Speichers jetzt besser.
* Der Windows-Start, die UTF-8-Verarbeitung, ROCm-RAG-Einbettungen und die ROCm-GPU-Unterstützung unter WSL wurden verbessert.
* Die Auswahl vorgefertigter Pakete für Blackwell-GPUs, GGUF-Eignungsprüfungen, Tensor-Parallelismus für Vision-/mmproj-GGUFs und die Wiederverwendung lokaler `llama.cpp` sind jetzt zuverlässiger.

#### Training, Modelle und Kernel

Training und Modellladen sind mit mehr Konfigurationen zuverlässiger.

* GRPO unterstützt jetzt standardmäßig Sequence Packing, vermeidet wiederholte gemeinsame Prompts und verarbeitet die DDP-Logit-Skalierung korrekt.
* Fehler bei vollständigem Fine-Tuning, RL-Präzisionseinstellungen, Gradient Checkpointing, DDP-RoPE-Puffern und der MoE-LoRA-Erkennung wurden behoben.
* Die FP8-Quantisierung und -Dekomprimierung, die Llama-3-RoPE-Skalierung mit Transformers v5, das erneute Laden von PEFT-0.19-LoRA-Modellen und `fast_generate` -Fehlermeldungen wurden verbessert.
  {% endupdate %}

{% update date="2026-06-18" tags="new-releases,v0.1.47-beta" %}

## GLM 5.2 + Hub + 3-mal längere Kontexte

[GLM-5.2](https://unsloth.ai/docs/de/modelle/glm-5.2.md) wird jetzt in Unsloth Studio unterstützt! Alle Reasoning-Stufen werden unterstützt. **3-mal längere Kontextlängen** sind jetzt mit unserem neuen Algorithmus zur automatischen Anpassung mit MTP möglich und erlauben längere Chats. Ein Modus zum Umgehen von Berechtigungen, verzweigte Chats, Chats in der Warteschlange, ein neuer Hub zum Entdecken von Modellen, parallele Module + HTTPS-Unterstützung über Cloudflare und mehr! Verwende `unsloth studio --secure` für sicheren globalen HTTPS-Zugriff!

<div data-with-frame="true"><img src="https://github.com/user-attachments/assets/93c18616-415f-48ea-957d-9e0fa97a45dd" alt="" width="563"></div>

#### Verbesserter Algorithmus für die Kontextlänge

Wie in [PR 1](https://github.com/unslothai/unsloth/pull/6312) und [PR 2](https://github.com/unslothai/unsloth/pull/6447)haben wir die Ermittlung des Speicherbedarfs und der Kontextlänge in Unsloth Studio deutlich verbessert und so insgesamt dreimal längere Kontexte erreicht:

| Szenario                         | KV       | zuvor   | danach  |
| -------------------------------- | -------- | ------- | ------- |
| 1x 32-GB-Pipeline (\~31 GB frei) | f16      | 23,040  | 64,000  |
|                                  | q8\_0    | 43,520  | 114,944 |
|                                  | q4\_0    | 82,432  | 199,680 |
| 2x 32-GB-Pipeline                | beliebig | 262,144 | 262,144 |
| 2x 24-GB-Tensor (\~23 GB frei)   | f16      | 134,049 | 262,144 |
|                                  | q8\_0    | 252,329 | 262,144 |

#### Chat-Canvas, Verzweigungen und Warteschlangen

* Bearbeite Assistant-Nachrichten direkt und führe den Chat ab einem beliebigen Punkt im Thread erneut aus.
* Verzweige einen Thread, um ein Gespräch fortzuführen, ohne das Original zu verlieren.
* Temporäre Chats (Inkognito), die keine Spuren hinterlassen.
* Stelle neue Prompts in die Warteschlange, während eine Generierung noch läuft, statt zu warten.
* Chat-„Artefakte“ sind jetzt **Canvas-Elemente**, mit integrierten **HTML-Canvas-Karten** mit automatischer Darstellung, einer Code-Ansicht und DiffusionGemma, das seinen Rohcode jetzt direkt anzeigt, statt ihn einzuklappen.
* Die Chat-Suche umfasst jetzt alle Nachrichten und zeigt deine eigenen Nachrichten zuerst an.

#### Hub (neu gestaltet)

* Vollbild-Hub mit Trend-Feed, Suche und Unterstützung für benutzerdefinierte Modellpfade.
* README-Vorschau in einem geteilten Feed, damit du vor dem Herunterladen lesen kannst.
* Downloads verwenden standardmäßig den schnelleren **Xet** Transport, mit automatischem HTTP-Fallback, falls eine Übertragung ins Stocken gerät.
* Neuer Schalter „Beim Auswählen laden“, mit dem du Ladeoptionen festlegen kannst, bevor ein Modell geladen wird.
* Google-Logo für DiffusionGemma und zukünftige Gemma-Abkömmlinge.

#### Modelle und Inferenz

* DeepSeek-OCR und weitere Vision-Modelle lassen sich jetzt fehlerfrei laden und ausführen.
* Die schnelle Inferenz mit dem neuesten vLLM (0.22+) wurde korrigiert, sodass die Geschwindigkeitsverbesserungen wieder funktionieren.
* Tensor-Parallelisierung ist zuverlässiger: Wenn der schnellere MTP-Pfad fehlschlägt, wird dies jetzt automatisch abgefangen, statt dass es zu einem Absturz kommt.
* DiffusionGemma zeigt jetzt live, wie das Bild während des Entrauschens entsteht, und liefert genaue Geschwindigkeitsstatistiken.

#### Sicherheit und verschlüsselte Cloudflare-Studios

* Neu `--secure` Cloudflare-exklusiver Modus für Ende-zu-Ende-verschlüsselte Studios, in dem serverseitige Tools weiterhin aktiviert bleiben unter `--secure`. Verwende `unsloth studio --secure`!
* Im Modus „Berechtigungen umgehen“ werden Bestätigungen übersprungen und die Tool-Sandbox deaktiviert, wenn du das möchtest.
* Erkennt automatisch den Virenscan von Hugging Face sowie gefährliche Dateien in Repositories.

#### Protokollierung und API

* Neu **API-Servermonitor** in Unsloth.
* Schnellere API-Aufrufe und geringere Latenz
* Deutlich übersichtlichere Protokolle – jetzt mit Durchsatz- und Latenzangaben und ohne viele überflüssige Einträge.

#### Hardware und Backend

* Bessere Unterstützung für Blackwell-RTX-50X- und 60X-GPUs
* Behebt das unbemerkte Zurückstufen auf die CPU statt auf die GPU
* Die torchao-Version wird jetzt anhand der installierten torch-Version ausgewählt.
* Das Installationsprogramm repariert jetzt automatisch eine beschädigte oder reine CPU-PyTorch-Installation und warnt vor einem unbemerkten Wechsel zur CPU – für NVIDIA und AMD unter Windows, Linux, Mac und WSL.
* Gibt den VRAM des Chatmodells beim Trainingsstart frei, aber nur, wenn der GPU-Speicher tatsächlich knapp ist (andernfalls wird unnötiges Neuladen vermieden).
* Wenn llama-server beim Start abstürzt, durchläuft Unsloth jetzt eine Reihe von Wiederherstellungsschritten, statt einfach abzubrechen.

