# 介绍 Unsloth Studio

今天，我们将推出 **Unsloth Studio** （Beta 版）：一个开源、无需编码的网页 UI，用于在一个统一的 **本地** 界面中训练、运行和导出开源模型。

<a href="#quickstart" class="button primary" data-icon="bolt">快速开始</a><a href="#features" class="button secondary" data-icon="star">功能</a><a href="https://github.com/unslothai/unsloth" class="button secondary" data-icon="github">Github</a>

* **在本地运行 GGUF** 和 safetensor 模型，支持 **Mac**、Windows、Linux。
* 训练 500+ 个模型，速度提升 2 倍，显存占用减少 70%（且不损失准确率）
* 运行并训练文本、视觉、TTS 音频、嵌入模型

{% hint style="success" %}
**如需查看最新更新，请参阅我们的** [**新的更新日志页面**](https://unsloth.ai/docs/zh/xin-zeng/changelog)**!** ✨
{% endhint %}

<div data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FxV1PO5DbF3ksB51nE2Tw%2Fmore%20cropped%20ui%20for%20homepage.png?alt=media&#x26;token=f75942c9-3d8d-4b59-8ba2-1a4a38de1b86" alt=""><figcaption></figcaption></figure></div>

* **MacOS** 和 **CPU** 适用于 [聊天](#run-models-locally) GGUF 推理以及 [数据配方](https://unsloth.ai/docs/zh/xin-zeng/studio/data-recipe)。MLX 训练即将到来。
* 无需数据集。 [**自动创建数据集**](https://unsloth.ai/docs/zh/xin-zeng/studio/data-recipe) 来自 **PDF、CSV、JSON、DOCX、TXT** 文件。
* [导出或保存](https://unsloth.ai/docs/zh/xin-zeng/studio/export) 你的模型为 GGUF、16 位 safetensor 等格式。
* [**自我修复式工具调用**](https://unsloth.ai/docs/zh/xin-zeng/chat#auto-healing-tool-calling) / 网页搜索 + [**代码执行**](https://unsloth.ai/docs/zh/xin-zeng/chat#code-execution)
* [自动推理参数](https://unsloth.ai/docs/zh/xin-zeng/chat#auto-parameter-tuning) 调优并编辑聊天模板。

## ⭐ 功能

{% columns %}
{% column %}

### **在本地运行模型**

[搜索并运行 GGUF](https://unsloth.ai/docs/zh/xin-zeng/studio/chat) 和 safetensor 模型，支持 [自我修复式工具](https://unsloth.ai/docs/zh/xin-zeng/chat#auto-healing-tool-calling) 调用 / 网页搜索、 [自动推理](https://unsloth.ai/docs/zh/xin-zeng/chat#auto-parameter-tuning) 参数调优、 [**代码执行**](https://unsloth.ai/docs/zh/xin-zeng/chat#code-execution) （Bash + Python）、API（即将推出）。上传图像、文档、音频、代码。

[并排对战模型](#model-arena)。由 llama.cpp + Hugging Face 驱动，我们支持 **多 GPU 推理** 以及大多数模型。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FFeQ0UUlnjXkDdqhcWglh%2Fskinny%20studio%20chat.png?alt=media&#x26;token=c2ee045f-c243-4024-a8e4-bb4dbe7bae79" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 执行代码 + 修复工具调用

Unsloth Studio 让 LLM 不仅能运行 JavaScript，还能运行 Bash 和 Python。它还像 Claude Artifacts 一样对程序进行沙盒隔离，使模型可以测试代码、生成文件，并通过真实计算验证答案。

例如，Qwen3.5-4B 搜索了 20+ 个网站并引用了来源，网页搜索发生在其思考轨迹内部。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FXPQGEEr1YoKofrTatAKK%2Ftoolcallingif.gif?alt=media&#x26;token=25d68698-fb13-4c46-99b2-d39fb025df08" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **无需编码的训练**

[上传 PDF、CSV、JSON](#data-recipes) 文档或 YAML 配置，即可在 NVIDIA 上立即开始训练。Unsloth 的内核针对 LoRA、FP8、FFT、PT 在 500+ 个文本、视觉、TTS/音频和嵌入模型上进行了优化。

