> 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/fr/nouveau/changelog.md).

# Mises à jour d’Unsloth

Journal des modifications d'Unsloth pour nos dernières versions, améliorations et corrections.

Pour profiter des dernières modifications, [mettez Unsloth à jour](https://unsloth.ai/docs/fr/nouveau/studio/install.md#update-unsloth-studio).

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

## LoRA pour AMD NPU et la diffusion vidéo

Nous apportons une importante mise à jour à [la prise en charge des AMD NPU](https://unsloth.ai/docs/get-started/install/amd/npu) dans Unsloth : les modèles Q4NX que vous convertissez se chargent désormais sur le NPU, et chaque modèle NPU indique s’il peut s’exécuter. Nouveautés également : l’entraînement LoRA de LTX-2.5 et MOSS-Image, la vidéo NVIDIA Cosmos3 FP8, des images plus rapides sur Strix Halo et des tâches planifiées qui répondent dans une conversation.

<figure><img src="https://550366147-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>

* **Prise en charge des AMD NPU** les NPU étant 2 à 4 fois plus efficaces que les GPU par joule et par jeton [Guide](https://unsloth.ai/docs/get-started/install/amd/npu) + [Blog AMD](https://www.amd.com/en/blogs/2026/unlocking-the-amd-ryzen-ai-npu-for-unsloth-desktop.html)
* **Conversion au format Q4NX** dispose désormais de son propre onglet dans la page Exporter, et les modèles convertis se chargent sur le NPU
* **Images plus rapides sur Stria Halo** avec FLUX.3 Klein, jusqu’à 28 % plus rapide par étape sous Windows
* **Entraînement LoRA de LTX-2.5 et MOSS-Image** désormais dans Unsloth
* **Entraînement LoRA pour la diffusion** jusqu’à 42 % plus rapide par étape, et désormais aussi sur les GPU T4
* **NVIDIA Cosmos3 Nano-FP8 et Edge-FP8** les modèles vidéo se chargent désormais
* **Tâches planifiées dans une conversation** qui répondent directement dans cette conversation
* **Nouvelle page Traduire** avec des onglets de langue, des volets côte à côte et l’importation de documents et d’images
* **Entraînement QLoRA** jusqu’à 25 % plus rapide

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

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

## GGUF Dynamic v3.1 et améliorations des performances

Nous publions [Qwen3.8-27B](https://unsloth.ai/docs/fr/modeles/qwen3.8.md) les GGUF Dynamic V3.1, prêts à être exécutés localement dans Unsloth. Nous apportons également d’importantes améliorations des performances : génération en continu plus rapide, défilement, menus et boîtes de dialogue plus fluides dans les longues conversations, ainsi qu’un thème Glass nettement plus fluide. Nouveautés également : blocs Code et Thinking repensés, export des conversations en HTML/PDF, file d’attente d’images et Claude Code et Codex sur MLX.

**Points forts**

* **Qwen3.8-27B** nouveaux GGUF Unsloth Dynamic V3.1
* **Importantes améliorations des performances** - la génération en continu ne ralentit plus à mesure que les conversations s’allongent
* **Thème Glass plus fluide** beaucoup moins de latence pendant la saisie, le défilement et la génération
* **Nouvelle présentation des blocs Code et Thinking** - dépliables, défilant indépendamment, avec une meilleure coloration syntaxique
* **Exports HTML et PDF** directement depuis le menu de la conversation
* **File d’attente d’images** - mettez des générations d’images en file d’attente pendant le rendu d’une autre
* **Claude Code et Codex sur MLX** - exécutez des agents de programmation avec des modèles MLX via `unsloth start`
* **FLUX.2 et FLUX.3** utilisez 36 à 43 % de VRAM en moins pendant le décodage des images, à vitesse égale
* **2 à 8 fois plus rapide `model.generate()`** par défaut sur les GPU T4

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.917-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/notions-de-base/dynamic-3.0-ggufs.md" class="button secondary">GGUF Dynamic v3.1</a><a href="https://unsloth.ai/docs/fr/modeles/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

Nous lançons [Qwen3.8-Flash-Next](https://unsloth.ai/docs/fr/modeles/qwen3.8-next.md) Les GGUF Dynamic V3.1 offrent une précision supplémentaire de 10 à 15 %, utilisent 50 % de jetons en moins et sont 7 % plus rapides. Nous apportons également d’importantes améliorations de performances à Unsloth : saisie et recherche plus rapides dans les longues conversations, chargement plus rapide des images et vidéos, génération d’images et de vidéos sur deux GPU. La mise à jour ajoute aussi des navigateurs distincts pour chaque conversation, une fenêtre de navigateur flottante et des blocs de code et de réflexion défilants.

<figure><img src="https://550366147-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>

#### Points forts

* **Importantes améliorations de performances** d’autres optimisations du thème Glass sont prévues pour la semaine prochaine
* **Corrections du thème Glass** plus de flou, un meilleur rendu et davantage d’options
* **Déport de la mémoire unifiée** fonctionne désormais correctement avec les grands modèles
* **Navigateurs distincts pour chaque conversation** - Chaque conversation peut désormais utiliser son propre navigateur
* **Nouvelle apparence pour les blocs de réflexion et de code** - désormais limités à un conteneur défilant
* **Navigateur flottant** vous pouvez le déplacer et le redimensionner par-dessus la conversation, puis laisser le modèle faire son travail
* **Images et vidéos sur deux GPU** jusqu’à 2 fois plus rapide avec des cartes NVIDIA compatibles
* **Recherche et suppression de conversations plus rapides** - recherchez et supprimez vos conversations beaucoup plus rapidement
* **Chargement des modèles Stable Diffusion pour les images et les vidéos** jusqu’à 40 % plus rapide

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.916-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/modeles/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 (aperçu) + personnalisation + performances

Personnalisez Unsloth avec des arrière-plans personnalisés et une interface utilisateur et une expérience utilisateur améliorées. Cette version réduit également le temps de mise à jour de l’application et accélère l’application Linux ainsi que la génération d’images avec Qwen-Image lorsque la VRAM est limitée. Également disponible dans Unsloth : DeepSeek-V4.1-Flash-1017. [Dynamic v3.1](https://unsloth.ai/docs/models/deepseek-v4.1-flash) GGUF (aperçu), FLUX.2-klein-9B sur les machines à faible mémoire vive, conversations plus fluides et affinement par lots des modèles MoE.

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

#### Points forts

* **Arrière-plans personnalisés** pour personnaliser vos conversations (+ déplacement de la zone de saisie en bas — d’autres options de personnalisation arrivent la semaine prochaine)
* **DeepSeek-V4.1-Flash-1017** les nouveaux GGUF Unsloth Dynamic v3.1 (aperçu), les plus précis pour leur taille dans presque tous les benchmarks [Blog](https://unsloth.ai/docs/models/deepseek-v4.1-flash)
* **14 nouvelles langues** pour Unsloth
* **Mises à jour de l’application** se terminent deux fois plus vite
* **Linux** beaucoup moins de latence et des performances améliorées
* **Qwen-Image** génère jusqu’à 2 fois plus vite avec une limite de VRAM de 16 Go
* **Interface mise à jour** plus cohérente et épurée
* **Affinement des modèles MoE** exécute simultanément les tâches d’API compatibles

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.913-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/modeles/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" %}

## Planification + optimisations + Halloween

DeepSeek-V4.1-Flash-1017 et FLUX.3 Image Klein sont là ! Exécutez-les tous deux localement avec Unsloth. Nouveautés : images et vidéos dans le chat, entraînement multi-GPU avec FSDP2 (alpha) et configuration MCP en une seule commande pour les agents de programmation.

#### Points forts

* **Unsloth plus rapide**: démarrage initial 2 fois plus rapide, appels d’outils, listes de modèles, préparation des jeux de données et chargement de MiniMax-H3 accélérés
* **Tâches planifiées**: exécutez une invite selon un calendrier avec un modèle local ou une API
* **Traitement par lots Multi-LoRA**: jusqu’à 4 tâches de réglage fin compatibles en attente sont entraînées simultanément
* **Réflexion et compactage automatique dans SGLang**: la reprise et la sortie JSON fonctionnent désormais aussi avec vLLM et SGLang
* **Commutateur d’utilisation du navigateur**: laissez les modèles contrôler le navigateur intégré depuis la page du nouvel onglet
* **MiniMax-M3.1-Flash**: le modèle MoE de 428B de MiniMax (23B actifs) [Guide](https://unsloth.ai/docs/models/minimax-m3.1-flash)
* **Des bonbons ou un sort**: 🎃 11 thèmes d’Halloween
* **Édition avec FLUX 3**: FLUX 3 permet désormais de modifier des images à l’aide d’invites
* **Améliorations des performances**: fortes améliorations des performances sur Mac, moins de latence, fichiers binaires plus légers
* **Préréglages enregistrés**: enregistrez les paramètres d’exécution sous forme de préréglages nommés pour chaque modèle

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.912-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/modeles/minimax-m3.1-flash.md" class="button secondary">MiniMax-M3.1-Flash</a><a href="https://unsloth.ai/docs/fr/modeles/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 et FLUX.3

DeepSeek-V4.1-Flash-1017 et FLUX.3 Image Klein sont là ! Exécutez-les tous deux localement avec Unsloth. Nouveautés : images et vidéos dans le chat, entraînement multi-GPU avec FSDP2 (alpha) et configuration MCP en une seule commande pour les agents de programmation.

#### Points forts

* **DeepSeek-V4.1-Flash-1017**: 552B (16B actifs) — fonctionne avec environ 125 Go en 1 bit et sa table Engram sur SSD [Guide](https://unsloth.ai/docs/models/deepseek-v4.1-flash)
* **FLUX.3 Image Klein**: fonctionne avec 24 Go et permet de modifier des images à l’aide de jusqu’à 10 images de référence [GGUF](https://huggingface.co/unsloth/flux-3-image-klein-GGUF)
* **Configuration MCP en une seule commande**: `unsloth mcp add` connecte Claude Code, Codex ou Cursor à Unsloth.
* **Images et vidéos dans le chat**: les modèles de chat locaux utilisent le modèle d’image ou de vidéo chargé à leurs côtés.
* **Qwen-Image-Edit-2509 et 2511**: modifiez jusqu’à 3 images à la fois.
* **Aperçu des jetons**: voyez ce que votre modèle va apprendre avant le début de l’entraînement.

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.909-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/modeles/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

Exécutez localement avec Unsloth les nouveaux modèles Nemotron 3.5 de NVIDIA et le nouveau Muse Spark Open de Meta. Nouveautés : LLM à diffusion de texte, entraînement DeepSpeed et mise en cache des invites améliorée pour les agents de programmation.

#### Points forts

* **NVIDIA Nemotron 3.5 Bolt**: fonctionne avec 24 Go de mémoire. [Guide](https://unsloth.ai/docs/models/nemotron-3.5-bolt)
* **NVIDIA Nemotron 3.5 Super VL**: 120B (12B actifs) [Guide](https://unsloth.ai/docs/models/nemotron-3.5-super-vl)
* **Meta Muse Spark Open** : 816B (42,7B actifs) – fonctionne sur 256 Go [Guide](https://unsloth.ai/docs/models/muse-spark-open)
* **Meilleure mise en cache des invites pour les agents de codage** : Claude Code, Codex, etc., retraitent beaucoup moins de contenu de chaque invite avec des modèles GGUF locaux.
* **Utilisation du navigateur** : l’option « Toujours autoriser » fonctionne correctement, le curseur est disponible et chaque conversation dispose de ses propres onglets.
* **Génération d’images via vos connexions** : générez des images avec sd-server, Ollama, Lemonade et d’autres serveurs d’images.
* **LLM à diffusion** : entraînez et utilisez en conversation LLaDA, Dream, SDAR et bien d’autres modèles, avec un canevas de débruitage en direct.

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.908-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/modeles/nemotron-3.5-bolt.md" class="button secondary">Nemotron 3.5 Bolt</a><a href="https://unsloth.ai/docs/fr/modeles/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" %}

## Utilisation du navigateur + **Qwen-Image-2.1-Turbo**

Les modèles peuvent désormais utiliser le navigateur dans Unsloth. Activez l’utilisation du navigateur pour que votre modèle puisse ouvrir des pages, les lire, cliquer, saisir du texte et faire défiler le contenu sous vos yeux. Qwen-Image-2.1-Turbo est également disponible : il génère des images en seulement 8 étapes. Au programme aussi : l’entraînement des LLM à diffusion de texte, des GGUF MoE plus rapides et le décodage spéculatif sur Mac.

#### Points forts

* **Utilisation du navigateur.** Les modèles locaux peuvent prendre le contrôle du navigateur Unsloth
* **Qwen-Image-2.1-Turbo** : des images en 8 étapes (2,5 fois plus rapide). [Voir le guide](https://unsloth.ai/docs/models/qwen-image-2.1)
* **Entraînez des LLM à diffusion de texte** comme DiffusionGemma, LLaDA et Dream
* **Des GGUF MoE jusqu’à 3 fois plus rapides** même s’ils dépassent la mémoire de votre GPU
* **Décodage spéculatif sur Mac** pour des réponses MLX jusqu’à 2,8 fois plus rapides

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.906-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/modeles/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" %}

## Entraînez votre propre modèle de décision

Transformez n’importe quel LLM textuel ou visuel en modèle de décision de type Jev dans Unsloth, avec une précision décisionnelle qui passe de 30 % à 80 %. Entraînez, testez, exportez et déployez des modèles de décision directement depuis Unsloth. Au programme aussi : des modèles ComfyUI natifs, des améliorations de la diffusion et un meilleur navigateur dans Desktop.