#### Training, allgemeine Fehlerbehebungen und parallele Module

* Updates für das MLX-Training.
* Zuverlässigeres GRPO-Training mit vLLM.
* Zuverlässigerer Trainingsstart mit verständlicheren Fehlermeldungen bei ungültigen VLM-Batches.
* Unsloth bereinigt nach Abstürzen, Neustarts oder unterbrochenen Beendigungen übrig gebliebene Backend-Prozesse jetzt zuverlässiger.
* Export, Chat, Training und Rezepte sind jetzt voneinander getrennt! Das bedeutet, dass du alle vier Vorgänge parallel ausführen kannst. Du kannst chatten oder Inferenz ausführen, während du auf einen Trainingslauf oder Export wartest!

Um Unsloth zu aktualisieren oder ein neues Unsloth Studio zu installieren, musst du Folgendes verwenden:

**macOS, Linux, WSL:**

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

**Windows:**

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

{% endupdate %}

{% update date="2026-06-12" tags="new-releases,v0.1464-beta" %}

## DiffusionGemma + Gemma 4 MTP

Stelle sicher, dass du die neueste Version installierst: [`v0.1.464-beta`](https://github.com/unslothai/unsloth/tree/v0.1.462-beta) oder `2026.6.7`. [DiffusionGemma](https://unsloth.ai/docs/models/diffusiongemma), [Gemma 4 MTP](https://unsloth.ai/docs/models/mtp) und [**MiniMax-M3**](https://unsloth.ai/docs/models/minimax-m3) werden jetzt alle unterstützt.

* Ausführen und trainieren [DiffusionGemma](https://unsloth.ai/docs/models/diffusiongemma) mit [Unsloth Studio](https://unsloth.ai/docs/new/studio).
* [Gemma 4 MTP](https://unsloth.ai/docs/models/mtp) ist da! Führe [Gemma 4](https://unsloth.ai/docs/models/gemma-4) mit MTP etwa doppelt so schnell aus.
* Audiounterhaltungen werden jetzt für Gemma 4 unterstützt (`wav`, `mp3`, `m4a`, `flac`, `webm`).
* Preserve Think wurde für Gemma 4 hinzugefügt.

<figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fszoidwwj70dLm5vBjpmL%2Fdiffusiongemma.gif?alt=media&amp;token=8ce359fd-f92c-4cf8-a491-06b04c505cb7" alt="" width="375"><figcaption></figcaption></figure>

#### Hub + Download-Manager (experimentell)

* Ein neuer **Hub** zum Durchsuchen, Herunterladen und Verwalten von Hugging-Face-Modellen und -Datensätzen wurde hinzugefügt.
* Unsloth kann jetzt Modelle und Datensätze erkennen, die bereits auf deinem Rechner vorhanden sind, und sie zusammen mit heruntergeladenen Ressourcen anzeigen.
* Heruntergeladene [GGUF-Modelle](https://unsloth.ai/docs/basics/inference-and-deployment/saving-to-gguf) bieten jetzt direkte Aktionen für **Ausführen / Neuer Chat** .

#### RAG / Chat mit Dateien (experimentell)

* Die Funktion [**Chat mit Dateien**](https://unsloth.ai/docs/new/studio/chat) wurde zu Unsloth hinzugefügt. Damit kannst du Fragen zu deinen eigenen Dokumenten und Wissensdatenbanken stellen.
* Sie unterstützt hybride Suche, Quellenangaben, PDF-Vorschauen, Dokumente pro Thread und ein integriertes `search_knowledge_base` -Tool.

#### Neue Update-Schaltfläche + Hardware-Unterstützung

* Unsloth verwendet jetzt stets aktuelle [vorgefertigte llama.cpp-Builds](https://unsloth.ai/docs/new/changelog) für CUDA, ROCm, Windows, Linux und macOS.
* Eine Schaltfläche **llama.cpp aktualisieren** wurde in der App hinzugefügt, damit Nutzer das lokale Backend aktualisieren können, ohne Unsloth neu zu installieren.
* Verbesserte AMD-Unterstützung für Windows / WSL, [ROCm-Unterstützung für Strix Halo,](https://unsloth.ai/docs/get-started/install/amd), [CUDA-Auswahl für Blackwell](https://unsloth.ai/docs/blog/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth) und verständlichere Installationsmeldungen.

#### Lokaler Chat, Tools und API-Kompatibilität

* Lokale [Tool-Aufrufe](https://unsloth.ai/docs/basics/tool-calling-guide-for-local-llms) sind zuverlässiger, mit besserer Reihenfolge der Tool-Karten, weniger doppelten Tool-Schleifen und Unterstützung für die Tool-Nutzung mit GGUF-Vision-Modellen.
* Verbessertes Verhalten der [OpenAI-kompatiblen API](https://unsloth.ai/docs/basics/inference-and-deployment/llama-server-and-openai-endpoint) und der Anthropic-kompatiblen API für lokale Unsloth-Server, einschließlich besserer Fehlermeldungen, Token-Nutzungsdaten und Abbruchgründe sowie [Kompatibilität mit Claude Code](https://unsloth.ai/docs/basics/claude-code).

#### Training und Fehlerbehebungen

* Verbesserte [MLX-Unterstützung](https://unsloth.ai/docs/new/studio/install) mit besseren Modellbezeichnungen, Statistiken zur Generierungsgeschwindigkeit und Korrekturen für das [VLM-Training](https://unsloth.ai/docs/basics/vision-fine-tuning).
* Mehrere Sonderfälle beim [Training](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide) und bei [Datensätzen](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide/datasets-guide) wurden behoben, darunter nicht beschreibbare Hugging-Face-Caches und benutzerdefinierte Datensatzzuordnungen.
* Viele UI-Feinschliffe in Chat, Menüs, Modellauswahl, Dark Mode, Import/Export und Einstellungen hinzugefügt.

Um Unsloth zu aktualisieren oder ein neues Unsloth Studio zu installieren, musst du Folgendes verwenden:

**macOS, Linux, WSL:**

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

**Windows:**

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

{% endupdate %}

{% update date="2026-06-03" tags="new-releases,v0.1.44-beta" %}

## Gemma 4 12B, neue UI, MCP, Projekte

Dieses Update konzentriert sich hauptsächlich auf Gemma 4 12B, MCP, Projekte, Canvas, CUDA 13.3 und die neue Chat-UI. Nächste Woche erscheint ein noch größeres Update.

<div data-with-frame="true"><figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FoRn2YEPb9lJ81kP3GQQh%2Fwhats%20on%20ur%20mind.png?alt=media&amp;token=f388e42a-bb05-4a09-9cbf-ec699a6baf6b" alt="" width="375"><figcaption></figcaption></figure></div>

#### Gemma 4 12B

Google veröffentlicht [Gemma 4 12B](https://unsloth.ai/docs/models/gemma-4), ein neues Modell, das lokal mit 8 GB RAM ausgeführt werden kann. [GGUF](https://huggingface.co/unsloth/gemma-4-12b-it-GGUF) / [Anleitung](https://unsloth.ai/docs/models/gemma-4)

Gemma 4 12B Unified unterstützt Bilder, Audio und einen Kontext von 256K. Führe das Modell mit Unsloth Studio aus und trainiere es damit.