微调最新的 LLM，例如 [Qwen3.5](https://unsloth.ai/docs/zh/mo-xing/qwen3.5/fine-tune) 和 NVIDIA [Nemotron 3](https://unsloth.ai/docs/zh/mo-xing/nemotron-3). [多 GPU](https://unsloth.ai/docs/zh/ji-chu/multi-gpu-training-with-unsloth) 可自动工作，新版本即将推出。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FRjAfHShyL7MfHfq6BStl%2Fonboarding%20updated.png?alt=media&#x26;token=7cdde1a0-8f8c-4d25-9414-e28f35f211cd" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 数据配方

[**数据配方**](https://unsloth.ai/docs/zh/xin-zeng/studio/data-recipe) 通过图节点工作流将你的文档转换为可用/合成数据集。上传 PDF、CSV 和 JSON 等非结构化或结构化文件。由 NVIDIA Nemo 驱动的 Unsloth Data Recipes [数据设计器](https://github.com/NVIDIA-NeMo/DataDesigner)会自动把文档转换为你所需的格式。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2Fcc9T0V8WsyjcuOE2sIVV%2Fdata%20recipes%20longer.png?alt=media&#x26;token=5ae33e8d-09b1-45e0-8f5c-40dca8bbcf0c" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 可观测性

获得 [完整可见性](https://unsloth.ai/docs/zh/xin-zeng/start#training-progress) 并对训练运行进行控制。实时跟踪训练损失、梯度范数和 GPU 利用率，并可按你的喜好自定义。

你甚至可以在手机等其他设备上查看训练进度。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FCIrWHN1JzfaFNOoavmZS%2Fobserve%20new.png?alt=media&#x26;token=21fdbc5b-a073-437a-b487-b5bdff4716f6" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 导出 / 保存模型

[**导出任意模型**](https://unsloth.ai/docs/zh/xin-zeng/studio/export)，包括你微调后的模型，保存为 safetensors 或 GGUF，以便与 llama.cpp、vLLM、Ollama、LM Studio 等一起使用。

保存你的训练历史，以便回顾运行、再次导出并进行实验。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F8UHzGTHF9q6LWrJy8Y4r%2FScreenshot%202026-03-15%20at%203.02.02%E2%80%AFAM.png?alt=media&#x26;token=cb5e78f8-481a-4c9f-9361-db53e6e0ec37" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 模型竞技场

与 [比较 2 个不同的](https://unsloth.ai/docs/zh/xin-zeng/chat#model-arena) 模型，例如基础模型和微调模型，看看它们的输出有何差异。

只需先加载你的第一个 GGUF/模型，再加载第二个，瞧！推理会先为一个模型加载，然后再为第二个模型加载。
{% endcolumn %}

{% column %}

<div align="center" data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FVgnE7eMPQk2vaFboJ4BU%2Fmodel%20arena%20closeup.png?alt=media&#x26;token=8b0a910b-440c-4859-a846-0060e61e157b" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 隐私优先 + 安全

Unsloth Studio 可 100% 离线并在本地电脑上使用。其基于令牌的身份验证，包括加密密码以及 JWT 访问/刷新流程，确保你的数据安全。

你可以使用之前已从 HF 等处下载的现有/旧模型或 GGUF。阅读 [这里的说明](https://unsloth.ai/docs/zh/xin-zeng/chat#using-old-existing-gguf-models).
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2F15gRLbMDX1ReKdHBBl1G%2FScreenshot%202026-03-15%20at%203.54.51%E2%80%AFAM.png?alt=media&#x26;token=ca096807-54c2-4d8c-bdc1-c1bb0055469b" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
请注意，这是 Unsloth Studio 的 **BETA** 版本。未来几天和几周内会有许多改进、修复和新功能。
{% endhint %}

## ⚡ 快速开始

Unsloth Studio 可在 Windows、Linux、WSL 和 MacOS（目前仅支持聊天）上运行。

* **CPU：** Unsloth 即使没有 GPU 也能运行，但仅适用于 [聊天](#run-models-locally) 推理和 [数据配方](https://unsloth.ai/docs/zh/xin-zeng/studio/data-recipe).
* **训练：** 可在 **NVIDIA**：RTX 30、40、50、Blackwell、DGX Spark/Station 等 + **Intel** GPU
* **Mac：** 类似 CPU——目前仅支持聊天和 [数据配方](https://unsloth.ai/docs/zh/xin-zeng/studio/data-recipe) 。 **MLX** 训练即将很快推出。
* **AMD：** 聊天可用。使用 [Unsloth Core](https://unsloth.ai/docs/zh/kai-shi-shi-yong/install/amd)进行训练。Studio 支持即将推出。
* **即将推出：** 对以下内容的训练支持 **Apple MLX** 和 **AMD。**
* **多 GPU：** 已可用，重大升级正在路上。