#### Points forts

* **Transformez n’importe quel modèle en modèle de décision de type Jev.** Précision : de 30 % à 80 %
* **Chargez des modèles de diffusion ComfyUI** nativement dans Unsloth
* **Une diffusion plus rapide et plus précise** grâce à INT8 ConvRot et à d’autres améliorations
* **Un meilleur navigateur dans Desktop** avec de nombreuses corrections de bogues
* **Mise en bac à sable** avec Bwrap sous Linux, Seatbelt sous Mac et MXC sous Windows

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.904-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/notions-de-base/entrainez-votre-propre-modele-de-decision-avec-unsloth.md" class="button secondary">Guide des modèles de décision</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 + navigateur

Cette version ajoute un navigateur dans Unsloth (l’utilisation du navigateur arrivera très bientôt) : les fichiers, les pages Web et les pages HTML générées par le modèle s’ouvrent juste à côté de votre conversation. Elle comprend également [EmbeddingGemma 2](https://unsloth.ai/docs/models/embeddinggemma-2), le nouveau modèle d’intégration multimodale de Google, ainsi que de nouvelles pages audio et un entraînement moins gourmand en mémoire.

#### Points forts

* **Navigateur à côté de la conversation** pour les fichiers, les pages Web et le HTML généré par le modèle, sous forme d’onglets
* **EmbeddingGemma 2** : utilisez et affinez le nouveau modèle de Google pour le texte, le code, les images, la vidéo et l’audio [Guide](https://unsloth.ai/docs/models/embeddinggemma-2)
* **Pages audio** : Parler, cloner, générer de la musique, transcrire, modifier, séparer, convertir, avec plus de 70 modèles GGUF
* **Garder plusieurs modèles chargés**, ainsi que les moteurs vLLM et SGLang (en option)
* **Bac à sable** pour le code exécuté par le modèle, avec désormais un onglet Paramètres et la prise en charge de Colab et Docker
* **Aperçu en direct** pendant la génération d’images et de vidéos

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

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

## Palette de commandes + interface de bureau

Cette version rend Unsloth Desktop plus rapide et plus simple à utiliser grâce à une navigation améliorée, au partage des paramètres d’exécution, à des erreurs plus explicites, à des décisions Laya plus rapides, à une prise en charge élargie de Decision API et à un meilleur entraînement LoRA en 4 bits.

* **Palette de commandes Cmd/Ctrl+P** et paramètres d’exécution GGUF partageables.
* [**Les décisions Laya**](#laya-decision-models--library) **jusqu’à 4,1 fois plus rapides** avec la prise en charge de fournisseurs hébergés.
* **Erreurs plus explicites** grâce à des messages et des journaux améliorés pour le chargement et la génération.
* **Entraînement LoRA en 4 bits avec moins de mémoire** pour les checkpoints NVFP4, INT4 et MXFP4.

#### Bureau, chat et modèles

* Partager les paramètres d’exécution GGUF sans charger les modèles.
* Poursuivre les réponses et corriger directement dans le chat les erreurs de canevas HTML.
* Amélioration des avertissements sur l’adéquation des modèles, du chargement des images et des commandes de bureau.
* Ajout de la prise en charge du réglage fin avec `FastModel` pour T5, T5Gemma, BART, Marian et d’autres modèles.
* Ajout de `unsloth eval` pour évaluer les checkpoints et les adaptateurs LoRA.
* Amélioration de la prise en charge de l’entraînement et de la génération sur plusieurs GPU.

#### Entraînement de checkpoints en 4 bits

Les checkpoints préquantifiés sont désormais entraînés avec leurs poids compactés d’origine, ce qui réduit l’utilisation de la mémoire tout en préservant la précision.

* Qwen3.8-27B-NVFP4 utilise 40,2 Go de mémoire au pic, au lieu de 72,9 Go.
* Les checkpoints INT4 restent compactés au lieu d’être quantifiés à nouveau.
* Kimi-K2.7-Code et gpt-oss conservent leurs experts compactés pendant l’entraînement LoRA.

#### Mises à jour de Decision API, des images et de la plateforme

* Les modèles de décision Laya répondent jusqu’à 4,1 fois plus vite, et les fournisseurs hébergés sont accessibles via Connections.
* Les modèles d’image préservent les formats INT8/FP8 lors du déchargement, pour une génération plus rapide.
* Qwen-Image-2.1 génère des images de 1536×1536 jusqu’à 3,6 fois plus vite sur Radeon 8060S.
* Ajout de la prise en charge d’AMD sous Windows pour les GPU RX 5000–9000.
* Mise à jour de la prise en charge de MLX et des exports LoRA sur Mac vers PEFT ou GGUF.

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.902-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/modeles/decision-laya.md" class="button secondary">Guide des modèles de décision Laya</a>
{% endupdate %}

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

## Modèles de décision Laya + bibliothèque

Nous ajoutons la prise en charge des modèles de décision, une bibliothèque unifiée pour la documentation et les médias, une visionneuse de documents, de nombreuses améliorations pour Apple Silicon, la création de Skills, ainsi qu’une génération d’images et de vidéos environ 4,5 fois plus rapide.

* Exécuter et déployer **Modèles de décision** comme Laya (Jev open source), localement via une API compatible avec TypeSafe.
* **Éditeur de Skills** pour créer, modifier et supprimer des Skills directement dans Desktop.
* **ModelScope** Le téléchargement de modèles est désormais disponible pour les utilisateurs qui ne peuvent pas utiliser Hugging Face
* **Visionneuse de documents** pour les PDF, Word, Excel, PowerPoint et les discussions.
* Nouveau **Bibliothèque**: Gérez les discussions, les images, les vidéos et les fichiers depuis le nouvel onglet **Bibliothèque** .
* **Améliorations pour Apple Silicon** notamment le service par lots, les sorties structurées et le cache KV TurboQuant.
* Configurez la part d’un modèle attribuée à chaque GPU.
* **Génération d’images et de vidéos plus rapide** avec des clips LTX-2.3 environ 4,5 fois plus rapides et un décodage VAE 1,7 à 6,3 fois plus rapide.

<a href="https://github.com/unslothai/unsloth/releases/tag/v0.1.901-beta" class="button primary">Notes de version complètes</a><a href="https://unsloth.ai/docs/fr/modeles/decision-laya.md" class="button secondary">Guide des modèles de décision Laya</a>
{% endupdate %}

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

## Qwen-Image-2.1 + compétences

Vous pouvez désormais exécuter Qwen-Image-2.1 localement avec Unsloth ! Cette version inclut également des compétences d’agent personnalisées et une gestion simplifiée des discussions et des projets. Elle apporte aussi des blocs de raisonnement 2 fois plus rapides (60 FPS contre 30 FPS), un entraînement plus fiable et des installations et mises à jour Linux améliorées.

<a href="https://unsloth.ai/docs/fr/modeles/qwen-image-2.1.md" class="button primary">Guide Qwen-Image-1.2</a>

* **Prise en charge de Qwen-Image-2.1 :** Exécutez Qwen-Image-2.1 localement avec Unsloth pour générer des images.
* **Compétences d’agent personnalisées :** Ajoutez des compétences adaptées à des tâches précises, réutilisez celles de Claude Code et des dossiers `.agents` et sélectionnez-les dans la discussion avec `@`.
* **Discussions plus fluides :** Les longs blocs de raisonnement s’affichent désormais à 60 FPS, contre 30 FPS auparavant. Cette version comprend une interface de réflexion repensée, un affichage du code plus fluide et un chargement des modèles et des paramètres de discussion plus fiable.
* **Gestion simplifiée des discussions et des projets :** Faites glisser les discussions pour les réorganiser, les épingler ou les déplacer dans des projets sur toutes les plateformes. Modifiez les noms, les instructions et les dossiers des projets directement depuis la page Projets.
* **Meilleure gestion des modèles et du stockage :** Les modèles de vision peuvent voir les images renvoyées par les outils MCP. Réutilisez les modèles téléchargés sans en télécharger de doublons, et consultez ou videz les caches depuis les paramètres.
* **Entraînement et exportations plus fiables :** Reprenez les sessions d’entraînement précédentes avec des estimations précises du temps restant. Des correctifs améliorent les recettes de jeux de données Hugging Face, le mappage des colonnes et la sélection des divisions et des sous-ensembles. Les téléversements vers le Hub excluent les fichiers résiduels des exportations précédentes.
* **Prise en charge améliorée de Linux et d’AMD :** Mises à jour intégrées à l’application pour les installations Debian, installateur ARM64 natif pour Ubuntu 24.04 et versions ultérieures, et nouvelle image Docker AMD ROCm avec Unsloth Studio et JupyterLab.
  {% endupdate %}

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

## Prise en charge de Docker, du multi-utilisateur et d’AMD

Nous lançons notre nouvelle image Docker mise à jour, ainsi que les comptes multi-utilisateurs, la prise en charge de RDNA1 et RDNA2, de la diffusion FP8/INT8 et de CUDA sous Windows ARM64, et de nombreuses améliorations pour l’entraînement, GRPO et l’inférence

#### Points forts :

* Image Docker mise à jour avec prise en charge de NVIDIA et AMD : [Guide](https://unsloth.ai/docs/get-started/install/docker)
* Comptes multi-utilisateurs avec isolation : **Paramètres > Comptes**
* Inférence de diffusion d’images INT8/FP8 : 2 fois plus rapide
* Prise en charge de CUDA sous Windows ARM64 pour l’entraînement et l’inférence
* GRPO : prise en charge de Qwen3.5 et des dernières versions de TRL/vLLM
* Prise en charge d’AMD RDNA1 et RDNA2
* Détection et récupération améliorées des GPU NVIDIA sous Windows

#### Image Docker mise à jour

* Image CUDA et configuration de Studio mises à jour, caches préinstallés supprimés et correctifs d’entraînement Unsloth rétablis sur les hôtes équipés d’un GPU.
* Les données de Studio sont conservées sur un volume sans figer le code de l’application. Mises à jour améliorées, mots de passe générés, ports configurables et conservation des paquets.
* Ajout d’une image AMD ROCm pour les hôtes Linux pris en charge.

#### Comptes multi-utilisateurs

* Créez des comptes dans **Paramètres > Comptes** avec des codes de configuration à usage unique et des mots de passe individuels.
* Les comptes permettent de séparer les espaces de travail tout en partageant un modèle chargé lorsque les paramètres correspondent. Le comportement avec un seul compte reste inchangé.

#### Chat et raisonnement

* Modifiez, réorganisez et orientez les invites en attente, même pendant le chargement d’un modèle local.
* Ajout de budgets de raisonnement GGUF, d’une largeur de chat réglable, de la mise à l’échelle du bureau et d’un compositeur compact.
* Amélioration de la réactivité lors des raisonnements longs, de la préservation de l’historique des chats et de la gestion des fichiers et images générés par les outils.

#### Matériel et inférence

* MLX prend désormais en charge la vidéo, des optimisations MoE et de décodage facultatives, ainsi que des chats multimodaux plus fiables.
* Amélioration des estimations de mémoire GGUF, de la prise en charge de DGX Spark, de la détection NVIDIA, des vérifications NVLink et de l’ordre des GPU choisi par l’utilisateur.
* Ajout de la prise en charge native des paquets de bureau Windows ARM64, de Qwen3.5 `fast_inference` et de la détection des NPU Ascend.

#### Recherche et API

* Deep Research préserve mieux les rapports inachevés, gère les sorties JSON et signale les exécutions sans éléments probants. Les fichiers PDF numérisés bénéficient désormais d’une solution de repli OCR locale.
* Amélioration des commandes de raisonnement des fournisseurs, de la compatibilité MCP, des appels d’outils et du signalement des erreurs en flux continu.
* Ajout de `/v1/chat/completions`  avec prise en charge de la vidéo et accès API aux modèles Ollama installés.

#### Entraînement et installation

* Ajout du téléchargement de jeux de données Data Recipes et correction des exportations de réglages fins en 16 bits, des sauvegardes LoRA et de la publication sur Hub.
* Amélioration de la gestion des jeux de données, des estimations de mémoire d’entraînement et des sauvegardes de points de contrôle à l’arrêt des conteneurs. Les correctifs principaux concernent la normalisation, RoPE, Q-GaLore et la sélection des appareils distribués.
* Amélioration des installations Windows, de la réparation des paquets GPU, de la mise en cache des dépendances et des installations hors ligne vérifiées.

#### Sécurité et exécution des outils

* Renforcement de la protection des identifiants et de la validation des appels d’outils, avec des demandes d’autorisation pour l’accès aux fichiers en dehors du bac à sable.
* Ajout d’une prise en charge préliminaire de l’isolation des outils au niveau du système d’exploitation sur les hôtes Linux et macOS compatibles. L’accès réseau reste sans restriction ; le mode automatique conserve les protections existantes lorsque l’isolation du système d’exploitation n’est pas disponible.