#### MCP

* Remote `MCP` Serverunterstützung, einschließlich benutzerdefinierter Header und OAuth
* Lokale, befehlsbasierte `MCP` Serverunterstützung
* `MCP` kann jetzt im Chat-Eingabefeld aktiviert werden
* Integrierte Voreinstellungen für gängige `MCP` Server

#### Neue Chat-UI

* Projekte, Canvas, `MCP`, RAG- und Vergleichsoptionen befinden sich jetzt im Plus-Menü
* Die Optionen „Suchen“ und „Code“ sind jetzt leichter über das Eingabefeld erreichbar
* Menüs, Overlays, Symbole und anklickbare Elemente sind in ganz Unsloth einheitlicher gestaltet

#### Projekte

* Organisiere zusammengehörige Chats in eigenen Projektbereichen
* Verschiebe bestehende Chats in Projekte
* Erstelle und verwalte Projekte direkt über die Seitenleiste

#### Experimenteller Canvas / Artefakte

* Öffnet generiertes HTML in einem eigenen Canvas-Bereich in Unsloth Studio
* Unterstützt interaktive Ausgaben, darunter browserbasierte Visualisierungen und über ein CDN geladene Pakete
* Ermöglicht den Wechsel zwischen gerenderter Vorschau und Quellcode

#### Installation, Laufzeit und Hardware

* Bei vorgefertigten Windows-Installationen ist die frühzeitige Prüfung des `CUDA Toolkit` nicht mehr erforderlich
* Linux- `llama.cpp` Die vorgefertigten Versionen stimmen jetzt mit der erkannten Laufzeit überein `cudart` Hauptversion
* `ROCm` Die gfx-Erkennung wird an die Auswahl der vorgefertigten Version weitergegeben
* `Blackwell`, `B300` und `ARM64` Updates für Linux

Um Unsloth zu aktualisieren oder ein neues Unsloth Studio zu installieren, musst du Folgendes verwenden:

**macOS, Linux, WSL:**

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

**Windows:**

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

{% hint style="warning" %}
**NICHT MEHR VERWENDEN `unsloth studio update` da die Paketierung sonst nicht die neuesten Updates enthält!**
{% endhint %}
{% endupdate %}

{% update date="2026-05-31" tags="new-releases,v0.1.43-beta" %}

## CUDA 13.3, Windows, Mac

**Um Unsloth zu aktualisieren oder ein neues Unsloth Studio zu installieren, musst du Folgendes verwenden:**

**macOS, Linux, WSL:**

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

**Windows:**

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

{% hint style="warning" %}
**NICHT MEHR VERWENDEN `unsloth studio update` da die Paketierung sonst nicht die neuesten Updates enthält!**
{% endhint %}

#### Mac-Updates

* Wieder aktiviert `llama.cpp` Vorkompilierte Binärdateien für Apple Silicon (M1–M4) – macOS 14 / 15 / 26 (Tahoe)
* Für Apple-Silicon-Macs mit macOS 13 (Ventura) ist ein Build aus dem Quellcode erforderlich
* Für Intel (x86\_64) unter macOS 13.3 / 14 / 15 / 26 (Tahoe) werden `llama.cpp` vorkompilierte Binärdateien
* Für Intel unter macOS 13.0–13.2 ist ein Build aus dem Quellcode erforderlich

#### Windows-Updates

* CUDA 13.3 `llama.cpp` Vorkompilierte Binärdateien funktionieren jetzt unter Windows
* Für CUDA 13.2, CUDA 13.1 und ältere Versionen verwenden Windows-Geräte ersatzweise CUDA 12.4 – wir arbeiten bald an Binärdateien für CUDA 13.1.

#### CUDA 13.3-Update

* Binärdateien für CUDA 13.3 funktionieren unter Nicht-Linux-Systemen. Vorerst verwenden wir weiterhin CUDA 13.1
* CUDA 13.3 behebt das Zeichensalat-Problem von CUDA 13.2 – siehe <https://github.com/unslothai/unsloth/issues/4849>

#### Updates für Blackwell-GPUs

* Vorerst werden Veröffentlichungen von `llama.cpp` vorkompilierten Binärdateien für Blackwell verzögert, da CUDA 12.4 nicht funktioniert – wir arbeiten daran, das Problem bald zu beheben.
  {% endupdate %}

{% update date="2026-05-26" tags="new-releases,v0.1.42-beta" %}

## Ein Update vor dem großen Umbau.

Hallo zusammen, vor einem größeren Umbau, der wahrscheinlich diese oder nächste Woche kommt, gibt es noch ein eher letztes Update. Bei unserem Umbau ändern sich viele Dinge, insbesondere durch neue wichtige Funktionen und zahlreiche Designänderungen.

{% embed url="<https://github.com/user-attachments/assets/70456395-e016-4273-8256-35adb206267e>" %}

* NEU: [**Unterstützung für API-Aufrufe**](https://unsloth.ai/docs/integrations/connections) jetzt mit Bildgenerierung und -bearbeitung, richtiger Websuche, Codeausführung und automatischem Prompt-Caching. Verbinde [OpenAI](https://unsloth.ai/docs/integrations/connections/openai), [Anthropic](https://unsloth.ai/docs/integrations/connections/anthropic-claude) und weitere.
* Vollständige Unterstützung für **nicht englische Sprachen** z. B. Japanisch, Chinesisch, indische Sprachen usw.

Viele von euch haben möglicherweise unser vorheriges Release verpasst, das nur einen Tag lang verfügbar war. Wir haben Folgendes eingeführt:

* Verbindung zu externen Inferenz-Backends: [vLLM](https://unsloth.ai/docs/integrations/connections/vllm), [Ollama](https://unsloth.ai/docs/integrations/connections/ollama), [llama-server](https://unsloth.ai/docs/integrations/connections/connect-llama.cpp-to-unsloth-run-ggufs-with-llama-server)
* **Sicherheitsverbesserungen**
* **Automatisches spekulatives MTP-Decoding** für MTP-GGUFs; erhalte die optimalen, auf deine Hardware abgestimmten Einstellungen.

