> 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/zh/xin/studio.md).

# Unsloth Studio 介绍

今天，我们发布 **Unsloth Studio** （Beta）：一个开源、无代码的网页 UI，可在一个统一的 **本地** 界面中训练、运行和导出开源模型。

<a href="/pages/1bc06634f9646051a40b3ee9c1e88ef2179a0bc2#quickstart" class="button primary" data-icon="bolt">快速开始</a><a href="/pages/1bc06634f9646051a40b3ee9c1e88ef2179a0bc2#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 模型于 **Mac**、Windows、Linux。
* 以少 70% 的显存，训练 500+ 个模型，速度提升 2 倍（且不损失准确率）
* 运行和训练文本、视觉、TTS 音频、嵌入模型

{% hint style="success" %}
**如需查看所有最新更新，请参阅我们的** [**新的更新日志页面**](/docs/zh/xin/changelog.md)**!** ✨
{% endhint %}

<div><figure><img src="/files/7c79c09bd1c712a3be5b7de3811eff5210dfdee7" alt=""><figcaption></figcaption></figure> <figure><img src="/files/1240bc5686ae5e124c52778575a841252fcc40be" alt=""><figcaption></figcaption></figure></div>

* **MacOS：** 训练、MLX 和 GGUF 推理都可在 Unsloth 中运行。
* 无需数据集。 [**自动创建数据集**](/docs/zh/xin/studio/data-recipe.md) ，从 **PDF、CSV、JSON、DOCX、TXT** 文件中生成。
* [导出或保存](/docs/zh/xin/studio/export.md) 你的模型为 GGUF、16 位 safetensor 等格式。
* [**自愈式工具调用**](/docs/zh/xin/studio/chat.md#auto-healing-tool-calling)  / 高级 [**网页搜索**](/docs/zh/xin/studio/chat.md#advanced-web-search) + [**代码执行**](/docs/zh/xin/studio/chat.md#code-execution)
* [自动推理设置](/docs/zh/xin/studio/chat.md#auto-parameter-tuning)，编辑聊天模板，将 Unsloth 用作 [**API 端点**](#unsloth-as-an-api-endpoint).

## ⭐ 功能

{% columns %}
{% column %}

### **在本地运行模型**

[搜索并运行 GGUF](/docs/zh/xin/studio/chat.md) 和 safetensor 模型，并支持自愈式 [工具调用](#execute-code--heal-tool-calling)、高级 [网页搜索](/docs/zh/xin/studio/chat.md#advanced-web-search), [自动推理](/docs/zh/xin/studio/chat.md#auto-parameter-tuning) 设置， [**代码执行**](/docs/zh/xin/studio/chat.md#code-execution) （Bash + Python）， [API](/docs/zh/ji-chu/api.md)。上传图片、文档、音频、代码。

[并排对战模型](/docs/zh/xin/studio.md#model-arena)。由 llama.cpp + Hugging Face 驱动，Unsloth 支持 **多 GPU 推理，** 自动卸载与适配，以及大多数模型。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/f8801eb887a6a996de4f745df66b4617f383d216" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 执行代码 + 自愈式工具调用

Unsloth Studio 让 LLM 不仅能运行 JavaScript，还能运行 Bash 和 Python。它还像 Claude Artifacts 一样为程序提供沙箱，因此模型可以测试代码、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之中。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/6273055e6bbde016134838582519f00de2201635" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 作为 API 端点的 Unsloth

你现在可以通过以下工具使用本地 LLM： [Claude Code](/docs/zh/ji-chu/claude-code.md) 和 [Codex](/docs/zh/ji-chu/codex.md) ，方法是将其连接到 [Unsloth 的 API 端点](/docs/zh/ji-chu/api.md)。这意味着你可以在这些工具中直接运行 Qwen 和 Gemma 模型，并使用 Unsloth 的推理能力，其中包括自愈式工具调用、网页搜索等功能。

你也可以 [连接一个提供商](/docs/zh/ji-cheng/connections.md) ，例如 OpenAI、Anthropic 或 vLLM，接入 Unsloth。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/c633f6e5a61522d2d7fa76b1c6c3376b956d223d" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **无代码训练**