<a href="https://unsloth.ai/docs/fr/commencer/install/docker.md" class="button primary">Guide Docker</a>
{% endupdate %}

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

## Qwen3.8-Flash et GLM-5.3 deux fois plus rapides

Exécutez [**Qwen3.8-Flash-Next**](https://unsloth.ai/docs/fr/modeles/qwen3.8-next.md) et [**GLM-5.3-Flash**](https://unsloth.ai/docs/fr/modeles/glm-5.3-flash.md) jusqu’à **2× plus vite** grâce à un décodage plus rapide et au MTP bonus, désormais activé par défaut. Cette version comprend également **plus de 170 améliorations** dans les domaines de l’entraînement, du chat, de la prise en charge matérielle, des API et des performances.

* Génération plus rapide avec Qwen et GLM grâce au MTP, ainsi qu’une meilleure utilisation des outils et des paramètres Qwen recommandés.
* Interface et expérience utilisateur beaucoup plus réactives dans tous les chats, en particulier lors des longues conversations
* Nouvelle prise en charge des modèles audio **MiniMax-Music3, Higgs et MOSS** , avec suivi de la progression et gestion des extraits.
* Chargement des modèles plus fiable sur les serveurs locaux et auprès des fournisseurs connectés.
* Modification des chats plus sûre, préservant les appels d’outils, les réponses, les médias et les branches de conversation.
* Amélioration de l’entraînement multi-GPU, de l’ajustement de la mémoire, du placement des modèles et des exportations GGUF.
* Amélioration de l’installation, de la détection et de la compatibilité GPU AMD/ROCm.
* Amélioration de la fiabilité de MCP, Deep Research, OAuth, des appels d’outils parallèles et des flux de travail des agents.
* Nouvelles API compatibles avec OpenAI pour **la vidéo, l’audio et les modèles servis par MLX**.
* Amélioration des mises à jour de bureau, du contrôle des ports LAN, des téléchargements et du nettoyage de la mémoire GPU.

<a href="https://unsloth.ai/docs/fr/modeles/qwen3.8-next.md" class="button primary">Qwen3.8-Flash-Next</a><a href="https://unsloth.ai/docs/fr/modeles/glm-5.3-flash.md" class="button primary">GLM-5.3-Flash</a><a href="https://unsloth.ai/docs/fr/modeles/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/fr/modeles/qwen3.8-next.md), [GLM-5.3-Flash](https://unsloth.ai/docs/fr/modeles/glm-5.3-flash.md) + [GLM-5.3](https://unsloth.ai/docs/fr/modeles/glm-5.3.md) peuvent désormais être exécutés localement dans Unsloth !

* Qwen3.8-Flash fonctionne avec 75 Go de RAM
* GLM-5.3-Flash fonctionne avec 102 Go de RAM + VRAM
* Jusqu’à 5 fois plus rapide pour le déchargement vers la RAM
* La compaction automatique répétée fonctionne désormais de manière fiable
* Plus de 100 améliorations du chat, de la fiabilité et des performances

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

<div align="left"><figure><img src="https://550366147-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

Modèle de raisonnement multimodal de 125 milliards de paramètres et aperçu préliminaire de l’architecture de Qwen4.

* GGUF dynamique 1 bit utilisable avec 75 Go de RAM ou de mémoire unifiée
* Contexte jusqu’à 262 K avec du texte et des images
* Modes de raisonnement Aucun, Faible, Moyen et Très élevé
* La conservation du raisonnement améliore la cohérence lors des longues conversations

#### GLM-5.3-Flash

Modèle multimodal de 320 milliards de paramètres, dont 18 milliards actifs.

* Modèle 1 bit utilisable avec 102 Go de RAM + VRAM combinées
* Contexte jusqu’à 1 M pour le texte, les images et les documents
* Modes de raisonnement Faible, Élevé et Maximum
* Amélioration des performances en programmation, pour les agents et en vision

#### Améliorations d’Unsloth

* Les grands fichiers GGUF sont automatiquement répartis entre le GPU et la RAM système
* Consultez les estimations de mémoire avant le chargement
* Les conversations sont récupérées après les déconnexions
* Amélioration de la vision avec plusieurs images et de la prise en charge des images MCP
* Exporter les conversations au format JSONL
* Amélioration des commandes de compaction automatique
* Correctifs pour Linux, NVIDIA Wayland, AMD et Windows

Pour exécuter ou entraîner les nouveaux modèles, vous pouvez télécharger Unsloth Desktop :

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

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

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

## Compaction automatique + accès au réseau local

Merci pour votre soutien à Qwen3.8-27B et à Unsloth Desktop la semaine dernière ! Pour notre [nouvelle `v0.1.801-beta` version](https://github.com/unslothai/unsloth/releases/tag/v0.1.801-beta), nous avons fusionné plus de 200 PR afin d’introduire de nombreuses nouveautés et corrections, notamment :

* **Compaction automatique (expérimentale)** pour prolonger les conversations au-delà des limites de contexte
* [**Accès à distance et au réseau local (aperçu)**](https://unsloth.ai/docs/fr/notions-de-base/lan.md) pour faciliter l’accès réseau sans liens Cloudflare
* **Chat plus rapide** - Performances de diffusion améliorées, latence de l’interface réduite et longues conversations plus fluides.
* Prise en charge des **versions personnalisées de llama.cpp**. Options pour la RAM cache, Mmap, Mlock, les points de contrôle, le cache KV du décodage spéculatif et l’activation/désactivation de la vision
* [Unsloth Dynamic v3.0](https://unsloth.ai/docs/basics/dynamic-3.0-ggufs) est disponible. Les fichiers GGUF Dynamic v3.0 de Qwen3.8-27B offrent une précision top-1 supérieure de plus de 10 % à celle de tous les autres. Compatible avec Unsloth.

#### Compaction automatique (expérimental)

Les longues conversations peuvent désormais dépasser les limites de contexte en déplaçant les anciens échanges vers une archive consultable.

* Les anciens échanges ne sont supprimés qu’en cas de besoin et restent consultables.
* De nouvelles époques de contexte améliorent le rappel sans tronquer définitivement les conversations.
* Utilise la recherche d’informations plutôt que le résumé pour une meilleure précision.

#### Accès à distance et au réseau local (aperçu)

Accédez à Unsloth depuis d’autres appareils de votre réseau.

* Nouveaux paramètres d’accès à distance.
* Contrôle sur le réseau local, codes QR et options de démarrage automatique.
* Désactivé par défaut pour des raisons de sécurité.

#### Améliorations du chat

* Conversations longues plus rapides et gestion des fils améliorée.
* Les projets permettent d’organiser les conversations, les fichiers et les espaces de travail.
* Ajout de la mise en file d’attente des prompts, de raccourcis, `edit_file`et d’une meilleure prise en charge des outils.

#### Matériel, inférence et API

* Prise en charge des versions personnalisées de llama.cpp et d’Intel XPU.
* Davantage de commandes d’inférence (cache, mmap, mlock, points de contrôle, décodage spéculatif, vision).
* Amélioration de la validation GPU, de la gestion de la VRAM et de la compatibilité.
* Sorties structurées dans l’API Responses.
* Récupération améliorée de llama-server.

Pour exécuter ou entraîner Qwen3.8, vous pouvez télécharger Unsloth Desktop :

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

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

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

## Qwen3.8

Qwen3.8-27B et Qwen3.8-2.4T peuvent désormais être exécutés localement dans Unsloth !

Exécutez-les avec 17 Go de RAM grâce aux GGUF Dynamic d’Unsloth. Vous pouvez également affiner Qwen3.8-27B dans Unsloth. Qwen3.8-27B est de loin le modèle le plus performant de sa catégorie de taille. Nous avons également publié des quantifications NVFP4.

<a href="https://unsloth.ai/docs/fr/modeles/qwen3.8.md" class="button primary">Guide d’exécution de Qwen3.8</a><a href="https://unsloth.ai/docs/fr/modeles/muse-glimmer/train.md" class="button secondary">Affiner Muse Glimmer</a>

<figure><img src="https://550366147-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>

Parmi les autres nouveautés d’Unsloth :

* Qwen3.8-27B + arguments llama-server supplémentaires autorisés + option de VRAM personnalisée
* Le fournisseur externe prend en charge les appels d’outils et les outils, ainsi que la connexion avec Codex
* Inférence MiniMax-H3 en FP8 rapide, 10 fois plus rapide (3 minutes au lieu de 30)
* Inférence 10 % plus rapide pour les GGUF + correction du contournement des autorisations
* Connecté [Les fournisseurs d’API](https://unsloth.ai/docs/fr/integrations/connections.md) peuvent utiliser leur propre recherche ou la recherche et les outils intégrés d’Unsloth Desktop. Les résultats des outils sont renvoyés au modèle, qui peut ainsi poursuivre des tâches en plusieurs étapes.
* Connectez-vous avec un abonnement Codex et utilisez les outils Codex dans le Chat.

Pour exécuter ou entraîner Qwen3.8, vous pouvez télécharger Unsloth Desktop :

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

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

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

## Découvrez Unsloth Desktop

Découvrez Unsloth Desktop 🦥, la première application de bureau permettant d’exécuter et d’entraîner des modèles localement.\
Open source. Fonctionne sur Mac, Windows et Linux

<figure><img src="https://550366147-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>

• Prise en charge de MLX, de la diffusion d’images et de vidéos, de l’audio et de GGUF\
• Connectez Claude Code et Codex à des LLM locaux\
• Appels d’outils 50 % plus précis et autoréparateurs + exécution de code en bac à sable\
• Compatible avec les configurations CPU et multi-GPU : NVIDIA, AMD, Intel et Mac\
• Entraînez des modèles 2 fois plus vite avec 70 % de VRAM en moins\
• Recherche Web privée, recherche approfondie, RAG, MCP et exports (NVFP4, GGUF)\
• Utilisez l’API compatible OpenAI d’Unsloth et des modèles cloud\
• Déployez des LLM à distance en toute sécurité et accédez-y depuis n’importe où

Vous pouvez télécharger Unsloth Desktop dès maintenant :

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

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

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

## Meta Muse Glimmer est disponible !

Meta a lancé Muse Glimmer, le premier modèle ouvert de Meta Superintelligence Labs. Muse Glimmer est un modèle dense de 30 milliards de paramètres développé par Meta, conçu pour les workflows locaux de type agent et de programmation. Publié sous licence Apache 2.0, Muse Glimmer 30B peut être exécuté avec Unsloth et les quantifications Dynamic d’Unsloth pour des performances optimales.

<a href="https://unsloth.ai/docs/fr/modeles/muse-glimmer.md" class="button primary">Exécuter Muse Glimmer</a><a href="https://unsloth.ai/docs/fr/modeles/muse-glimmer/train.md" class="button secondary">Affiner Muse Glimmer</a>

Muse Glimmer 30B peut être exécuté localement sur des configurations avec **20 Go de RAM/VRAM** , notamment sur Mac et avec des GPU. Vous pouvez également entraîner et affiner Muse Glimmer 30B avec Unsloth sur **20 Go de VRAM**.

Vous pouvez exécuter et affiner Muse Glimmer avec l’application Unsloth Desktop :

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

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

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

## Kimi K3 + recherche approfondie + discussions parallèles

Bonjour à toutes et à tous ! [Kimi K3](https://unsloth.ai/docs/fr/modeles/kimi-k3.md) peut désormais être exécuté en local avec les GGUF dynamiques d’Unsloth. Unsloth peut générer plusieurs discussions en parallèle, et le nouveau mode de recherche approfondie planifie, consulte et cite des sources à l’aide de votre modèle local.

Cette version apporte également une meilleure prise en charge des GPU [AMD](https://unsloth.ai/docs/fr/notions-de-base/amd.md) et Intel, l’entraînement DoRA, ainsi que de nombreuses corrections concernant les installateurs, MLX, l’exportation et l’inférence.

#### Kimi K3

de Moonshot AI **Kimi K3** est un modèle MoE de 2,8 T de paramètres, dont 104 G de paramètres actifs, avec prise en charge native de la vision et une fenêtre de contexte de 1 M. Kimi K3 fonctionne uniquement en mode raisonnement, et Unsloth prend en charge les niveaux de raisonnement faible, élevé et maximal.

Vous pouvez exécuter nos [GGUF dynamiques de Kimi K3](https://huggingface.co/unsloth/Kimi-K3-GGUF) avec Unsloth. Unsloth détecte automatiquement les configurations multi-GPU et peut décharger les couches du modèle vers la mémoire système.

Kimi K3 est un modèle très volumineux : prévoyez votre matériel en conséquence :

* `UD-IQ1_S` occupe 595 Go sur le disque.
* `UD-Q4_K_XL` occupe 1,51 To sur le disque.
* Pour une inférence sans perte, utilisez `UD-Q8_K_XL`, qui occupe 1,56 To sur le disque.

Consultez notre guide complet sur [Kimi K3](https://unsloth.ai/docs/models/kimi-k3) et découvrez-en davantage sur les [GGUF Unsloth Dynamic 2.0](https://unsloth.ai/docs/basics/unsloth-dynamic-2.0-ggufs).

#### Discussions parallèles

Unsloth peut désormais exécuter plusieurs conversations simultanément. Lorsque vous démarrez une **Nouvelle discussion** , la réponse précédente continue de se générer. Chaque conversation active dispose de son propre indicateur de progression et de son bouton Arrêter.