#### Aufrufe von API-Anbietern und externe Verbindungen

* Du kannst Unsloth jetzt mit jedem Cloud-API-Anbieter verbinden (OpenAI, Anthropic, OpenRouter usw.).
* **Integrierte Websuche** für OpenAI, Anthropic, OpenRouter und Kimi
* **Integrierte Codeausführung** für OpenAI und Anthropic (Anthropic-Container bleiben bestehen und werden über mehrere Gesprächsrunden hinweg wiederverwendet)
* Prompt-Caching ist für OpenAI- und Anthropic-Modelle aktiviert und spart 50 bis 90 % der Kosten.
* Bilderzeugung und -bearbeitung
* API-Schlüssel für lokale Anbieter (llama.cpp / vLLM / Ollama) jetzt optional
* Automatisches Laden von Modellen beim Hinzufügen eines Cloud-Anbieters

#### Weitere Unsloth-Studio-Updates

* OpenDocument-Chat-Anhänge
* Nutzdaten für die o3-Reasoning-Zusammenfassung
* Das Senden von Nachrichten und Prompts in anderen Sprachen als Englisch (z. B. Japanisch oder Chinesisch) funktioniert jetzt korrekt
* Robustere IME-Eingabe, RTL `dir="auto"`, Fehler beim Abschneiden langer Protokollzeilen behoben
* Anzeige des Reasoning-Verlaufs von Tools in der Benutzeroberfläche
* Vollständige Offline-Unterstützung: Erkennung zwischengespeicherter GGUF-Dateien und automatische DNS-basierte Offline-Erkennung für Inferenz und Training

#### Sicherheitsverbesserungen in Unsloth Studio

* Ratenbegrenzung für die Authentifizierung, die Proxys berücksichtigt, sodass Reverse-Proxys sie nicht umgehen können
* Worker in einer Sandbox mit verschärfter Sperrliste (bash, `hf upload`, `NOFILE`)
* Pfadbegrenzung, damit Worker ihre temporären Verzeichnisse für laufende Vorgänge nicht verlassen können
* Strenge Schemavalidierung in der gesamten Unsloth-API
* Verschärfte CSP- und Sicherheitsheader (nur legitime Favicon-Hosts sind erlaubt)
* Der `torch.load` -Fallback für `training_args.bin` wurde entfernt, sodass nicht vertrauenswürdige Pickle-Dateien beim Laden eines Modells nicht ausgeführt werden können
* Abgesicherter Release-Prozess für Tauri-Desktop-Anwendungen
* Frontend-Authentifizierung: zusammengefasste gleichzeitige Token-Aktualisierungen, Eingabe des aktuellen Passworts bei Änderungen, funktionierende Abmeldung und gemeinsame Hilfsfunktion für 422-Fehler
* Die Bereinigung beim Abbrechen ist jetzt strikt auf temporäre Verzeichnisse laufender Vorgänge beschränkt, sodass sie niemals Nutzerdaten löschen kann
  {% endupdate %}

{% update date="2026-05-19" tags="new-releases,v0.1.41-beta" %}

## MTP- und Unsloth-Fehlerbehebungen

Zahlreiche Fehlerbehebungen sowie Verbesserungen an Benutzeroberfläche und Nutzererlebnis für Unsloth! Um die neuesten Updates zu erhalten, führe Folgendes aus:

**macOS, Linux, WSL:**

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

**Windows:**

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

#### Fehlerbehebungen

1. Problem behoben, bei dem `unsloth studio update` nicht richtig funktionierte
2. Problem behoben, bei dem die `reset-password` -Seite hängen blieb
3. Erweiterte Unterstützung für den Offline-Modus
4. Problem behoben, bei dem MTP auf Macs, CPUs und GPUs keine Beschleunigung brachte – jetzt funktioniert es deutlich besser!
5. Problem behoben, bei dem die Desktop-Verknüpfung nach einem Update nicht funktionierte
6. Sehr viele Fehlerbehebungen an Benutzeroberfläche und Nutzererlebnis
   {% endupdate %}

{% update date="2026-05-18" tags="new-releases,model-release,v0.1.405-beta" %}

## Qwen3.6 MTP und API-Verbindungen

Wir haben zahlreiche neue Updates für Unsloth `v0.1.41-beta`:

* **Etwa doppelt so schnelle GGUF-Inferenz** mit automatisch aktiviertem [MTP](https://unsloth.ai/docs/de/modelle/qwen3.6.md#mtp-guide)
* [**Unterstützung für API-Aufrufe**](https://unsloth.ai/docs/de/integrationen/connections.md) für [OpenAI](https://unsloth.ai/docs/de/integrationen/connections/openai.md), [Anthropic](https://unsloth.ai/docs/de/integrationen/connections/anthropic-claude.md) usw. mit automatischem Prompt-Caching, Websuche und Codeausführung
* Verbindung zu externen Inferenz-Backends: [vLLM](https://unsloth.ai/docs/de/integrationen/connections/vllm.md), [Ollama](https://unsloth.ai/docs/de/integrationen/connections/ollama.md), [llama-server](https://unsloth.ai/docs/de/integrationen/connections/llama.cpp-mit-unsloth-verbinden-ggufs-mit-llama-server-ausfuhren.md)
* Experimentell **MLX-Inferenz**
* Vollständige Unterstützung für **nicht-englische Sprachen**
* **Sicherheits** verbesserungen

<a href="https://unsloth.ai/pages/efc00d6b1d286a029d0eec8a5a6a24d50b063840#qwen3.6-inference-tutorials" class="button primary">Qwen3.6-Tutorials ausführen</a><a href="https://unsloth.ai/docs/de/modelle/qwen3.6.md#mtp-guide" class="button primary">MTP-Leitfaden</a>

<div data-with-frame="true"><figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F0abq31rgj0gOSH9vnpQ6%2Fmtp.gif?alt=media&amp;token=c66ec3f5-91f0-4617-824c-c537a2dde8b0" alt="" width="375"><figcaption></figcaption></figure></div>

#### Unterstützung für spekulatives MTP-Decoding: 1,4- bis 2-mal schnellere Inferenz!

* **Automatisches spekulatives MTP-Decoding** für MTP-GGUFs; Warnung, wenn das mitgelieferte llama.cpp-Binary veraltet oder zu alt für MTP ist
* Neue vorgefertigte llama.cpp-Binaries mit MTP-Unterstützung!

#### Aufrufe von API-Anbietern und externe Verbindungen

* Du kannst Unsloth jetzt mit jedem Cloud-API-Anbieter verbinden (OpenAI, Anthropic, OpenRouter usw.).
* **Integrierte Websuche** für OpenAI, Anthropic, OpenRouter und Kimi
* **Integrierte Codeausführung** für OpenAI und Anthropic (Anthropic-Container bleiben bestehen und werden über mehrere Gesprächsrunden hinweg wiederverwendet)
* Prompt-Caching ist für OpenAI- und Anthropic-Modelle aktiviert und spart 50 bis 90 % der Kosten.
* API-Schlüssel für lokale Anbieter (llama.cpp / vLLM / Ollama) jetzt optional
* Automatisches Laden von Modellen beim Hinzufügen eines Cloud-Anbieters

#### MLX-Inferenz (experimentell)

* MLX-Quants und -Modelle können jetzt lokal auf deinem Mac ausgeführt werden!
* Denkfunktion, Tools und Websuche folgen in Kürze!