使用下面相同的安装命令进行更新：

### **MacOS、Linux、WSL：**

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

### **Windows PowerShell：**

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

#### 启动 Unsloth

```bash
unsloth studio -H 0.0.0.0 -p 8888
```

### Docker：

使用我们的官方 **Docker 镜像**: [`unsloth/unsloth`](https://hub.docker.com/r/unsloth/unsloth) 目前适用于 Windows、WSL 和 Linux。MacOS 支持即将推出。

{% code overflow="wrap" expandable="true" %}

```bash
docker run -d -e JUPYTER_PASSWORD="mypassword" \
  -p 8888:8888 -p 8000:8000 -p 2222:22 \
  -v $(pwd)/work:/workspace/work \
  --gpus all \
  unsloth/unsloth
```

{% endcode %}

{% hint style="success" %}
**由于预编译的 llama.cpp 二进制文件，首次安装现在应快 6 倍，且体积减少 50%。**
{% endhint %}

**有关安装和卸载的更多详细信息，请访问** [**Unsloth Studio 安装**](https://unsloth.ai/docs/zh/xin-zeng/studio/install) **部分。**

{% content-ref url="studio/install" %}
[install](https://unsloth.ai/docs/zh/xin-zeng/studio/install)
{% endcontent-ref %}

### <i class="fa-google">:google:</i> Google Colab 笔记本

我们创建了一个 [免费的 Google Colab 笔记本](https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb) ，这样你就可以在 Colab 的 T4 GPU 上探索 Unsloth 的所有功能。你可以训练并运行参数规模最高达 22B 的大多数模型，并在更大的模型上切换到更大的 GPU。只需点击“Run all”，安装完成后 UI 应该会弹出。

{% columns %}
{% column %}
{% embed url="<https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb>" %}

安装完成后，向下滚动到 **启动 Unsloth Studio** 并点击 **打开 Unsloth Studio** 左侧所示白色框中的内容：

**继续向下滚动，查看实际 UI。**
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FkYitMrK55Ic6eIGqiKEJ%2FScreenshot%202026-03-16%20at%2011.21.16%E2%80%AFPM.png?alt=media&#x26;token=4388c309-a598-41f3-9301-e434c334ac1c" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
有时 Studio 链接可能会返回错误。这是因为你可能禁用了 cookie，或者使用了广告拦截器或 Mozilla。你仍然可以通过滚动到按钮下方访问 UI。
{% endhint %}

## <i class="fa-seedling">:seedling:</i> 工作流程

以下是一个通常的 Unsloth Studio 工作流程，帮助你快速上手：

1. 从 [安装说明](https://unsloth.ai/docs/zh/xin-zeng/studio/install).
2. 启动 Studio
3. 从本地文件或受支持的集成中加载模型。
4. 从 PDF、CSV 或 JSONL 文件导入训练数据，或从头构建数据集。 [数据配方](https://unsloth.ai/docs/zh/xin-zeng/studio/data-recipe).
5. 在
6. 使用推荐预设开始训练，或自行自定义配置。
7. [保存或导出](#export-save-models) 到你已在使用的本地技术栈。

你可以阅读我们针对 Unsloth Studio 各个部分的单独深度解析：

{% columns %}
{% column width="50%" %}
{% content-ref url="studio/start" %}
[start](https://unsloth.ai/docs/zh/xin-zeng/studio/start)
{% endcontent-ref %}

{% content-ref url="studio/export" %}
[export](https://unsloth.ai/docs/zh/xin-zeng/studio/export)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="studio/data-recipe" %}
[data-recipe](https://unsloth.ai/docs/zh/xin-zeng/studio/data-recipe)
{% endcontent-ref %}

{% content-ref url="studio/chat" %}
[chat](https://unsloth.ai/docs/zh/xin-zeng/studio/chat)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

## <i class="fa-video">:video:</i> 视频教程

{% hint style="warning" %}
视频中展示的 Unsloth Studio 版本较旧，不能反映当前版本。
{% endhint %}

{% columns fullWidth="true" %}
{% column %}
{% embed url="<https://www.youtube.com/watch?v=mmbkP8NARH4>" %}