* 4 emplacements llama-server par défaut, configurables dans l’interface Web.
* Les outils, les fichiers importés, l’autoréparation et les agents restent isolés d’une discussion à l’autre.
* Arrêtez une discussion sans interrompre les autres ni redémarrer le serveur.
* Unsloth réduit le nombre d’emplacements lorsque la mémoire est limitée.
* Le rechargement du modèle interrompt toujours les discussions actives après confirmation.

#### Recherche approfondie

La recherche approfondie transforme un modèle local en un processus de recherche complet. Posez-lui une question : il élaborera un plan, effectuera des recherches sur le Web, organisera les éléments recueillis et produira un rapport avec des citations.

* Examinez et modifiez le plan avant le début des recherches.
* Suivez sa progression et les sources recueillies pendant son travail.
* Reprenez ou annulez la recherche sans perdre les travaux déjà effectués.
* Autorisez ou bloquez des sites Web pour contrôler le choix des sources.
* Les sources et les citations restent enregistrées pour chaque exécution.
* Avant de rédiger, Unsloth vérifie la présence d’affirmations non étayées, de contradictions et de lacunes non résolues. Les recommandations dépourvues de preuves directes sont signalées comme des déductions vérifiables.

Une seule exécution peut être active par discussion. La recherche approfondie fonctionne actuellement avec les modèles locaux. L’ancrage facultatif au contenu intégral des pages peut importer les principaux résultats de recherche dans un RAG temporaire avant la synthèse ; activez-le avec `UNSLOTH_RESEARCH_AUTO_SCRAPE=1`. Cette option est désactivée par défaut, car elle rallonge le temps consacré à l’extraction et nécessite davantage de contexte.

#### Prise en charge améliorée d’AMD

Cette mise à jour s’appuie sur notre première [Guide de publication et de configuration pour AMD](https://unsloth.ai/docs/basics/amd) avec la prise en charge de davantage de GPU et une inférence et un entraînement ROCm plus fiables.

* Détection améliorée des GPU RDNA2, Radeon, Ryzen, Strix Halo et des GPU pour stations de travail.
* MI50 et Radeon VII prennent en charge LoRA 16 bits et le réglage fin complet sous Linux.
* Correction des NaN en 4 bits, des conflits de bibliothèques et des longs blocages au démarrage sur RDNA.
* Les GPU HIP non pris en charge sous Windows peuvent utiliser Vulkan à la place.
* Les appareils Vulkan affichent leur véritable nom et peuvent être sélectionnés individuellement.
* Les nouvelles installations de Windows ne nécessitent plus Winget ni d’outils de développement.

#### Mises à jour de l’entraînement, des modèles et des plateformes

* Intel XPU permet le chat local et l’entraînement sur les GPU Intel Arc et Data Center.
* DoRA est disponible en plus de LoRA et du réglage fin complet.
* Les exportations volumineuses peuvent utiliser tous les GPU visibles pour éviter les limites de mémoire du GPU 0.
* MLX ajoute les jeux de données en flux, la poursuite du préentraînement, les rappels et une meilleure prise en charge des VLM et de LoRA.
* Correction de la sortie incorrecte du modèle `flash_attention_2` .
* Unsloth et les utilitaires de sauvegarde fonctionnent désormais sans bitsandbytes.
* Correction des jeux de données `.json` et de la configuration des notebooks Qwen3.5/3.6 MoE et GRPO.
* Les dossiers de téléchargement depuis le Hub sont plus faciles à trouver et à ouvrir.
* Les notes de version sont disponibles dans la fenêtre contextuelle de mise à jour d’Unsloth.
* `unsloth start --as-subagent` permet à Codex, Claude Code et Pi de déléguer des tâches à un modèle Unsloth local.
  {% endupdate %}

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

## La prise en charge d’AMD est là !

Bonjour à tous ! Cette version apporte l’entraînement et l’inférence de LLM en local sur les GPU [AMD](https://unsloth.ai/docs/fr/notions-de-base/amd.md) sous Windows, WSL et Linux.

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

À partir d’aujourd’hui, notre collaboration avec AMD, nos noyaux Triton personnalisés et nos algorithmes mathématiques vous permettent d’entraîner et d’exécuter plus de 500 modèles sur les GPU Radeon, Instinct, Vulkan, Ryzen et pour centres de données d’AMD, jusqu’à 2 fois plus rapidement avec 70 % de VRAM en moins et sans perte de précision. Les versions optimisées de ROCm prennent également en charge l’inférence GGUF et Safetensors.

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

#### Mise à jour du 23 juillet

1. Ajout de la prise en charge de **RDNA2, Gorgon Halo et Vulkan** + correction de la détection des GPU lors de l’installation d’AMD sur Strix Halo et d’autres GPU AMD
2. Amélioration de la détection et de la correction automatique des erreurs RDNA4, HIP et ROCm
3. **Mémoire unifiée 2 fois plus rapide** Chargement des Safetensors AMD et accélération considérable du gradient checkpointing pour les appareils à mémoire unifiée
4. Ajout de la **dictée vocale / whisper.cpp** prise en charge préliminaire de la synthèse vocale rapide
5. Correction de l’espace disque de 5 Go consommé par le retour aux environnements antérieurs pendant les installations : le nettoyage est désormais automatique

#### Entraînez des LLM localement sur AMD

* Entraînez des modèles, exécutez du RL, discutez avec eux et déployez-les localement sur des GPU AMD.
* Détection et installation des GPU AMD plus fiables sous Windows, WSL et Linux.
* Compatibilité ROCm améliorée pour les GPU AMD MI300X et MI325X.
* Accédez à Unsloth à distance avec `unsloth studio --secure` via HTTPS gratuit avec Cloudflare

#### Exécutez des modèles plus volumineux sur votre matériel

* Utilisez le placement automatique sur le GPU ou choisissez précisément les GPU et les couches du modèle à utiliser.
* Déplacez les couches experts MoE vers la mémoire système pour faire tenir des modèles plus volumineux.
* Répartissez les modèles sur plusieurs GPU ou utilisez le parallélisme tensoriel.
* Enregistrez les paramètres matériels séparément pour chaque modèle et chaque quantification.

#### Redémarrage plus rapide des conversations et téléchargements plus fiables

* Reprenez les longues conversations sans reconstruire tout l’historique après qu’un modèle inactif a libéré sa VRAM.
* Les téléchargements XET de Hugging Face bloqués sont automatiquement relancés via HTTP standard.
* Les fichiers GGUF existants sont réutilisés au lieu d’être téléchargés à nouveau à chaque chargement d’un modèle.

#### Recherche, outils et agents améliorés

* La recherche Web peut désormais lire les articles scientifiques, les manuels et les autres résultats au format PDF.
* Les appels d’outils parallèles, la sortie de raisonnement et les nouvelles tentatives d’appel d’outils sont plus fiables.
* Un nouvel endpoint MCP facultatif permet aux clients d’IA compatibles d’inspecter les modèles et l’historique d’entraînement, de démarrer ou d’arrêter l’entraînement, de charger des points de contrôle, de valider des recettes et d’exporter des fichiers GGUF.
  * Activez-le avec `UNSLOTH_STUDIO_ENABLE_MCP=1` et définissez le jeton bearer requis avec `UNSLOTH_STUDIO_MCP_TOKEN`.

#### Corrections de l’entraînement et de l’exportation

* L’entraînement sur du texte seul avec des modèles multimodaux ne tronque plus les exemples longs avant leur assemblage.
* Les modèles Qwen3.5 et Qwen3.6 MTP affinés s’exportent désormais correctement au format GGUF.
* Correction d’une erreur d’autorisation sous Windows qui pouvait interrompre les exportations GGUF lors de l’écriture finale.

#### À ne pas manquer

La précédente version de Studio a ajouté les modèles Dynamic NVFP4, une personnalisation plus poussée, sept nouvelles langues d’affichage, des agents plus sûrs et l’accélération GPU Vulkan.

**Dynamic NVFP4 :**

Unsloth Dynamic NVFP4 conserve les couches sensibles à la précision en FP8 ou BF16, tandis que les autres s’exécutent en W4A4. Sur les GPU NVIDIA Blackwell, cela permet une inférence jusqu’à 2,5 fois plus rapide, tandis que les caches KV FP8 calibrés offrent un contexte jusqu’à deux fois plus long.

Consultez le guide [Dynamic NVFP4](https://unsloth.ai/docs/basics/nvfp4) et découvrez notre [collection NVFP4 élargie](https://huggingface.co/collections/unsloth/nvfp4), qui comprend Qwen3.6, Qwen3.5, Inkling, GLM-4.7 Flash et Gemma 4.

**Personnalisez votre Studio :**

Choisissez parmi les palettes de couleurs Standard, Classic et Minimal, chacune proposée en mode clair et sombre. Vous pouvez aussi personnaliser les couleurs, importer des polices et régler la taille de police, le contraste, la réduction des animations et bien plus encore.

Unsloth comprend également un onglet de paramètres vocaux pour la dictée, le dictionnaire personnalisé et la lecture à voix haute.

**Nouvelles langues :**

Unsloth Studio est désormais disponible en français, allemand, espagnol, hindi, arabe, russe et coréen, en plus du chinois simplifié, du japonais et du portugais (Brésil). La détection automatique de la langue du navigateur est désormais activée par défaut.

**Des agents plus sûrs :**

Un sélecteur d’autorisation des appels d’outils à quatre niveaux —**Demander**, **Approuver à ma place**, **Désactivé** et **Accès complet**— offre un contrôle plus précis des agents. L’isolation de l’espace de travail des agents et des vérifications d’installation plus sûres réduisent également le risque de modifications involontaires.
{% endupdate %}

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

## Personnalisation, NVFP4 et langues

Salut tout le monde, nous avons plein de nouveautés pour Unsloth, notamment en matière de personnalisation. Unsloth est désormais personnalisable à votre goût : trois palettes de couleurs, avec des couleurs et des polices personnalisées, sept nouvelles langues d’affichage et un nouvel onglet de paramètres vocaux pour la dictée et la lecture à voix haute. Les agents sont plus sûrs grâce à un sélecteur d’autorisation des appels d’outils à quatre niveaux (Demander, Approuver à ma place, Désactivé, Accès complet) et à l’isolation de l’espace de travail. Enfin, les GPU Intel bénéficient de l’inférence accélérée par GPU grâce à la nouvelle prise en charge de Vulkan dans `llama.cpp` .

Nous avons également ajouté la prise en charge native d’ [Inkling](https://unsloth.ai/docs/models/inkling), un modèle ouvert de 975 milliards de paramètres, dont 41 milliards actifs, avec une fenêtre de contexte pouvant atteindre un million de jetons. Sous licence Apache 2.0, il accepte le texte, les images et l’audio, et génère du texte.

#### NVFP4 dynamique

Nous avons enrichi notre [collection NVFP4](https://huggingface.co/collections/unsloth/nvfp4) avec des versions quantifiées de Qwen3.6, Qwen3.5, Inkling, GLM-4.7 Flash et Gemma 4.

Consultez le [guide NVFP4 dynamique](https://unsloth.ai/docs/basics/nvfp4) pour en savoir plus.

Personnalisez votre Unsloth

Unsloth ne se limite plus aux modes clair et sombre :

* Choisissez parmi les palettes **Standard**, **Classique**, et **Minimaliste** , chacune avec une variante claire et une variante sombre.
* Personnalisez les couleurs d’accentuation, d’arrière-plan et de premier plan.
* Importez vos propres polices pour l’interface, les titres, le chat et le code.
* Réglez la taille de la police, le contraste, les animations, le comportement du curseur et le lissage des polices.
* Recherchez dans les paramètres et synchronisez vos préférences entre vos appareils.

Les modes clair et sombre conservent leurs propres paramètres de personnalisation.

#### Sept nouvelles langues

Unsloth prend désormais en charge le français, l’allemand, l’espagnol, l’hindi, l’arabe, le russe et le coréen, en plus du chinois, du japonais et du portugais. La détection automatique de la langue du navigateur est désormais activée par défaut.

#### Paramètres vocaux

Un nouvel onglet Voix ajoute des commandes pour la dictée, les dictionnaires de prononciation et la lecture à voix haute. La reconnaissance vocale et la synthèse vocale seront bientôt disponibles ; les conversations vocales complètes sont encore en développement.

#### Des agents et appels d’outils plus sûrs

L’ancien bouton de contournement est désormais un sélecteur de permissions à quatre niveaux :

* **Demander :** approuver chaque appel d’outil.
* **Approuver à ma place :** exécuter automatiquement les actions en lecture seule et suspendre les actions potentiellement dangereuses.
* **Désactivé :** désactiver les appels d’outils.
* **Accès complet :** autoriser tous les appels et désactiver le bac à sable.

Ces commandes couvrent les outils de terminal, Python, de recherche Web, RAG et MCP. Les agents bénéficient également d’espaces de travail isolés, de sessions reprenables avec `--persist`, d’avertissements plus sûrs concernant les programmes d’installation distants, de la diffusion en direct des sorties des outils et d’une extraction Web améliorée.