#### Weitere Unsloth-Studio-Updates

* Das Senden von Nachrichten und Prompts in anderen Sprachen als Englisch (z. B. Japanisch oder Chinesisch) funktioniert jetzt korrekt
* OpenDocument-Chat-Anhänge
* Nutzdaten für die o3-Reasoning-Zusammenfassung
* Robustere IME-Eingabe, RTL `dir="auto"`, Fehler beim Abschneiden langer Protokollzeilen behoben
* Anzeige des Reasoning-Verlaufs von Tools in der Benutzeroberfläche
* Vollständige Offline-Unterstützung: Erkennung zwischengespeicherter GGUF-Dateien und automatische DNS-basierte Offline-Erkennung für Inferenz und Training
* Zahlreiche Verbesserungen an UI/UX: Überarbeitung des dunklen Designs, Neugestaltung der rechten Seitenleiste, Faultier-Maskottchen passend zur Tageszeit, schließbare Toasts mit kopierbarem Inhalt, größeres Chat-Eingabefeld, Feinschliff an der Konfiguration für die Codeausführung, Gestaltung der Aktions-Pille im Eingabefeld, schmalerer Discord-Button

#### Trainingsaktualisierungen

* Korrekturen an der Gemma-Attention-Maske
* GRPO mit mehreren Bildern
* Experimente zur Rückgabe von GRPO-Hidden-States
* Neues Verfahren für fortgesetztes Pretraining (CPT) als erstklassige Option
* Gemma-4-MoE-LoRA-Extractor registriert, um den `grouped_mm` Absturz bei der Kontraktion
* Optional zuschaltbares Fusionieren von `lm_head` + Cross-Entropy-Forward-Pass mit einem Einzel-Matmul-Pfad unter `UNSLOTH_RETURN_LOGITS=1`
* Batchgröße für die Evaluierung übergeben
* Evaluierungs- und Trainingspfade berücksichtigen jetzt `HF_DATASETS_OFFLINE` zusätzlich zu `HF_HUB_OFFLINE`

#### Sicherheitsverbesserungen in Unsloth Studio

* Ratenbegrenzung für die Authentifizierung, die Proxys berücksichtigt, sodass Reverse-Proxys sie nicht umgehen können
* Worker in einer Sandbox mit verschärfter Sperrliste (bash, `hf upload`, `NOFILE`)
* Pfadbegrenzung, damit Worker ihre temporären Verzeichnisse für laufende Vorgänge nicht verlassen können
* Strenge Schemavalidierung in der gesamten Unsloth-API
* Verschärfte CSP- und Sicherheitsheader (nur legitime Favicon-Hosts sind erlaubt)
* Der `torch.load` -Fallback für `training_args.bin` wurde entfernt, sodass nicht vertrauenswürdige Pickle-Dateien beim Laden eines Modells nicht ausgeführt werden können
* Abgesicherter Release-Prozess für Tauri-Desktop-Anwendungen
* Frontend-Authentifizierung: zusammengefasste gleichzeitige Token-Aktualisierungen, Eingabe des aktuellen Passworts bei Änderungen, funktionierende Abmeldung und gemeinsame Hilfsfunktion für 422-Fehler
* Die Bereinigung beim Abbrechen ist jetzt strikt auf temporäre Verzeichnisse laufender Vorgänge beschränkt, sodass sie niemals Nutzerdaten löschen kann
  {% endupdate %}

{% update date="2026-05-05" tags="new-releases,v0.1.39-beta,v0.1.38-beta" %}

## Unsloth-API-Endpunkt

#### ***Fehlerbehebung in v0.1.39-beta*** **5. Mai 2026**

Behebt, dass der Chatverlauf nicht angezeigt wurde (vorhandener Chatverlauf geht nicht verloren) und Anhänge nicht korrekt angehängt wurden. Der Fehler betraf nur die Darstellung – verwende `2026.5.2` oder rufe direkt `curl -fsSL https://unsloth.ai/install.sh | sh`  auf, um zu aktualisieren

Du kannst lokale LLMs mit Tools wie [Claude Code](https://unsloth.ai/docs/basics/claude-code) und [Codex](https://unsloth.ai/docs/basics/codex) verwenden, indem du sie mit dem Unsloth-API-Endpunkt verbindest. So kannst du Modelle wie [Qwen](https://unsloth.ai/docs/models/qwen3.6) und [Gemma](https://unsloth.ai/docs/models/gemma-4) lokal, mit zusätzlichen Funktionen wie selbstheilenden Tool-Aufrufen, Codeausführung und Websuche.

Unsloth als API-Inferenz-Endpunkt zu nutzen, ist nicht nur einfach einzurichten und schnell, sondern bietet auch folgende Vorteile:

* [Selbstheilende Tool-Aufrufe](https://unsloth.ai/docs/new/studio/chat#auto-healing-tool-calling), wodurch fehlerhafte oder ungültige Tool-Aufrufe um 50 % reduziert werden
* [Codeausführung](https://unsloth.ai/docs/new/studio/chat#code-execution) mit Unterstützung für Bash- und Python-Ausführung, die genauere Codeausgaben ermöglicht.
* Erweiterte [Websuche](https://unsloth.ai/docs/new/studio/chat#advanced-web-search) besucht Webseiten und liest sie tatsächlich, um detaillierte Informationen zu sammeln.
* [Automatische Inferenz-Einstellungen](https://unsloth.ai/docs/new/studio/chat#auto-parameter-tuning) für GGUF-Modelle (temp, top-k usw.)

<div data-with-frame="true"><figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F1s98Id9xclzwMfxjXw2O%2Funsloth%20api%20cropped.png?alt=media&amp;token=64fac263-ca5b-4447-a740-41f58ec94904" alt="" width="375"><figcaption></figcaption></figure></div>

#### Neue Modelle

Wir haben außerdem eine Reihe neuer Modelle zum Ausführen hinzugefügt, darunter NVIDIA [Nemotron 3 Nano Omni](https://unsloth.ai/docs/de/modelle/nemotron-3-nano-omni.md), IBM [Granite 4.1](https://unsloth.ai/docs/de/modelle/ibm-granite-4.1.md) und [Mistral 3.5](https://unsloth.ai/docs/de/modelle/mistral-3.5.md) Medium. Wir haben Mistral dabei geholfen, einige Probleme bei der Implementierung in Transformers und GGUFs zu beheben.

#### Unsloth-Updates

* Gestoppte Unsloth-Trainingsläufe können jetzt an Checkpoints fortgesetzt werden.
* Chat-Threads werden jetzt automatisch gespeichert und zuverlässiger beibehalten.
* Hänger beim DPO-Training in Multiprozess-Setups wurden behoben.
* Die VLM-GRPO-Unterstützung wurde durch MROPE-Updates verbessert.
* Die Stopptaste von Unsloth beendet die Generierung jetzt ordnungsgemäß.
* Problem behoben, durch das die Chatvorlage nach dem Aktualisieren des Browsers verschwand.
  {% endupdate %}

{% update date="2026-04-23" tags="new-releases,v0.1.37-beta" %}

## Komplett überarbeitetes UI-Design

Hallo zusammen, wir haben die gesamte UI und UX von Unsloth Studio überarbeitet, um Chat und Training stärker in den Mittelpunkt zu stellen:

* Auf Grundlage des Feedbacks aus der Community wurde eine einklappbare Seitenleiste hinzugefügt

<div data-with-frame="true"><figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FKoonE97b0H3RioMwVohd%2Fstudio%20new%20ui.gif?alt=media&amp;token=e37f2839-914e-48b8-8c81-2dac3ade9408" alt="" width="375"><figcaption></figcaption></figure></div>