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

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

{% column %}

<div data-with-frame="true"><figure><img src="/files/d842710e2218bb4093516fe96927bacd629b2a5b" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 数据配方

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

{% column %}

<div data-with-frame="true"><figure><img src="/files/767f9357d0662055b63acc65bd2018173eb273f9" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 可观测性

获得 [完整可见性](/docs/zh/xin/studio/start.md#training-progress) 以及对训练运行的控制。实时跟踪训练损失、梯度范数和 GPU 利用率，并按你的喜好自定义。

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="/files/ba1a5301f0191ea2638a38ea3e7593e03ab95f60" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 导出 / 保存模型

[**导出任意模型**](/docs/zh/xin/studio/export.md)，包括你微调过的模型，导出为 safetensors 或 GGUF，以便用于 llama.cpp、vLLM、Ollama、LM Studio 等。

会保存你的训练历史，因此你可以回顾运行、再次导出并进行实验。
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/cf5ca2ab921c9f17a85140ab2db69ead4dcf8f28" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 模型竞技场

与 [比较 2 个不同](/docs/zh/xin/studio/chat.md#model-arena) 的模型，例如基础模型和微调模型，以查看它们输出的差异。

只需先加载你的第一个 GGUF/模型，再加载第二个，就完成了！推理会先加载一个模型，然后再加载第二个。
{% endcolumn %}

{% column %}

<div align="center" data-with-frame="true"><figure><img src="/files/8c7b2f00c739a7786f502122730f81d86c763ba5" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 隐私优先 + 安全

Unsloth Studio 可 100% 离线并在本地运行于你的电脑上。其基于 token 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。

你可以使用之前从 HF 等处下载的现有 / 旧模型或 GGUF。请阅读 [此处的说明](/docs/zh/xin/studio/chat.md#using-old-existing-gguf-models).
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/54b44af1e96f5a67bf8bc6b1d04b3b86756009a9" alt=""><figcaption></figcaption></figure></div>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
请注意，这里是 **BETA** 版的 Unsloth Studio。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 MacOSx 上运行。

* **CPU：** Unsloth 在没有 GPU 的情况下仍然可以运行，但仅限于 [聊天](#run-models-locally) 推理和 [数据配方](/docs/zh/xin/studio/data-recipe.md).
* **训练：** 可在 **NVIDIA**：RTX 30、40、50、Blackwell、DGX Spark/Station 等 + **Intel** GPU
* **Mac：** 训练、MLX 和 GGUF 推理全部支持。
* **AMD：** 聊天可用。使用 [Unsloth Core](/docs/zh/kai-shi-shi-yong/install/amd.md)进行训练。Studio 支持即将到来。
* **多 GPU：** 已经可用，重大升级即将到来。

使用下面相同的安装命令来 **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，并且体积减少 50%。**
{% endhint %}

**有关安装和卸载的更多详情，请访问** [**Unsloth Studio 安装**](/docs/zh/xin/studio/install.md) **部分。**

{% content-ref url="/pages/ef666f465ed5ec55124d17ba90cfb169b4efa95f" %}
[Installation](/docs/zh/xin/studio/install.md)
{% 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) ，因此你可以在 Colab 的 T4 GPU 上探索 Unsloth 的所有功能。你可以训练并运行参数量最高 22B 的大多数模型，也可以切换到更大的 GPU 来运行更大的模型。只需点击“Run all”，安装完成后界面就会弹出。

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

安装完成后，滚动到 **启动 Unsloth Studio** 并点击 **打开 Unsloth Studio** 左侧显示的白色框中：

**继续向下滚动，查看实际 UI。**
{% endcolumn %}

{% column %}

<div data-with-frame="true"><figure><img src="/files/23d7b9394cb33ccc206be2027b143e6290680aea" 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，或者你正在使用广告拦截器或 Mozilla。你仍然可以通过滚动到按钮下方来访问 UI。
{% endhint %}