#### Vulkan et `llama.cpp`

Le nouveau backend Vulkan de `llama.cpp` permet aux GPU Intel d’effectuer l’inférence avec accélération GPU, plutôt que de basculer sur le processeur. Il prend en charge la gestion de la VRAM existante, le dimensionnement automatique du contexte, la sélection de plusieurs GPU et le déchargement de couches.

Les utilisateurs AMD peuvent l’activer avec :

```bash
UNSLOTH_FORCE_VULKAN=1
```

Nous avons également amélioré la fiabilité des mises à jour, la récupération de l’état des modèles et l’interruption des générations bloquées.

#### Modèles et entraînement

Cette version comprend également :

* La prise en charge native d’Inkling et des améliorations multi-GPU pour B200.
* L’attention eager de DeepSeek-V4 et des experts groupés FP8 entraînables.
* Un entraînement fiable portant uniquement sur les complétions, grâce à la détection automatique des marqueurs de modèles de chat.
* Correction de la gestion de la désactivation du checkpointing des gradients.
* Amélioration de la mise à l’échelle RoPE et de l’extension du contexte.
* Arrêt forcé des entraînements bloqués.
* Routage automatique pour les nouvelles architectures de modèles et les versions récentes de Transformers.
  {% endupdate %}

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

## DeepSeek-V4 + NVFP4

Unsloth peut désormais exporter des fichiers GGUF NVFP4, FP8 et imatrix après l’entraînement, agir comme système d’API llama-swap, prendre en charge le japonais et le portugais brésilien, et inclut MLX, safetensors, les appels d’outils, la réparation et bien plus encore. Unsloth core accélère GRPO de 1,3×, ajoute une solution de repli HTTP pour les téléchargements bloqués, améliore le mode hors ligne, accélère de 3 à 5× l’entraînement MoE et corrige de nombreux bogues. Cette série de versions utilise `unsloth>=2026.7.1`.

[DeepSeek-V4-Flash](https://unsloth.ai/docs/fr/modeles/deepseek-v4.md) est désormais pris en charge avec des options de bascule du mode Thinking et les corrections apportées à notre modèle de conversation amélioré.

<div data-with-frame="true"><figure><img src="https://550366147-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>

#### Service d’API compatible avec OpenAI plus intelligent

Exécutez un seul point de terminaison d’API local, avec un échange de modèles plus sûr et une meilleure récupération des agents et outils.

* Les requêtes API peuvent opter pour le basculement automatique entre les fichiers GGUF locaux téléchargés, tandis que les noms de modèles inconnus continuent d’utiliser le modèle actuel en toute sécurité.
* `/v1/models` renvoie désormais des identifiants de modèles propres et le catalogue GGUF local au lieu des chemins locaux `.gguf` .
* Le déchargement automatique en cas d’inactivité peut libérer de la VRAM, et la réparation des appels d’outils peut désormais être contrôlée pour chaque requête.

#### Améliorations des exports

Les exports sont plus flexibles et évitent les téléchargements inutiles.

* Sélectionnez plusieurs formats d’export à la fois, notamment FP8/INT8 portables, GGUF LoRA, exports correspondant à la source, GGUF imatrix et FP8/FP4 compressés.
* Les exports multi-checkpoints évitent davantage de téléchargements répétés du modèle de base.
* Les exports FP8, INT8 et GGUF-LoRA respectent désormais `trust_remote_code`, et l’export GGUF gère plus fiablement l’absence de paramètres de quantification.

#### RAG et discussion avec des fichiers

La discussion avec des fichiers est plus utile avec des documents réels.

* Les pièces jointes RAG peuvent désormais utiliser le contexte du document entier, avec des modèles d’intégration personnalisables et la recherche Hugging Face.
* La discussion avec des fichiers lit correctement davantage de PDF et de documents Word, y compris le texte de droite à gauche, les textes en langues indiennes et les tableaux DOCX.
* Les vérifications RAG locales sont plus fiables dans les environnements utilisant un proxy.

#### Finitions et fiabilité d’Unsloth

L’utilisation au quotidien devrait être plus fluide et plus stable.

* Les longues sessions d’entraînement et de discussion risquent moins de se bloquer sans avertissement.
* Le mode de comparaison, le changement et l’annulation de modèles, la navigation dans le Hub et Hub Discover sont plus fiables.
* Les exports de projets et de discussions, les paramètres, les visites guidées, les boîtes de dialogue de fichiers, les écrans de mise à jour et l’interface de raisonnement sont plus clairs et cohérents.

#### Correctifs pour l’installation, le matériel et les plateformes

L’installation et l’exécution d’Unsloth sont plus fiables sur toutes les plateformes.

* Sur macOS, l’installation ne nécessite plus CMake ni Homebrew lorsqu’une version précompilée de `llama.cpp` est disponible, et la prise en charge d’Apple Silicon gère mieux les chemins contenant des espaces et le dimensionnement de la mémoire unifiée.
* Le démarrage de Windows, la gestion de l’UTF-8, les intégrations RAG avec ROCm et la prise en charge du GPU ROCm sous WSL ont été améliorés.
* La sélection des versions précompilées pour les GPU Blackwell, la vérification de la compatibilité GGUF, le parallélisme tensoriel pour les GGUF vision/mmproj et la réutilisation locale de `llama.cpp` sont désormais plus fiables.

#### Entraînement, modèles et noyaux

L’entraînement et le chargement des modèles sont plus fiables dans un plus grand nombre de configurations.

* GRPO prend désormais en charge le regroupement des séquences par défaut, évite de répéter les invites partagées et gère correctement la mise à l’échelle des logits DDP.
* L’affinage complet, les paramètres de précision RL, le checkpointing des gradients, les tampons RoPE DDP et la détection de LoRA MoE ont été corrigés.
* La quantification/déquantification FP8, la mise à l’échelle RoPE de Llama 3 avec Transformers v5, le rechargement de LoRA avec PEFT 0.19 et les messages d’erreur de `fast_generate` ont été améliorés.
  {% endupdate %}

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

## GLM 5.2 + Hub + contextes 3 fois plus longs

[GLM-5.2](https://unsloth.ai/docs/fr/modeles/glm-5.2.md) est désormais pris en charge dans Unsloth Studio ! Tous les niveaux de raisonnement sont pris en charge. **Des contextes 3 fois plus longs** sont désormais possibles grâce à notre nouvel algorithme d’ajustement automatique avec MTP, qui permet des conversations plus longues. Mode de contournement des autorisations, conversations ramifiables et mises en file d’attente, nouveau hub de découverte de modèles, modules parallèles, prise en charge de HTTPS via Cloudflare et bien plus encore ! Utilisez `unsloth studio --secure` pour un accès HTTPS mondial sécurisé !

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

#### Meilleur algorithme de calcul de la longueur du contexte

Comme indiqué dans [PR 1](https://github.com/unslothai/unsloth/pull/6312) et [PR 2](https://github.com/unslothai/unsloth/pull/6447), nous avons grandement amélioré l’estimation de l’utilisation de la mémoire et de la longueur du contexte dans Unsloth Studio, ce qui permet d’obtenir des contextes jusqu’à 3 fois plus longs :

| Scénario                                 | KV               | avant   | après   |
| ---------------------------------------- | ---------------- | ------- | ------- |
| Pipeline 1 × 32 Go (\~31 Go disponibles) | f16              | 23,040  | 64,000  |
|                                          | q8\_0            | 43,520  | 114,944 |
|                                          | q4\_0            | 82,432  | 199,680 |
| Pipeline 2 × 32 Go                       | n’importe lequel | 262,144 | 262,144 |
| Tensor 2 × 24 Go (\~23 Go disponibles)   | f16              | 134,049 | 262,144 |
|                                          | q8\_0            | 252,329 | 262,144 |

#### Canvas de chat, embranchements et mise en file d’attente

* Modifiez les messages de l’assistant directement dans le fil et relancez la génération à partir de n’importe quel point.
* Créez une branche à partir d’un fil pour poursuivre la conversation sans perdre l’originale.
* Conversations temporaires (incognito) qui ne laissent aucune trace.
* Mettez de nouveaux prompts en file d’attente pendant une génération, au lieu d’attendre qu’elle se termine.
* Les « artefacts » de chat sont désormais des **canvas**, avec des **cartes HTML canvas intégrées** qui s’affichent automatiquement, une vue Code, et le code brut de DiffusionGemma reste visible dans le fil au lieu d’être réduit.
* La recherche dans les chats porte désormais sur tous les messages et affiche vos propres messages en premier.

#### Hub (repensé)

* Un Hub en pleine page avec un fil des tendances, une recherche et la prise en charge de chemins de modèles personnalisés.
* Aperçu du README dans un fil en affichage partagé, pour le consulter avant le téléchargement.
* Les téléchargements utilisent par défaut le transport plus rapide **Xet** , avec un basculement automatique vers HTTP si un transfert se bloque.
* Nouvelle option « Charger lors de la sélection » pour définir les paramètres de chargement avant le chargement d’un modèle.
* Le logo Google s’affiche pour DiffusionGemma et les futurs modèles dérivés de Gemma.

#### Modèles et inférence

* DeepSeek-OCR et d’autres modèles de vision se chargent et s’exécutent désormais sans erreur.
* L’inférence rapide avec la dernière version de vLLM (0.22+) est corrigée : les accélérations fonctionnent de nouveau.
* Le parallélisme tensoriel est plus fiable : si le chemin MTP plus rapide échoue, le système récupère désormais automatiquement au lieu de planter.
* DiffusionGemma montre désormais l’image se former en direct pendant la débruitage, avec des statistiques de vitesse précises.

#### Sécurité et studios chiffrés avec Cloudflare

* Nouveau `--secure` Mode Cloudflare uniquement pour les studios chiffrés de bout en bout, avec les outils côté serveur qui restent activés sous `--secure`. Utilisez `unsloth studio --secure`!
* Le mode Bypass Permissions permet d’ignorer les confirmations et de désactiver le bac à sable des outils lorsque vous le souhaitez.
* Détection automatique de l’analyse antivirus de Hugging Face et des fichiers dangereux dans les dépôts.

#### Journalisation et API

* Nouveau **Moniteur du serveur API** dans Unsloth.
* Appels API plus rapides et latence réduite
* Journaux bien mieux organisés et simplifiés, avec désormais le débit et la latence, et beaucoup moins de journaux superflus.

#### Matériel et back-end

* Meilleure prise en charge des GPU Blackwell RTX 50X et 60X
* Correction du basculement silencieux vers le processeur au lieu du GPU
* La version de torchao est désormais sélectionnée en fonction de la version de torch installée.
* Le programme d’installation répare désormais automatiquement les installations PyTorch endommagées ou limitées au processeur et signale les basculements silencieux vers le processeur, sur NVIDIA et AMD, sous Windows, Linux, Mac et WSL.
* Libère la VRAM du modèle de chat au démarrage de l’entraînement, mais uniquement lorsque la mémoire du GPU est réellement saturée (aucun rechargement inutile sinon).
* Si llama-server plante au démarrage, Unsloth tente désormais plusieurs étapes de récupération au lieu d’échouer immédiatement.

#### Entraînement, corrections générales et modules parallèles

* Mises à jour de l’entraînement MLX.
* Fiabilité améliorée de l’entraînement GRPO avec vLLM.
* Démarrage de l’entraînement plus fiable, avec des messages d’erreur plus clairs pour les lots VLM non valides.
* Unsloth nettoie désormais plus fiablement les processus de back-end résiduels après les plantages, les redémarrages ou les arrêts interrompus.
* L’exportation, le chat, l’entraînement et les recettes sont désormais indépendants et cloisonnés ! Vous pouvez donc maintenant effectuer ces quatre opérations en parallèle. Vous pouvez discuter ou lancer l’inférence pendant l’entraînement ou l’exportation !

Pour mettre à jour Unsloth ou installer une nouvelle version d’Unsloth Studio, utilisez :

**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

Veillez à installer la dernière version [`v0.1.464-beta`](https://github.com/unslothai/unsloth/tree/v0.1.462-beta) ou `2026.6.7`. [DiffusionGemma](https://unsloth.ai/docs/models/diffusiongemma), [Gemma 4 MTP](https://unsloth.ai/docs/models/mtp) et [**MiniMax-M3**](https://unsloth.ai/docs/models/minimax-m3) sont désormais tous pris en charge.

* Exécutez et entraînez [DiffusionGemma](https://unsloth.ai/docs/models/diffusiongemma) avec [Unsloth Studio](https://unsloth.ai/docs/new/studio).
* [Gemma 4 MTP](https://unsloth.ai/docs/models/mtp) est arrivé ! Exécutez [Gemma 4](https://unsloth.ai/docs/models/gemma-4) environ 2 fois plus vite avec MTP.
* Le chat audio est désormais pris en charge pour Gemma 4 (`wav`, `mp3`, `m4a`, `flac`, `webm`).
* Preserve Think ajouté à Gemma 4.

<figure><img src="https://550366147-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 + gestionnaire de téléchargements (expérimental)

* Ajout d’une nouvelle **page Hub** pour parcourir, télécharger et gérer des modèles et des jeux de données Hugging Face.
* Unsloth peut désormais détecter les modèles et les jeux de données déjà présents sur votre machine et les afficher avec les ressources téléchargées.
* Les modèles GGUF [téléchargés](https://unsloth.ai/docs/basics/inference-and-deployment/saving-to-gguf) disposent désormais d’actions directes **Exécuter / Nouvelle discussion** .