* Chats lassen sich jetzt löschen und frühere Unterhaltungen durchsuchen

<div><figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fm6se3dOmBZH9d9Wlif4W%2FScreenshot%202026-04-23%20at%206.15.38%E2%80%AFAM.png?alt=media&amp;token=e83fe246-1f88-4bf7-aa15-baf7d3356676" alt=""><figcaption></figcaption></figure> <figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fa4EGTdaWQ6EA81PeC3JZ%2FScreenshot%202026-04-23%20at%206.01.36%E2%80%AFAM.png?alt=media&amp;token=1a1cc50d-e0e0-47cd-9c1a-80583a887794" alt=""><figcaption></figcaption></figure></div>

* Neuer Schalter „Denken beibehalten“ für Modelle, die diese Funktion unterstützen, zum Beispiel Qwen3.6
* Aufgeräumteres, einheitlicheres Design mit einfacherer Navigation
* Erweiterte Einstellungsseite mit Optionen zum Ändern des Profilbilds, des Namens und mehr

<div data-with-frame="true"><figure><img src="https://797013937-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FvMtRDH8cVXCu08OZ4TRf%2FScreenshot%202026-04-23%20at%206.18.35%E2%80%AFAM.png?alt=media&amp;token=d989c4b5-6293-402c-981c-3209b7e7d750" alt="" width="375"><figcaption></figcaption></figure></div>

* Der Hugging-Face-Token muss nicht mehr zweimal eingegeben werden
* gpt-oss verfügt jetzt über Schalter für niedriges, mittleres und hohes Denkvermögen.
* Verwendet jetzt die neueste vorkompilierte Version von llama.cpp, auch unter Linux mit CUDA
* Zahlreiche Fehlerbehebungen sowie Verbesserungen an Einheitlichkeit und Stabilität
* Kimi-K2.6 kann jetzt ausgeführt werden!
* Außerdem haben wir experimentelle API-Unterstützung hinzugefügt. Anleitungen, Ankündigung usw. folgen nächste Woche.

Qwen3.6 wurde auch bereits zuvor in Unsloth Studio zum Ausführen und Trainieren unterstützt. Du kannst Qwen3.6-27B ab sofort trainieren und ausführen!
{% endupdate %}

{% update date="2026-04-22" tags="model-release,new-releases,v0.1.37-beta" %}

## **Qwen3.6-27B + Kimi K2.6**

[**Qwen3.6-27B**](https://unsloth.ai/docs/de/modelle/qwen3.6.md) kann jetzt in Unsloth Studio ausgeführt (18 GB RAM) und feinabgestimmt werden. Kimi K2.6 kann ebenfalls in Unsloth ausgeführt werden (350 GB RAM).

Unsloth Studio hat zahlreiche Updates erhalten. Bitte aktualisiere die Anwendung. Weitere Details und ein ausführlicher Bericht folgen in den nächsten Tagen.
{% endupdate %}

{% update date="2026-04-16" tags="model-release,new-releases" %}

## **Qwen3.6**

[**Qwen3.6**](https://unsloth.ai/docs/de/modelle/qwen3.6.md) kann jetzt in Unsloth Studio ausgeführt und feinabgestimmt werden. Das Modell läuft mit 23 GB RAM und ist bei nahezu allen Benchmarks das leistungsstärkste mittelgroße LLM.
{% endupdate %}

{% update date="2026-04-11" tags="model-release" %}

## **Gemma-4-Update + MiniMax-M2.7**

[Gemma 4 GGUFs](https://huggingface.co/collections/unsloth/gemma-4) wurden jetzt mit den offiziellen Korrekturen an Googles Chat-Template (durch die der Tool-Aufruf korrigiert und verbessert wurde) sowie den neuesten Korrekturen in llama.cpp aktualisiert. Aktualisiere llama.cpp auf die neueste Version und lade die quantisierten Modelle erneut herunter. Dann solltest du keine `unused token` Probleme mehr sehen.\
\
[MiniMax-M2.7](https://unsloth.ai/docs/de/modelle/tutorials/minimax-m27.md) ist jetzt verfügbar! Mit unseren GGUFs kannst du das Modell lokal mit 4-Bit-Quantisierung auf einem System mit 128 GB RAM bzw. gemeinsamem Speicher ausführen. [**MiniMax-M2.7 GGUF**](https://huggingface.co/unsloth/MiniMax-M2.7-GGUF)
{% endupdate %}

{% update date="2026-04-08" tags="new-releases,v0.1.36-beta" %}

## **Korrekturen für Gemma 4**

Wir haben Gemma 4 [mit zahlreichen Korrekturen versehen](https://unsloth.ai/docs/de/modelle/gemma-4/train.md). Diese Fehler traten universell auf und betrafen alle Trainingspakete und Implementierungen. Sie **wurden nicht durch Unsloth verursacht**. Wir haben die Fehler erkannt und behoben. Jetzt funktioniert das Training von Gemma 4 mit Unsloth ordnungsgemäß.

Du benötigst nur **8 GB VRAM** für das Training von **Gemma-4-E2B** lokal. Mit Unsloth lässt sich Gemma 4 trainieren – **etwa 1,5-mal schneller und mit rund 60 % weniger VRAM** als mit FA2-Konfigurationen. Die vollständige Anleitung und die Notebooks zum Training von Gemma 4 [findest du in unserem Blog](https://unsloth.ai/docs/de/modelle/gemma-4/train.md).

#### Korrekturen beim Training von Gemma 4

1. **Die Gradientenakkumulation** führt nicht mehr zu starken Loss-Anstiegen. Zuvor konnte der Loss auf **300–400**ansteigen; erwartet werden etwa **10–15**.
2. Der **IndexError** bei der Inferenz mit **26B** und **31B** in `transformers`.
3. Kauderwelsch-Ausgaben für **E2B/E4B** bei `use_cache=False`behoben. Siehe [Issue #45242](https://github.com/huggingface/transformers/issues/45242).
4. Der **Float16-Audio** Überlauf durch `-1e9` Werte wurde behoben.

Wenn dein Loss über **13–15** liegt, zum Beispiel **100** oder **300** – die Gradientenakkumulation wird wahrscheinlich falsch gehandhabt. Dies wurde sowohl in **Unsloth** als auch in **Unsloth Studio**.

#### Erneute Uploads quantisierter Gemma-4-Modelle

Wir haben auch unsere Gemma-4-GGUFs aktualisiert, daher musst du sie erneut herunterladen. Auch diese Quantisierungsprobleme **hängen nicht mit Unsloth zusammen und werden nicht von Unsloth verursacht**:

1. CUDA: vor dem Zusammenführen auf überlappende Puffer prüfen – wichtige Korrektur für `<unused24>` Tokens – [PR #21566](https://github.com/ggml-org/llama.cpp/pull/21566)
2. `kv-cache`: Unterstützung für Attention-Rotation bei heterogenem iSWA – [PR #21513](https://github.com/ggml-org/llama.cpp/pull/21513)
3. `vocab`: Byte-Token-Verarbeitung zum BPE-Detokenizer für Gemma 4 hinzufügen – [PR #21488](https://github.com/ggml-org/llama.cpp/pull/21488)
4. `convert`:  `"add bos" == True`  für Gemma 4 festlegen – [PR #21500](https://github.com/ggml-org/llama.cpp/pull/21500)
5. `common`: spezialisierten Gemma-4-Parser hinzufügen – [PR #21418](https://github.com/ggml-org/llama.cpp/pull/21418)
6. `llama-model`:  `final_logit_softcapping`  für Gemma 4 auslesen – [PR #21390](https://github.com/ggml-org/llama.cpp/pull/21390)
7. `llama`: benutzerdefinierte Zeilenumbruchtrennung für Gemma 4 hinzufügen – [PR #21406](https://github.com/ggml-org/llama.cpp/pull/21406)