这里有一个由 NVIDIA 制作的视频教程，帮助你开始使用 Studio：
{% endcolumn %}

{% column %}
{% embed url="<https://youtu.be/1lEDuRJWHh4?si=GHaS77ZZPOGjn3GJ>" %}

如何安装 Unsloth Studio 视频教程
{% endcolumn %}
{% endcolumns %}

## <i class="fa-comments-question">:comments-question:</i> 常见问题

**Unsloth 会收集或存储数据吗？**\
Unsloth 不收集使用遥测数据。Unsloth 只收集兼容性所需的最少硬件信息，例如 GPU 类型和设备（如 Mac）。Unsloth Studio 100% 离线并本地运行。

**如何使用我之前从 Hugging Face 下载的旧/现有模型？**\
是的，你可以使用之前从 Hugging Face 等处下载的现有/旧模型或 GGUF。它们现在应该会被 Unsloth 自动检测，否则请阅读我们的 [这里的说明](https://unsloth.ai/docs/zh/xin-zeng/chat#using-old-existing-gguf-models).

**为什么 Unsloth 中的推理有时更慢？**\
Unsloth 和其他本地推理应用一样，由 llama.cpp 驱动，因此速度应该基本相同。有时 Unsloth 变慢可能是因为你开启了网页搜索、代码执行、自我修复式工具调用。这些功能都会让推理变慢。如果在关闭所有功能后速度仍然更慢，请创建一个 GitHub issue！

**Unsloth Studio 支持 OpenAI 兼容 API 吗？**\
支持，我们的数据配方支持。对于推理，我们正在开发这个功能，并希望最早在本周发布支持，敬请关注！

**Unsloth 现在是否采用 AGPL-3.0 许可证？**\
Unsloth 采用 Apache 2.0 和 AGPL-3.0 的双许可证模式。核心 Unsloth 软件包仍采用 [**Apache 2.0**](https://github.com/unslothai/unsloth?tab=Apache-2.0-1-ov-file)许可证，而某些可选组件，例如 Unsloth Studio UI，则采用 [**AGPL-3.0**](https://github.com/unslothai/unsloth?tab=AGPL-3.0-2-ov-file).

许可证。这种结构有助于支持 Unsloth 的持续开发，同时保持项目开源，并让更广泛的生态系统继续成长。

**Studio 只支持 LLM 吗？**\
不。Studio 支持一系列受支持的 `transformers` 兼容模型家族，包括文本、多模态模型、 [文本转语音](https://unsloth.ai/docs/zh/ji-chu/text-to-speech-tts-fine-tuning)、音频、 [嵌入](https://unsloth.ai/docs/zh/ji-chu/embedding-finetuning)以及 BERT 风格模型。

**我可以使用自己的训练配置吗？**\
可以。导入 YAML 配置后，Studio 会预填相关设置。

**我该如何调整上下文长度？**\
使用 llama.cpp 的智能自动上下文后，已不再需要调整上下文长度；它只会使用你需要的上下文，而不会加载额外内容。不过，我们很快仍会添加该功能，以防你想使用它。

**使用这个 UI 需要训练模型吗？**\
不，你只需下载任何 GGUF 或模型，而无需对任何模型进行微调。

#### Unsloth 的未来

我们正在努力让开源 AI 尽可能易于使用。接下来，Unsloth 和 Unsloth Studio 将正式支持：多 GPU、Apple Silicon/MLX 和 AMD。提醒一下，这是 Unsloth Studio 的 BETA 版本，因此未来几周内会有大量公告和改进。我们也在与 NVIDIA 密切合作开发多 GPU 支持，以提供尽可能最佳且最简单的体验。

#### 致谢

非常感谢 NVIDIA 和 Hugging Face 参与我们的发布。此外也感谢所有 Unsloth Studio 的早期 Beta 测试者，我们非常感激你们投入的时间和反馈。我们还要感谢 llama.cpp、PyTorch 和开源模型实验室提供了让 Unsloth Studio 成为可能的基础设施。

<figure><img src="https://2657992854-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FxhOjnexMCB3dmuQFQ2Zq%2Fuploads%2FLsNFO8j8Sdovm8x2gY2n%2Fsloth%20painting.png?alt=media&#x26;token=650b3dc4-0bd4-4d30-9443-c23f67bfef7a" alt="" width="375"><figcaption></figcaption></figure>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://unsloth.ai/docs/zh/xin-zeng/studio.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.