#### RAG / Discussion avec des fichiers (expérimental)

* Ajout de la fonctionnalité [**Discussion avec des fichiers**](https://unsloth.ai/docs/new/studio/chat) dans Unsloth, qui vous permet de poser des questions sur vos propres documents et bases de connaissances.
* Prise en charge de la recherche hybride, des citations, des aperçus PDF, des documents par fil de discussion et d’un outil `search_knowledge_base` intégré.

#### Nouveau bouton de mise à jour et prise en charge matérielle

* Unsloth utilise désormais des versions précompilées de [llama.cpp](https://unsloth.ai/docs/new/changelog) constamment actualisées pour CUDA, ROCm, Windows, Linux et macOS.
* Ajout d’un bouton intégré à l’application **Mettre à jour llama.cpp** pour permettre aux utilisateurs de mettre à jour le moteur local sans réinstaller Unsloth.
* Amélioration de la prise en charge d’AMD sous Windows / WSL, [de la prise en charge de ROCm pour Strix Halo](https://unsloth.ai/docs/get-started/install/amd), [et de la sélection CUDA pour Blackwell](https://unsloth.ai/docs/blog/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth), ainsi que des messages de l’installateur, désormais plus clairs.

#### Discussion locale, outils et compatibilité des API

* L’appel d’outils local [est plus fiable, avec un meilleur ordre d’affichage des cartes d’outils, moins de boucles d’outils en double et la prise en charge de l’utilisation d’outils avec les modèles de vision GGUF.](https://unsloth.ai/docs/basics/tool-calling-guide-for-local-llms) L’appel d’outils local est plus fiable, avec un meilleur ordre d’affichage des cartes d’outils, moins de boucles d’outils en double et la prise en charge de l’utilisation d’outils avec les modèles de vision GGUF.
* Amélioration du comportement des API compatibles avec [OpenAI](https://unsloth.ai/docs/basics/inference-and-deployment/llama-server-and-openai-endpoint) et Anthropic pour les serveurs Unsloth locaux, avec notamment une meilleure gestion des erreurs, de l’utilisation des jetons et des raisons d’arrêt, ainsi que la [compatibilité avec Claude Code](https://unsloth.ai/docs/basics/claude-code).

#### Entraînement et corrections

* Amélioration de la prise en charge de [MLX](https://unsloth.ai/docs/new/studio/install) avec des libellés de modèles plus clairs, des statistiques de vitesse de génération et des corrections pour [l’entraînement des VLM](https://unsloth.ai/docs/basics/vision-fine-tuning).
* Correction de plusieurs cas limites liés à [l’entraînement](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide) et aux [jeux de données](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide/datasets-guide) , notamment les caches Hugging Face en lecture seule et les correspondances personnalisées de jeux de données.
* Ajout de nombreuses améliorations de l’interface dans le chat, les menus, le sélecteur de modèles, le mode sombre, l’importation et l’exportation, ainsi que les paramètres.

Pour mettre à jour Unsloth ou installer une nouvelle version d’Unsloth Studio, utilisez :

**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, nouvelle interface, MCP, projets

Cette mise à jour porte principalement sur Gemma 4 12B, MCP, les projets, Canvas, CUDA 13.3 et la nouvelle interface du chat. La semaine prochaine, une mise à jour encore plus importante sera disponible.

<div data-with-frame="true"><figure><img src="https://550366147-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 lance [Gemma 4 12B](https://unsloth.ai/docs/models/gemma-4), un nouveau modèle qui fonctionne en local avec 8 Go de RAM. [GGUF](https://huggingface.co/unsloth/gemma-4-12b-it-GGUF) / [Guide](https://unsloth.ai/docs/models/gemma-4)

Gemma 4 12B Unified prend en charge les images, l’audio et un contexte de 256K. Exécutez et entraînez le modèle avec Unsloth Studio.

#### MCP

* À distance `MCP` prise en charge des serveurs, notamment des en-têtes personnalisés et d’OAuth
* Local, basé sur des commandes `MCP` prise en charge des serveurs
* `MCP` peut désormais être activé depuis le compositeur de chat
* Préréglages intégrés pour les cas d’usage courants `MCP` serveurs

#### Nouvelle interface de chat

* Projets, Canvas, `MCP`, RAG et les commandes Comparer sont désormais accessibles dans le menu Plus
* Les commandes Rechercher et Code sont plus faciles d’accès depuis la zone de saisie
* Les menus, superpositions, icônes et commandes cliquables sont plus cohérents dans l’ensemble d’Unsloth

#### Projets

* Organisez les conversations associées dans des espaces de travail dédiés aux projets
* Déplacer les discussions existantes vers des projets
* Créer et gérer des projets directement depuis la barre latérale

#### Canvas / Artifacts expérimental

* Ouvre le HTML généré dans un panneau Canvas dédié au sein d’Unsloth Studio
* Prend en charge les sorties interactives, notamment les visualisations dans le navigateur et les packages chargés depuis un CDN
* Permet de basculer entre l’aperçu rendu et le code source

#### Installation, exécution et matériel

* Les installations précompilées pour Windows ne nécessitent plus la vérification préalable du `CUDA Toolkit` précoce
* Linux `llama.cpp` les versions précompilées correspondent désormais à l’environnement d’exécution détecté `cudart` majeur
* `ROCm` la détection de gfx est transmise à la sélection des versions précompilées
* `Blackwell`, `B300` et `ARM64` Mises à jour de la prise en charge de Linux

Pour mettre à jour Unsloth ou installer une nouvelle version d’Unsloth Studio, utilisez :

**macOS, Linux, WSL :**

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

**Windows :**

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

{% hint style="warning" %}
**À NE PLUS UTILISER `unsloth studio update` désormais, car le paquet ne recevra pas les dernières mises à jour !**
{% endhint %}
{% endupdate %}

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

## CUDA 13.3, Windows et Mac

**Pour mettre à jour Unsloth ou installer une nouvelle version d’Unsloth Studio, utilisez :**

**macOS, Linux, WSL :**

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

**Windows :**

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

{% hint style="warning" %}
**À NE PLUS UTILISER `unsloth studio update` désormais, car le paquet ne recevra pas les dernières mises à jour !**
{% endhint %}

#### Mises à jour pour Mac

* Réactivé `llama.cpp` binaires précompilés pour Apple Silicon (M1 à M4) – Mac OS 14 / 15 / 26 (Tahoe)
* La compilation pour Apple Silicon sous Mac OS 13 (Ventura) se fait à partir des sources
* La version Intel (x86\_64) pour Mac OS 13.3 / 14 / 15 / 26 (Tahoe) utilise `llama.cpp` des binaires précompilés
* La version Intel pour Max 13.0 à 13.2 se compile à partir des sources

#### Mises à jour pour Windows

* CUDA 13.3 `llama.cpp` les binaires précompilés fonctionnent désormais sous Windows
* Pour CUDA 13.2, CUDA 13.1 et les versions antérieures, les appareils Windows utilisent CUDA 12.4 comme solution de repli. Nous allons bientôt travailler sur les binaires CUDA 13.1.

#### Mise à jour CUDA 13.3

* Les binaires CUDA 13.3 hors Linux fonctionnent. Pour l’instant, nous continuerons d’utiliser CUDA 13.1.
* CUDA 13.3 résout le problème de charabia de CUDA 13.2 – voir <https://github.com/unslothai/unsloth/issues/4849>

#### Mise à jour pour les GPU Blackwell

* Pour le moment, les versions précompilées de `llama.cpp` pour Blackwell seront publiées avec du retard, car CUDA 12.4 ne fonctionne pas. Nous travaillons à résoudre le problème au plus vite.
  {% endupdate %}

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

## Une mise à jour avant la refonte.

Salut tout le monde ! Nous préparons une dernière mise à jour avant une refonte majeure, qui devrait arriver cette semaine ou la semaine prochaine. Cette refonte va changer beaucoup de choses, notamment avec de nouvelles fonctionnalités majeures et de nombreux changements de design.

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

* NOUVEAU : [**Prise en charge des appels API**](https://unsloth.ai/docs/integrations/connections) avec génération et retouche d’images, recherche Web complète, exécution de code et mise en cache automatique des invites. Connectez [OpenAI](https://unsloth.ai/docs/integrations/connections/openai), [Anthropic](https://unsloth.ai/docs/integrations/connections/anthropic-claude) et plus encore.
* Prise en charge complète des **langues autres que l’anglais** par exemple le japonais, le chinois, les langues indiennes, etc.

Beaucoup d’entre vous ont peut-être manqué notre précédente version, qui n’a été disponible qu’un jour. Nous y avions introduit :

* Connexion à des moteurs d’inférence externes : [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)
* **Améliorations de la sécurité**
* **Décodage spéculatif MTP automatique** pour les GGUF MTP ; obtenez les meilleurs réglages adaptés à votre matériel.

#### Appels aux fournisseurs d’API et connexions externes

* Vous pouvez désormais connecter Unsloth à n’importe quel fournisseur de services cloud proposant une API (OpenAI, Anthropic, OpenRouter, etc.).
* **Recherche Web intégrée** pour OpenAI, Anthropic, OpenRouter et Kimi
* **Exécution de code intégrée** pour OpenAI et Anthropic (les conteneurs Anthropic persistent et sont réutilisés d’un tour à l’autre)
* La mise en cache des prompts est activée pour les modèles OpenAI et Anthropic, ce qui permet de réduire les coûts de 50 à 90 %.
* Génération et modification d’images
* La clé API est désormais facultative pour les fournisseurs locaux (llama.cpp / vLLM / Ollama)
* Chargement automatique des modèles lors de l’ajout d’un fournisseur cloud

#### Autres mises à jour d’Unsloth Studio

* Pièces jointes OpenDocument dans le chat
* Données du résumé de raisonnement o3
* L’envoi de messages et de prompts dans d’autres langues que l’anglais (par exemple en japonais ou en chinois) fonctionne désormais correctement
* Renforcement du champ de saisie IME, prise en charge RTL `dir="auto"`, correction de la troncature des longues lignes de journal
* Affichage des traces de raisonnement des outils dans l’interface
* Prise en charge complète hors ligne : découverte des fichiers GGUF en cache et détection automatique du DNS hors ligne pour l’inférence et l’entraînement

#### Améliorations de la sécurité d’Unsloth Studio

* Limitation du nombre de tentatives d’authentification tenant compte des proxys, afin que les proxys inverses ne puissent pas la contourner
* Worker exécuté dans un bac à sable avec une liste de blocage renforcée (bash, `hf upload`, `NOFILE`)
* Confinement des chemins afin que les workers ne puissent pas sortir de leurs répertoires temporaires en cours d’utilisation
* Validation stricte des schémas dans toute l’API Unsloth
* Renforcement de la CSP et des en-têtes de sécurité (seuls les hôtes de favicons légitimes sont autorisés)
* Suppression du recours à `torch.load` en solution de repli pour `training_args.bin` afin que les fichiers pickle non fiables ne puissent jamais s’exécuter lors du chargement du modèle
* Renforcement du processus de publication de l’application de bureau Tauri
* Authentification côté client : actualisation des jetons avec une seule requête à la fois, saisie du mot de passe actuel lors des modifications, déconnexion fonctionnelle et fonction partagée pour les erreurs 422
* Le nettoyage après annulation est désormais strictement limité aux répertoires temporaires en cours d’utilisation, afin de ne jamais supprimer les données utilisateur
  {% endupdate %}

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

## Corrections de MTP et d’Unsloth

De nombreuses corrections de bugs et améliorations de l’interface et de l’expérience utilisateur dans Unsloth ! Pour obtenir les dernières mises à jour, exécutez :

**macOS, Linux, WSL :**

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

**Windows :**

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

#### Corrections

1. Correction de `unsloth studio update` qui ne fonctionnait pas correctement
2. Correction du blocage sur `reset-password` , la page de réinitialisation du mot de passe
3. Prise en charge étendue du mode hors ligne
4. Amélioration des performances de MTP sur Mac, CPU et GPU : c’est désormais bien plus rapide !
5. Correction du raccourci sur le bureau qui ne fonctionnait plus après une mise à jour
6. Très nombreuses corrections de bugs d’interface et d’expérience utilisateur
   {% endupdate %}

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

## Qwen3.6 MTP et connexions API

Nous avons de nombreuses nouveautés pour Unsloth `v0.1.41-beta`:

* **Inférence GGUF environ 2 fois plus rapide** avec l’activation automatique de [MTP](https://unsloth.ai/docs/fr/modeles/qwen3.6.md#mtp-guide)
* [**Prise en charge des appels API**](https://unsloth.ai/docs/fr/integrations/connections.md) pour [OpenAI](https://unsloth.ai/docs/fr/integrations/connections/openai.md), [Anthropic](https://unsloth.ai/docs/fr/integrations/connections/anthropic-claude.md) etc., avec mise en cache automatique des prompts, recherche sur le Web et exécution de code
* Connexion à des moteurs d’inférence externes : [vLLM](https://unsloth.ai/docs/fr/integrations/connections/vllm.md), [Ollama](https://unsloth.ai/docs/fr/integrations/connections/ollama.md), [llama-server](https://unsloth.ai/docs/fr/integrations/connections/connecter-llama.cpp-a-unsloth-executer-des-gguf-avec-llama-server.md)
* Expérimental **Inférence MLX**
* Prise en charge complète des **langues autres que l’anglais**
* **Améliorations de la** sécurité

<a href="https://unsloth.ai/pages/4a2b83ac4bf0233da80a1e3b6ab9fb218108742c#qwen3.6-inference-tutorials" class="button primary">Suivre les tutoriels Qwen3.6</a><a href="https://unsloth.ai/docs/fr/modeles/qwen3.6.md#mtp-guide" class="button primary">Guide MTP</a>

<div data-with-frame="true"><figure><img src="https://550366147-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>

#### La prise en charge du décodage spéculatif MTP permet une inférence 1,4 à 2 fois plus rapide !

* **Décodage spéculatif MTP automatique** pour les fichiers GGUF MTP ; avertissement si la version précompilée de llama.cpp incluse est obsolète ou trop ancienne pour MTP
* Nouveaux binaires précompilés de llama.cpp prenant en charge MTP !