#### Updates für Unsloth Studio

* Unterstützung für **spekulative Dekodierung** hinzufügen (ngram-mod, standardmäßig aktiviert)
* Llama.cpp auf die neueste Version mit allen Gemma-4-Korrekturen aktualisiert
* Trainingsprobleme mit Qwen3.5 und Gemma 4 behoben
* Exportieren und Speichern von Gemma-4-Modellen aktiviert
* Sandbox-Sicherheit für Terminal- und Python-Tools verstärkt
* Rezepte können jetzt das in Chat geladene Modell verwenden
* Leere Chat-Threads bei der Navigation (und beim Wechseln zwischen Tabs) behoben und den Ablauf für neue Chats stabilisiert
* Ausführung von Rezepten ohne LLM ermöglicht und den Tab „Daten“ in der Ausführungsansicht an die erste Stelle verschoben
* Die Groß-/Kleinschreibung des HF-Cache-Repos wird übernommen, um doppelte Downloads zu verhindern
  {% endupdate %}

{% update date="2026-04-03" tags="new-releases,v0.1.36-beta" %}

## **Google – Gemma 4**

* Du kannst jetzt [Gemma 4](https://unsloth.ai/docs/de/modelle/gemma-4.md) Modelle in Unsloth ausführen und trainieren.
* Intel-Macs funktionieren jetzt
* Vorkompilierte Binaries für llama.cpp mit 2 Gemma-4-Fixes:
  * vocab: Gemma4-Tokenizer repariert ([#21343](https://github.com/ggml-org/llama.cpp/pull/21343))
  * fix: Gemma-4-Template repariert ([#21326](https://github.com/ggml-org/llama.cpp/pull/21326))
* Tool-Aufrufe bei kleineren Modellen sind jetzt stabiler und werden nicht mehr abgebrochen
* Vorkompilierte Binaries für Windows-, Linux-, Mac- und WSL-Geräte – CPU und GPU
* Speculative Decoding für Modelle ohne Vision-Unterstützung hinzugefügt (Gemma-4 unterstützt leider Vision, ebenso Qwen3.5)
* Die Kontextlänge wird jetzt korrekt angewendet.
* Die Websuche ruft jetzt tatsächlich Webinhalte ab und nicht nur Zusammenfassungen
* 90 % weniger HF-API-Aufrufe – weniger Rate-Limits
  {% endupdate %}

{% update date="2026-03-31" tags="new-releases,improvements,v0-1-3-beta" %}

## **+50 % Genauigkeit bei Tool-Aufrufen + breitere Unterstützung**

* Tool-Aufrufe sind jetzt bei allen Modellen **um 30 % bis 80 % genauer.**
* Die Websuche ruft jetzt tatsächlich Webinhalte ab und nicht nur Zusammenfassungen
* Die Zahl der erlaubten Tool-Aufrufe wurde von 10 auf 25 erhöht
* Tool-Aufrufe werden jetzt viel zuverlässiger beendet, wodurch Schleifen und Wiederholungen reduziert werden
* Mehr **Reparatur von Tool-Aufrufen** und Deduplizierungslogik verhindern außerdem, dass bei Tool-Aufrufen XML durchrutscht
* Getestet mit `unsloth/Qwen3.5-4B-GGUF` (`UD-Q4_K_XL`), Websuche + Codeausführung + Denkfunktion aktiviert.

| Metrik                              | Vorher | Nachher         |
| ----------------------------------- | ------ | --------------- |
| XML-Leaks in der Antwort            | 10/10  | 0/10            |
| Verwendete URL-Abrufe               | 0      | 4/10 Durchläufe |
| Durchläufe mit korrekten Songtiteln | 0/10   | 2/10            |
| Durchschnittliche Tool-Aufrufe      | 5.5    | 3.8             |
| Durchschnittliche Antwortzeit       | 12,3 s | 9,8 s           |

#### Neue Funktionen

* Hinzugefügt: **benutzerdefinierte Ordner** So kannst du beliebige GGUF-Dateien in beliebigen Ordnern verwenden – derzeit findest du den Zugriff unter „Erweiterte Einstellungen“ im Chat und unter „Benutzerdefinierte Ordner“.
* **Die Schaltfläche „Aktualisieren“** ist jetzt sichtbar
* Das Design des Installationsskripts wurde vollständig überarbeitet!
* Vorläufige **automatische Multi-GPU-Unterstützung für Inferenz und Training** – nützlich für große Modelle, die nicht auf eine GPU passen. Unsloth weist GPU-Ressourcen automatisch zu.
* Intel-Macs sollten sofort funktionieren

Unsloth läuft jetzt deutlich flüssiger und schneller

* **Zeitüberschreitungen beim Herunterladen großer Modelle behoben** – keine Zeitüberschreitungen mehr festgestellt.
* **Hugging-Face-Rate-Limits behoben – HF-API-Aufrufe um 90 % reduziert**
* Bun unter Windows repariert und Installationen beschleunigt
  {% endupdate %}

{% update date="2026-03-27" tags="new-releases,fixes,improvements,v0-1-25-beta" %}

## **Neue wichtige Updates**

Seit unserer letzten Veröffentlichung sind erst zwei Tage vergangen, aber wir haben einige wichtigere Updates:

* **Die Inferenz ist jetzt 20–30 % schneller.** Bisher konnten Tool-Aufrufe und die Wiederholungsstrafe die Inferenz unter die normale Geschwindigkeit bremsen. Die Inferenzleistung in Tokens/s sollte jetzt der von `llama-server` / `llama.cpp`.
* **Erkennt ältere oder bereits vorhandene Modelle jetzt automatisch** heruntergeladen von **LM Studio, Hugging Face** und ähnlichen Quellen.
* **Die Inferenzgeschwindigkeit in Tokens/s wird jetzt korrekt berechnet.** Bisher wurde bei der Tokens/s-Anzeige die Startzeit mitgerechnet, wodurch die Geschwindigkeit langsamer wirkte, als sie tatsächlich war. Sie sollte jetzt die „tatsächliche“ Inferenzgeschwindigkeit widerspiegeln.
* **Die CPU-Auslastung steigt nicht mehr sprunghaft an.** Bisher änderte sich die Identität des Inline-Querier bei jedem Rendern, wodurch `useLiveQuery` kontinuierlich neue Abonnements anlegte.
* **Unsloth Studio verfügt jetzt über eine Schaltfläche zum Schließen (X) und wird ordnungsgemäß beendet.** Bisher wurde das Programm nicht richtig geschlossen, wenn man es nach dem Öffnen über das Desktop-Symbol beendete. Jetzt wird beim Start über die Verknüpfung auch das Terminal geöffnet. Wenn Sie dieses Terminal schließen, wird Unsloth Studio vollständig beendet. Falls es noch aus einer vorherigen Sitzung geöffnet ist, können Sie Ihren Computer neu starten oder Folgendes ausführen: `lsof -i :8888` und dann `kill -9 <PID>`.
* **Noch bessere Tool-Aufrufe und Websuche** mit weniger Fehlern.
* Die Dokumentation wurde um viele neue Informationen ergänzt, zum Beispiel zum [Löschen von Modellen und Deinstallieren](https://unsloth.ai/docs/de/neu/studio/install.md#uninstall) usw.
* **Übersichtlichere und intelligentere Installations- und Einrichtungsprotokolle unter Windows und Linux.** Die Ausgabe ist jetzt dank einheitlicher Formatierung leichter lesbar, standardmäßig zurückhaltender und sorgt so für ein angenehmeres Nutzungserlebnis. Außerdem bietet sie ausführlichere `--verbose` Diagnosen, wenn Sie alle technischen Details benötigen.
* Sie können jetzt Ihren Trainingsverlauf einsehen!
  {% endupdate %}