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

下面是 Unsloth Studio 的一个常见工作流程，帮助你开始：

1. 从 [安装说明](/docs/zh/xin/studio/install.md).
2. 从本地文件或受支持的集成中加载模型。
3. 从 PDF、CSV 或 JSONL 文件导入训练数据，或从零开始构建数据集。
4. 在中清理、优化并扩展你的数据集 [数据配方](/docs/zh/xin/studio/data-recipe.md).
5. 使用推荐预设开始训练，或自行自定义配置。
6. 与训练后的模型聊天，并将其输出与基础模型进行比较。
7. [保存或导出](/docs/zh/xin/studio.md#export-save-models) 到你已在使用的本地技术栈中。

你可以阅读我们对 Unsloth Studio 各个部分的单独深入解析：

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/12f6b822ad28322267b74accad74f665b341f5a4" %}
[Get Started](/docs/zh/xin/studio/start.md)
{% endcontent-ref %}

{% content-ref url="/pages/f7c3389bdba9af3050e66a941596d827cdb11e0b" %}
[Model Export](/docs/zh/xin/studio/export.md)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="/pages/7223afcfd2df87e1fe32a963c0b5ef0e45f563c5" %}
[Data Recipes](/docs/zh/xin/studio/data-recipe.md)
{% endcontent-ref %}

{% content-ref url="/pages/5c2325084ff65c0303d8ec102b689868935855d3" %}
[Studio Chat](/docs/zh/xin/studio/chat.md)
{% endcontent-ref %}
{% 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 只会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% 离线并在本地运行。

**我该如何使用之前从 Hugging Face 下载的旧 / 现有模型？**\
是的，你可以使用你之前从 Hugging Face 等处下载的现有/旧模型或 GGUF。现在它们应该会被 Unsloth 自动检测，否则请阅读我们的 [此处的说明](/docs/zh/xin/studio/chat.md#using-old-existing-gguf-models).

**为什么在 Unsloth 中推理有时会更慢？**\
Unsloth 和其他本地推理应用一样，都是由 llama.cpp 驱动，因此速度应该大致相同。有时 Unsloth 变慢可能是因为你开启了网页搜索、代码执行、自愈式工具调用。这些功能都可能使推理变慢。如果在关闭所有功能后速度仍然更慢，请提交 GitHub issue！

**Unsloth Studio 支持 OpenAI 兼容的 API 吗？**\
支持，查看我们的 [API 端点指南](/docs/zh/ji-chu/api.md).

**Unsloth 现在是 AGPL-3.0 许可了吗？**\
Unsloth 采用 Apache 2.0 和 AGPL-3.0 的双许可证模式。核心 Unsloth 包仍然采用 [**Apache 2.0**](https://github.com/unslothai/unsloth?tab=Apache-2.0-1-ov-file)许可，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).

这种结构有助于支持 Unsloth 的持续开发，同时保持项目开源，并使更广泛的生态系统继续增长。

**Studio 只支持 LLM 吗？**\
不是。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](/docs/zh/ji-chu/text-to-speech-tts-fine-tuning.md)、音频、 [嵌入](/docs/zh/ji-chu/embedding-finetuning.md)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。

**使用这个 UI 需要训练模型吗？**\
不需要，你可以直接下载任何 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 尽可能易于获取。接下来，针对 Unsloth 和 Unsloth Studio，我们将发布对以下内容的官方支持：多 GPU、Apple Silicon/MLX 和 AMD。提醒一下，这还是 Unsloth Studio 的 BETA 版本，因此在未来几周内你会看到很多公告和改进。我们也在与 NVIDIA 紧密合作开发多 GPU 支持，以提供尽可能出色且简洁的体验。

#### 致谢

非常感谢 NVIDIA 和 Hugging Face 参与我们的发布。也感谢所有 Unsloth Studio 的早期 beta 测试者，我们非常珍视你们的时间和反馈。我们还要感谢 llama.cpp、PyTorch 以及 open model labs 提供了使 Unsloth Studio 成为可能的基础设施。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

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

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

```
GET https://unsloth.ai/docs/zh/xin/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.