#### Appels aux fournisseurs d’API et connexions externes

* Vous pouvez désormais connecter Unsloth à n’importe quel fournisseur de services cloud proposant une API (OpenAI, Anthropic, OpenRouter, etc.).
* **Recherche Web intégrée** pour OpenAI, Anthropic, OpenRouter et Kimi
* **Exécution de code intégrée** pour OpenAI et Anthropic (les conteneurs Anthropic persistent et sont réutilisés d’un tour à l’autre)
* La mise en cache des prompts est activée pour les modèles OpenAI et Anthropic, ce qui permet de réduire les coûts de 50 à 90 %.
* La clé API est désormais facultative pour les fournisseurs locaux (llama.cpp / vLLM / Ollama)
* Chargement automatique des modèles lors de l’ajout d’un fournisseur cloud

#### Inférence MLX (expérimentale)

* Les quantifications et les modèles MLX peuvent désormais s’exécuter localement sur votre Mac !
* Nous ajouterons bientôt le mode réflexion, les outils et la recherche sur le Web !

#### Autres mises à jour d’Unsloth Studio

* L’envoi de messages et de prompts dans d’autres langues que l’anglais (par exemple en japonais ou en chinois) fonctionne désormais correctement
* Pièces jointes OpenDocument dans le chat
* Données du résumé de raisonnement o3
* Renforcement du champ de saisie IME, prise en charge RTL `dir="auto"`, correction de la troncature des longues lignes de journal
* Affichage des traces de raisonnement des outils dans l’interface
* Prise en charge complète hors ligne : découverte des fichiers GGUF en cache et détection automatique du DNS hors ligne pour l’inférence et l’entraînement
* De nombreuses améliorations de l’interface et de l’expérience utilisateur : refonte du thème sombre, nouvelle conception de la barre latérale droite, mascotte paresseux selon l’heure de la journée, notifications copiables et masquables, zone de saisie du chat agrandie, configuration de l’exécution de code peaufinée, style des boutons d’action de la zone de saisie amélioré, bouton Discord plus étroit

#### Mises à jour de l’entraînement

* Corrections des masques d’attention de Gemma
* GRPO avec plusieurs images
* Expérimentations sur le renvoi des états cachés de GRPO
* Nouvelle méthode de préentraînement continu (CPT), désormais proposée comme option à part entière
* Extracteur LoRA MoE de Gemma-4 enregistré pour corriger `grouped_mm` le plantage lors de la contraction
* Fusion facultative de `lm_head` et de la passe avant de l’entropie croisée, avec un chemin à multiplication matricielle unique lorsque `UNSLOTH_RETURN_LOGITS=1`
* Transmettre la taille du lot pour l’évaluation
* Les chemins d’évaluation et d’entraînement respectent désormais `HF_DATASETS_OFFLINE` ainsi que `HF_HUB_OFFLINE`

#### Améliorations de la sécurité d’Unsloth Studio

* Limitation du nombre de tentatives d’authentification tenant compte des proxys, afin que les proxys inverses ne puissent pas la contourner
* Worker exécuté dans un bac à sable avec une liste de blocage renforcée (bash, `hf upload`, `NOFILE`)
* Confinement des chemins afin que les workers ne puissent pas sortir de leurs répertoires temporaires en cours d’utilisation
* Validation stricte des schémas dans toute l’API Unsloth
* Renforcement de la CSP et des en-têtes de sécurité (seuls les hôtes de favicons légitimes sont autorisés)
* Suppression du recours à `torch.load` en solution de repli pour `training_args.bin` afin que les fichiers pickle non fiables ne puissent jamais s’exécuter lors du chargement du modèle
* Renforcement du processus de publication de l’application de bureau Tauri
* Authentification côté client : actualisation des jetons avec une seule requête à la fois, saisie du mot de passe actuel lors des modifications, déconnexion fonctionnelle et fonction partagée pour les erreurs 422
* Le nettoyage après annulation est désormais strictement limité aux répertoires temporaires en cours d’utilisation, afin de ne jamais supprimer les données utilisateur
  {% endupdate %}

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

## Point de terminaison API Unsloth

#### ***Correction de bogues de la version v0.1.39-beta*** **5 mai 2026**

Correction de l’affichage de l’historique des conversations (l’historique existant n’a pas été perdu) et de l’ajout des pièces jointes. Le bogue concernait uniquement le rendu : utilisez `2026.5.2` ou appelez directement `curl -fsSL https://unsloth.ai/install.sh | sh`  pour effectuer la mise à jour

Vous pouvez utiliser des LLM locaux avec des outils comme [Claude Code](https://unsloth.ai/docs/basics/claude-code) et [Codex](https://unsloth.ai/docs/basics/codex) en les connectant au point de terminaison API d’Unsloth. Vous pouvez ainsi exécuter des modèles comme [Qwen](https://unsloth.ai/docs/models/qwen3.6) et [Gemma](https://unsloth.ai/docs/models/gemma-4) en local, avec des fonctionnalités supplémentaires telles que l’appel d’outils auto-réparateur, l’exécution de code et la recherche sur le Web.

Utiliser Unsloth comme point de terminaison d’inférence API est avantageux, non seulement parce que sa configuration est simple et rapide, mais aussi parce qu’Unsloth propose :

* [Appel d’outils auto-réparateur](https://unsloth.ai/docs/new/studio/chat#auto-healing-tool-calling), qui contribue à réduire de 50 % les appels d’outils cassés ou mal formés
* [Exécution de code](https://unsloth.ai/docs/new/studio/chat#code-execution) prise en charge permettant d’exécuter Bash et Python pour obtenir des résultats de code plus précis.
* Avancée [Recherche sur le Web](https://unsloth.ai/docs/new/studio/chat#advanced-web-search) qui visite les pages Web et les lit réellement pour recueillir des informations détaillées.
* [Paramètres d’inférence automatiques](https://unsloth.ai/docs/new/studio/chat#auto-parameter-tuning) pour les modèles GGUF (temp, top-k, etc.)

<div data-with-frame="true"><figure><img src="https://550366147-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>

#### Nouveaux modèles

Nous proposons également quelques nouveaux modèles à exécuter, notamment NVIDIA [Nemotron 3 Nano Omni](https://unsloth.ai/docs/fr/modeles/nemotron-3-nano-omni.md), IBM [Granite 4.1](https://unsloth.ai/docs/fr/modeles/ibm-granite-4.1.md) et [Mistral 3.5](https://unsloth.ai/docs/fr/modeles/mistral-3.5.md) Medium. Nous avons aidé Mistral à résoudre certains problèmes d’implémentation dans transformers et GGUF.

#### Mises à jour d’Unsloth

* Les entraînements Unsloth arrêtés peuvent désormais reprendre à partir de points de contrôle.
* Les fils de discussion s’enregistrent désormais automatiquement et sont conservés plus fiablement.
* Les blocages de l’entraînement DPO dans les configurations multiprocessus ont été corrigés.
* La prise en charge de VLM GRPO a été améliorée grâce aux mises à jour MROPE.
* Le bouton d’arrêt d’Unsloth interrompt désormais correctement la génération.
* Correction de la disparition du modèle de chat après l’actualisation du navigateur.
  {% endupdate %}

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

## Refonte complète de l’interface

Salut tout le monde ! Nous avons remanié l’ensemble de l’interface et de l’expérience utilisateur d’Unsloth Studio pour mettre l’accent sur le chat et l’entraînement :

* Ajout d’une barre latérale rétractable à la demande de la communauté

<div data-with-frame="true"><figure><img src="https://550366147-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>

* Vous pouvez désormais supprimer des chats et rechercher dans vos conversations passées

<div><figure><img src="https://550366147-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://550366147-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>

* Nouveau bouton Préserver le raisonnement pour les modèles compatibles, comme Qwen3.6
* Un design plus épuré et cohérent, avec une navigation simplifiée
* Page Paramètres enrichie : options pour modifier votre photo de profil, votre nom et bien plus encore

<div data-with-frame="true"><figure><img src="https://550366147-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>

* Plus besoin de saisir deux fois votre jeton Hugging Face
* gpt-oss propose désormais des options de raisonnement faible, moyen et élevé.
* Utilise désormais la dernière version précompilée de llama.cpp, même avec CUDA sous Linux
* De nombreuses corrections de bogues et améliorations de la cohérence et de la stabilité
* Kimi-K2.6 peut désormais être exécuté !
* Nous avons également ajouté une prise en charge expérimentale de l’API. Des guides, une annonce et d’autres informations suivront la semaine prochaine.

Qwen3.6 était déjà pris en charge dans Unsloth Studio pour l’exécution et l’entraînement. Vous pouvez entraîner et exécuter Qwen3.6-27B dès maintenant !
{% 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/fr/modeles/qwen3.6.md) peut désormais être exécuté (18 Go de RAM) et affiné dans Unsloth Studio. Kimi K2.6 peut également être exécuté dans Unsloth (350 Go de RAM).

Unsloth Studio a bénéficié de nombreuses mises à jour ; pensez donc à le mettre à jour. Les détails et l’article récapitulatif suivront dans les prochains jours.
{% endupdate %}

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

## **Qwen3.6**

[**Qwen3.6**](https://unsloth.ai/docs/fr/modeles/qwen3.6.md) peut désormais être exécuté et affiné dans Unsloth Studio. Le modèle fonctionne avec 23 Go de RAM et est le LLM de taille moyenne le plus performant dans presque tous les benchmarks.
{% endupdate %}

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

## **Mise à jour de Gemma 4 + MiniMax-M2.7**

[Gemma 4 GGUF](https://huggingface.co/collections/unsloth/gemma-4) sont désormais mis à jour avec les correctifs officiels de Google pour le modèle de conversation (qui corrigent et améliorent l’appel d’outils), ainsi qu’avec les derniers correctifs de llama.cpp. Mettez llama.cpp à jour, téléchargez à nouveau les modèles quantifiés et vous ne devriez plus rencontrer de `unused token` problèmes.\
\
[MiniMax-M2.7](https://unsloth.ai/docs/fr/modeles/tutorials/minimax-m27.md) est disponible ! Vous pouvez exécuter le modèle localement avec nos GGUF en quantification 4 bits sur un système doté de 128 Go de RAM ou de mémoire unifiée. [**GGUF MiniMax-M2.7**](https://huggingface.co/unsloth/MiniMax-M2.7-GGUF)
{% endupdate %}

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

## **Correctifs de Gemma 4**

Nous avons mis à jour Gemma 4 [en y apportant de nombreux correctifs](https://unsloth.ai/docs/fr/modeles/gemma-4/train.md). Ces bogues sont universels : ils touchaient tous les packages et toutes les implémentations d’entraînement et **ne provenaient pas d’Unsloth**. Nous avons identifié les bogues et les avons corrigés. L’entraînement de Gemma 4 fonctionne désormais correctement dans Unsloth.

Vous n’avez besoin que de **8 Go de VRAM** pour entraîner **Gemma-4-E2B** localement. Unsloth entraîne Gemma 4 **environ 1,5 fois plus vite tout en utilisant environ 60 % de VRAM en moins** que les configurations FA2. Pour consulter le guide complet et les notebooks consacrés à l’entraînement de Gemma 4, [consultez notre article de blog](https://unsloth.ai/docs/fr/modeles/gemma-4/train.md).

#### Correctifs de l’entraînement de Gemma 4

1. **L’accumulation des gradients** ne provoque plus d’explosion de la loss. Auparavant, la loss pouvait atteindre **300–400** ; la valeur attendue est d’environ **10–15**.
2. Correction de l’erreur **IndexError** qui affectait l’inférence des modèles **26B** et **31B** dans `transformers`.
3. Correction des sorties incohérentes pour **E2B/E4B** lorsque `use_cache=False`. Voir le [problème n° 45242](https://github.com/huggingface/transformers/issues/45242).
4. Correction du dépassement de capacité des valeurs audio en **float16** dû aux valeurs `-1e9` .

Si vous constatez des valeurs de loss supérieures à **13–15,** par exemple, **100** ou **300** - l’accumulation des gradients est probablement mal gérée. Ce problème est corrigé dans **Unsloth** et **Unsloth Studio**.