{% update date="2026-03-25" tags="new-releases,fixes,improvements,v0-1-2-beta" %}

## Erster Release seit dem Start von Unsloth Studio

Hallo zusammen, dies ist unser erster Release seit dem Start von Unsloth Studio. Es gibt viele neue Funktionen und Fehlerbehebungen:

* **Sie können Unsloth Studio jetzt aktualisieren!** Bitte führen Sie das Update mit denselben Installationsbefehlen durch.
* **Windows** CPU und GPU funktionieren jetzt nahtlos. Bitte installieren Sie die Anwendung erneut!
* **App-Verknüpfungen**. Nach der Installation können Sie die Anwendung unter Windows, macOS und Linux über ein Verknüpfungssymbol im Startmenü bzw. Launcher oder auf dem Desktop starten.
* **Vorab kompilierte `llama.cpp` Binärdateien** und `mamba_ssm` – 6-mal schnellere Installationen! Die Binärdateien sind außerdem weniger als 300 MB groß.
* **50 % kleinere Installationsgrößen** (Einsparungen von mindestens 7 GB), 2-mal schnellere Installationen und schnellere Abhängigkeitsauflösung. 50 % kleinere PyPI-Pakete.
* **Tool-Aufrufe wurden verbessert.** Besseres Parsing von llama.cpp, keine rohen Tool-Markierungen im Chat, schnellere Inferenz, ein neues Bedienfeld für Tool-Ausgaben und Timer.
* Auf macOS und CPU sind jetzt [Data Recipes](https://unsloth.ai/docs/de/neu/studio/data-recipe.md) mit dem Hochladen mehrerer Dateien aktiviert.
* **AMD-Unterstützung für Linux vorläufig** nur auf Geräten – automatische Erkennung.
* **Die Seitenleiste der Einstellungen wurde überarbeitet.** Die Einstellungen sind jetzt in folgende Bereiche gruppiert: **Modell, Sampling, Tools und Einstellungen**
* **Kontextlänge** ist jetzt anpassbar. Beachte, dass dies nicht nötig ist, da llama.cpp den benötigten Kontext dank `--fit on`
* **Upload mehrerer Dateien.** Datenrezepte unterstützen jetzt mehrere Uploads per Drag-and-drop für PDF, DOCX, TXT und MD, einschließlich Extraktion im Backend, gespeicherter Uploads und verbesserter Vorschauen.
* **Colab** mit kostenlosen T4-GPUs funktioniert jetzt mit Unsloth Studio! [Hier ausprobieren](https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb). Dank vorkompilierter Binärdateien ist es außerdem 20-mal schneller!
* **Bessere Beobachtbarkeit von Chats.** Unsloth zeigt jetzt `llama-server` -Laufzeiten und -Nutzung, eine Anzeige zur Nutzung des Kontextfensters sowie ausführlichere Hover-Karten für Quellen.
* **Insgesamt bessere Benutzerfreundlichkeit** – anklickbare Links, bessere LaTeX-Verarbeitung, Tooltips für Tools, Code und Web für Standardkarten und vieles mehr!
* **LiteLLM –** Unsloth Studio und Unsloth waren **NICHT** vom jüngsten LiteLLM-Sicherheitsvorfall betroffen. Nemo Data Designer verwendete LiteLLM nur bis `1.80`, nicht die betroffenen Versionen `1.82.7` oder `1.82.8`, und hat LiteLLM inzwischen vollständig entfernt.
* Es gibt jetzt einen neuen einzeiligen Installationsbefehl. Führe einfach Folgendes aus:&#x20;

  <pre class="language-bash" data-overflow="wrap" data-expandable="true"><code class="lang-bash">curl -fsSL https://unsloth.ai/install.sh | sh
  </code></pre>

#### **Fehlerbehebungen:**

* **Verbesserungen für Windows und die Einrichtung.** Fehler behoben, durch die sich Windows unbemerkt beendete, Abstürze beim Start über Anaconda/conda-forge, fehlerhafte Windows-Installationen ohne NVIDIA sowie fehlende frühe Prüfungen auf CUDA und veraltete virtuelle Umgebungen.
* **System-Prompts funktionieren wieder.** Sie funktionieren wieder bei Text- und Vision-Inferenz ohne GGUF.
* **Dauerhafte System-Prompts und Voreinstellungen.** Benutzerdefinierte System-Prompts und Chat-Voreinstellungen bleiben jetzt beim Neuladen und Seitenwechsel erhalten.
* **GGUF-Export erweitert.** Jetzt lassen sich auch vollständige Fine-Tunes und nicht nur LoRA/PEFT nach GGUF exportieren. Das Basismodell wird zuverlässiger ermittelt, und nicht unterstützte Exportoptionen sind in der Benutzeroberfläche deaktiviert.
* **Korrekturen für Chat-Scrollen und Layout.** Probleme mit der Scroll-Position während der Generierung, Layoutverschiebungen im Denkbereich und Sprünge im sichtbaren Bereich beim Einklappen von Reasoning-Bereichen wurden behoben.
* **Intelligentere Erkennung von Portkonflikten.** Unsloth erkennt jetzt Konflikte mit Loopback-Adressen, kann nach Möglichkeit den blockierenden Prozess identifizieren und zeigt verständlichere Meldungen zu Ausweichports an.
  {% endupdate %}

{% update date="2026-03-17" tags="fixes,improvements,v0-1-0-beta" %}

## Neue Tool-Aufrufe + mehr Stabilität unter Windows

* Claude Artifacts funktioniert jetzt, sodass HTML wie etwa ein Snake-Spiel direkt im Chat ausgeführt werden kann.
* 30 % genauere Tool-Aufrufe, insbesondere bei kleinen Modellen, plus Timer für Tool-Aufrufe
* Ausgaben von Tools und der Websuche lassen sich speichern + automatische Tool-Reparatur ein- und ausschalten
* Zahlreiche Fehlerbehebungen – CPU-Unterstützung unter Windows, reibungslosere Nutzung auf dem Mac sowie schnellere und kleinere Installationen
  {% endupdate %}
  {% endupdates %}

**Geplante Aufgaben**: Führe einen Prompt nach Zeitplan mit einem lokalen Modell oder einer API aus


---

# 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/neu/changelog.md?ask=<question>&goal=<user_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.