#### Réimportations des modèles quantifiés Gemma 4

Nous avons également mis à jour nos fichiers GGUF Gemma 4 : vous devrez donc les télécharger à nouveau. Encore une fois, ces problèmes de quantification **ne sont ni liés à Unsloth ni causés par celui-ci**:

1. CUDA : vérifier le chevauchement des tampons avant la fusion — correctif essentiel pour les `<unused24>` jetons — [PR #21566](https://github.com/ggml-org/llama.cpp/pull/21566)
2. `kv-cache` : prise en charge de la rotation de l’attention pour iSWA hétérogène — [PR #21513](https://github.com/ggml-org/llama.cpp/pull/21513)
3. `vocab` : ajout de la gestion des jetons d’octets au détokeniseur BPE pour Gemma 4 — [PR #21488](https://github.com/ggml-org/llama.cpp/pull/21488)
4. `convert` : définir `"add bos" == True` pour Gemma 4 — [PR #21500](https://github.com/ggml-org/llama.cpp/pull/21500)
5. `common` : ajout d’un analyseur spécialisé pour Gemma 4 — [PR #21418](https://github.com/ggml-org/llama.cpp/pull/21418)
6. `llama-model` : lire `final_logit_softcapping` pour Gemma 4 — [PR #21390](https://github.com/ggml-org/llama.cpp/pull/21390)
7. `llama` : ajout d’une séparation personnalisée sur les sauts de ligne pour Gemma 4 — [PR #21406](https://github.com/ggml-org/llama.cpp/pull/21406)

#### Mises à jour d’Unsloth Studio

* Ajout de la prise en charge du **décodage spéculatif**  (ngram-mod, activé par défaut)
* Llama.cpp mis à jour vers la dernière version, qui comprend tous les correctifs pour Gemma 4
* Correction des problèmes d’entraînement de Qwen3.5 et Gemma 4
* Possibilité d’exporter et d’enregistrer les modèles Gemma 4
* Renforcement de la sécurité du bac à sable pour les outils de terminal et Python
* Les recettes peuvent désormais utiliser le modèle chargé dans Chat
* Correction des fils de discussion vides lors de la navigation (et à chaque changement d’onglet) et stabilisation du flux de création d’une nouvelle discussion
* Exécution des recettes sans LLM et déplacement de l’onglet Données en première position dans les exécutions
* Réutilisation de la casse du nom du dépôt mise en cache par HF pour éviter les téléchargements en double
  {% endupdate %}

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

## **Google — Gemma 4**

* Vous pouvez désormais exécuter et entraîner les modèles [Gemma 4](https://unsloth.ai/docs/fr/modeles/gemma-4.md) dans Unsloth.
* Les Mac Intel fonctionnent désormais
* Binaires précompilés de llama.cpp pour 2 correctifs de Gemma-4 :
  * vocab: correction du tokenizer Gemma4 ([#21343](https://github.com/ggml-org/llama.cpp/pull/21343))
  * fix: correction du template Gemma 4 ([#21326](https://github.com/ggml-org/llama.cpp/pull/21326))
* Les appels d’outils des modèles plus petits sont désormais plus stables et ne sont plus tronqués
* Binaires précompilés pour les appareils Windows, Linux, Mac et WSL — CPU et GPU
* Le décodage spéculatif est désormais disponible pour les modèles sans vision (Gemma-4 est malheureusement un modèle de vision, tout comme Qwen3.5)
* La longueur du contexte est désormais correctement appliquée.
* La recherche Web récupère désormais réellement le contenu des pages, et pas seulement des résumés
* 90 % d’appels API HF en moins — moins de limitations de débit
  {% endupdate %}

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

## **+50 % de précision des appels d’outils et prise en charge élargie**

* Les appels d’outils sont désormais **de 30 % à 80 % plus précis pour tous les modèles.**
* La recherche Web récupère désormais réellement le contenu des pages, et pas seulement des résumés
* Le nombre d’appels d’outils autorisés passe de 10 à 25
* Les appels d’outils se terminent désormais beaucoup mieux, ce qui réduit les boucles et les répétitions
* Davantage de **correction des appels d’outils** et une logique de déduplication pour empêcher également les appels d’outils de laisser fuiter du XML
* Testé avec `unsloth/Qwen3.5-4B-GGUF` (`UD-Q4_K_XL`), recherche Web, exécution de code et réflexion activées.

| Mesure                                      | Avant  | Après               |
| ------------------------------------------- | ------ | ------------------- |
| Fuites de XML dans les réponses             | 10/10  | 0/10                |
| Récupérations d’URL effectuées              | 0      | 4 exécutions sur 10 |
| Exécutions avec les bons titres de chansons | 0/10   | 2/10                |
| Nombre moyen d’appels d’outils              | 5.5    | 3.8                 |
| Temps de réponse moyen                      | 12,3 s | 9,8 s               |

#### Nouvelles fonctionnalités

* Ajout de **dossiers personnalisés** pour utiliser des fichiers GGUF depuis n’importe quel dossier — cette fonctionnalité est accessible pour l’instant dans les paramètres avancés du chat et dans « Dossiers personnalisés »
* **Le bouton de mise à jour** est désormais visible
* Le style du script d’installation a été entièrement mis à jour !
* Préliminaire **Prise en charge automatique de plusieurs GPU pour l’inférence et l’entraînement** - utile pour les grands modèles qui ne tiennent pas sur un seul GPU — Unsloth répartit automatiquement les ressources GPU
* Les Mac Intel devraient fonctionner dès l’installation

Unsloth est beaucoup plus fluide et rapide

* **Correction des délais d’expiration lors du téléchargement de grands modèles** - plus aucun délai d’expiration constaté.
* **Correction des limitations de débit de Hugging Face — appels API HF réduits de 90 %**
* Correction de bun sur Windows et accélération des installations
  {% endupdate %}

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

## **Nouvelles mises à jour importantes**

Seulement deux jours se sont écoulés depuis notre précédente version, mais nous avons des mises à jour plus importantes :

* **L’inférence est désormais 20 à 30 % plus rapide.** Auparavant, les appels d’outils et la pénalité de répétition pouvaient ralentir l’inférence en dessous de sa vitesse normale. Le débit d’inférence en jetons/s devrait désormais être équivalent à celui de `llama-server` / `llama.cpp`.
* **Détection automatique des modèles plus anciens ou déjà présents** téléchargés depuis **LM Studio, Hugging Face,** et des sources similaires.
* **La vitesse d’inférence en jetons/s est désormais calculée correctement.** Auparavant, le calcul des jetons/s incluait le temps de démarrage, ce qui donnait l’impression que la vitesse affichée était plus lente qu’en réalité. Elle devrait désormais refléter la vitesse d’inférence « réelle ».
* **L’utilisation du processeur ne connaît plus de pics.** Auparavant, l’identité du requêteur intégré changeait à chaque rendu, ce qui amenait `useLiveQuery` à se réabonner en continu.
* **Unsloth Studio dispose désormais d’un bouton de fermeture × et se ferme correctement.** Auparavant, la fermeture de l’application après son lancement depuis l’icône du bureau ne la fermait pas correctement. Désormais, le lancement depuis le raccourci ouvre également le terminal, et la fermeture de ce terminal quitte complètement Unsloth Studio. Si l’application est toujours ouverte depuis une session précédente, vous pouvez redémarrer votre ordinateur ou exécuter `lsof -i :8888` puis `kill -9 <PID>`.
* **Des appels d’outils et une recherche sur le Web encore meilleurs** avec moins d’erreurs.
* Documentation mise à jour avec de nombreuses nouvelles informations sur [la suppression des modèles et la désinstallation](https://unsloth.ai/docs/fr/nouveau/studio/install.md#uninstall) etc.
* **Journalisation de l’installation et de la configuration plus claire et plus intelligente sous Windows et Linux.** La sortie est désormais plus facile à lire grâce à un formatage cohérent, est plus discrète par défaut pour une expérience plus fluide et prend en charge des diagnostics `--verbose` plus détaillés lorsque vous souhaitez obtenir tous les détails techniques.
* Vous pouvez désormais consulter l’historique de vos entraînements !
  {% endupdate %}

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

## Première publication depuis la sortie d’Unsloth Studio

Bonjour à tous ! Voici notre première publication depuis le lancement d’Unsloth Studio. Au programme : de nombreuses nouveautés et corrections :

* **Vous pouvez désormais mettre à jour Unsloth Studio !** Veuillez effectuer la mise à jour à l’aide des mêmes commandes d’installation.
* **Windows** Le processeur et le GPU fonctionnent désormais sans problème. Veuillez réinstaller l’application !
* **Raccourcis de l’application**. Une fois l’application installée, vous pouvez la lancer sous Windows, macOS et Linux à l’aide d’une icône de raccourci dans le menu Démarrer / Lanceur ou sur le bureau.
* **Précompilés `llama.cpp` binaires** et `mamba_ssm`  : installations 6 fois plus rapides ! Les fichiers binaires font également moins de 300 Mo.
* **Taille des installations réduite de 50 %** (7 Go ou plus économisés), installations 2 fois plus rapides et résolution des dépendances plus rapide. Taille des paquets PyPI réduite de 50 %.
* **Les appels d’outils ont été améliorés.** Meilleure analyse de llama.cpp, plus de balisage brut d’outils dans le chat, inférence plus rapide, nouveau panneau de résultats des outils et minuteries.
* La prise en charge des [recettes de données](https://unsloth.ai/docs/fr/nouveau/studio/data-recipe.md) est désormais activée sur macOS et le processeur, avec le téléversement de plusieurs fichiers.
* **Prise en charge préliminaire d’AMD, uniquement pour les machines Linux : détection automatique.** uniquement pour les machines Linux : détection automatique.
* **Refonte de la barre latérale des paramètres.** Les paramètres sont désormais regroupés dans les catégories **Modèle, échantillonnage, outils et préférences**
* **Longueur du contexte** désormais réglable. Gardez toutefois à l’esprit que ce n’est pas nécessaire : llama.cpp utilise intelligemment la longueur de contexte exacte dont vous avez besoin grâce à `--fit on`
* **Envoi de plusieurs fichiers.** Les recettes de données prennent désormais en charge l’envoi de plusieurs fichiers par glisser-déposer (PDF, DOCX, TXT et MD), avec extraction côté serveur, conservation des fichiers envoyés et aperçus améliorés.
* **Colab** avec les GPU T4 gratuits fonctionne désormais avec Unsloth Studio ! [Essayez ici](https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb). Grâce aux binaires précompilés, c’est aussi 20 fois plus rapide !
* **Meilleure visibilité sur les conversations.** Unsloth affiche désormais les `llama-server` temps d’exécution et l’utilisation, une barre d’utilisation de la fenêtre de contexte, ainsi que des fiches sources enrichies au survol.
* **Une expérience utilisateur globalement améliorée** — liens cliquables, meilleure analyse LaTeX, info-bulles pour les outils, le code et les outils Web dans les fiches par défaut, et bien plus encore !
* **LiteLLM —** Unsloth Studio et Unsloth n’ont **PAS** été affectés par la récente compromission de LiteLLM. Nemo Data Designer n’a utilisé LiteLLM que jusqu’à `1.80`, et non la version affectée `1.82.7` ou `1.82.8`, et l’a depuis entièrement supprimé.
* Nous proposons désormais une nouvelle commande d’installation en une ligne. Il suffit de lancer :&#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>

#### **Correctifs :**

* **Améliorations de la configuration sous Windows.** Correction des fermetures silencieuses sous Windows, des plantages au démarrage d’Anaconda/conda-forge, des installations Windows non-NVIDIA défectueuses et des vérifications manquantes au début de la configuration concernant CUDA et les environnements virtuels obsolètes.
* **Correction des invites système.** Elles fonctionnent de nouveau pour l’inférence textuelle et visuelle avec les modèles autres que GGUF.
* **Invites système et préréglages persistants.** Les invites système personnalisées et les préréglages de conversation sont désormais conservés après un rechargement ou un changement de page.
* **Exportation GGUF étendue.** Les ajustements complets, et pas seulement LoRA/PEFT, peuvent désormais être exportés au format GGUF. La résolution du modèle de base est plus fiable, et les options d’exportation non prises en charge sont désactivées dans l’interface.
* **Corrections du défilement et de la mise en page des conversations.** Correction des problèmes de position de défilement pendant la génération, des décalages de mise en page du panneau de réflexion et des sauts de la fenêtre d’affichage lors du repli des panneaux de raisonnement.
* **Détection plus intelligente des conflits de ports.** Unsloth détecte désormais les conflits sur l’interface de bouclage, peut identifier le processus bloquant lorsque c’est possible et affiche des messages plus clairs en cas de recours à un autre port.
  {% endupdate %}

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

## Nouveautés : appels d’outils et stabilité sous Windows

* Claude Artifacts permet d’exécuter du HTML, par exemple pour jouer à un jeu de serpent dans la conversation.
* Précision des appels d’outils améliorée de 30 %, notamment avec les petits modèles, et ajout d’un minuteur pour les appels d’outils.
* Les résultats des outils et de la recherche Web peuvent être enregistrés ; activation ou désactivation de la correction automatique des outils.
* Nombreux correctifs : prise en charge des processeurs sous Windows, expérience Mac plus fluide, installations plus rapides et plus légères.
  {% endupdate %}
  {% endupdates %}

**Tâches planifiées**: exécutez une invite selon un calendrier avec un modèle local ou une API


---

# 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/fr/nouveau/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.
