> 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).

# 介绍 Unsloth Studio

我们正在推出 **Unsloth Studio** （Beta）：一个开源、无需代码的 Web 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="/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>

* **运行 GGUF**, **MLX** 以及扩散图像/视频模型在 **Mac**、Windows、Linux 上本地运行。
* 以减少 70% VRAM 的方式，让 500+ 个模型的训练速度提升 2 倍（且不损失准确率）
* 运行和训练文本、扩散视觉、TTS 音频、嵌入模型

{% hint style="success" icon="sparkles" %}
**新：** 我们正在推出新的 [**Unsloth Desktop**](/docs/zh/desktop.md) 应用！下载适用于 [Mac](/docs/zh/kai-shi-shi-yong/install/mac.md), [Windows](/docs/zh/kai-shi-shi-yong/install/windows-installation.md) 和 [Linux](/docs/zh/kai-shi-shi-yong/install/linux.md).
{% endhint %}

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-target data-type="content-ref"></th><th data-hidden data-card-cover data-type="image">封面图片</th></tr></thead><tbody><tr><td><h3>准确的工具调用</h3></td><td>获得更准确 50%、自我修复的工具调用，以及沙盒化代码执行</td><td><a href="/pages/5c2325084ff65c0303d8ec102b689868935855d3">/pages/5c2325084ff65c0303d8ec102b689868935855d3</a></td><td><a href="/files/80e6c2fd990b3c76714fe164f652bafe2f9df85a">/files/80e6c2fd990b3c76714fe164f652bafe2f9df85a</a></td></tr><tr><td><h3>扩散图像/视频</h3></td><td>像 MiniMax H3 这样的图像/视频扩散模型可运行与训练，推理速度提升 2 倍。</td><td><a href="/pages/43ef8d9ea232eab9d418ed2205104d20f941b5c1">/pages/43ef8d9ea232eab9d418ed2205104d20f941b5c1</a></td><td><a href="/files/7111c7793633534e4d6c13fe76a6bdb29c8bd464">/files/7111c7793633534e4d6c13fe76a6bdb29c8bd464</a></td></tr><tr><td><h3>让你的智能体本地化</h3></td><td>通过模型切换，将本地 LLM 连接到 Claude Code 和 Codex 等智能体工具</td><td><a href="/pages/4180d003e52f27564574c43829dd41c1236913b6">/pages/4180d003e52f27564574c43829dd41c1236913b6</a></td><td><a href="/files/b8b510a815b50db5fa4e2a3a2106762e26f35d83">/files/b8b510a815b50db5fa4e2a3a2106762e26f35d83</a></td></tr><tr><td><h3>无限网页搜索</h3></td><td>获得无限制、私密且安全的网页搜索与深度研究</td><td><a href="/pages/1bc06634f9646051a40b3ee9c1e88ef2179a0bc2#web-search-upgraded">/pages/1bc06634f9646051a40b3ee9c1e88ef2179a0bc2#web-search-upgraded</a></td><td><a href="/files/15673660a2d72ba0a645dca6cc70203afc3140e5">/files/15673660a2d72ba0a645dca6cc70203afc3140e5</a></td></tr><tr><td><h3>运行最新模型</h3></td><td>发现、管理和训练最新的 Muse Glimmer、MiniMax-H3、Kimi K3、Qwen3.8 模型。</td><td><a href="/pages/8d4117b244a368b8f80b1a9d079fa31360c8e823">/pages/8d4117b244a368b8f80b1a9d079fa31360c8e823</a></td><td><a href="/files/9b1afe026f2558767406823a317710de601893ae">/files/9b1afe026f2558767406823a317710de601893ae</a></td></tr><tr><td><h3><strong>随处部署</strong></h3></td><td>安全地远程部署模型，并通过 Cloudflare HTTPS 在任何地方访问 Unsloth</td><td></td><td><a href="/files/4a208bac9752d209c683340d5c629c1578bdfbfa">/files/4a208bac9752d209c683340d5c629c1578bdfbfa</a></td></tr></tbody></table>

<figure><img src="/files/7db225681c3dae7b30dcf6305e79cdbd543899fb" alt=""><figcaption></figcaption></figure>

* **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。
* 将你的本地模型连接到任意智能体，包括 [Claude Code](/docs/zh/ji-chu-zhi-shi/claude-code.md), [Codex](/docs/zh/ji-chu-zhi-shi/codex.md), [Hermes](/docs/zh/ji-cheng/hermes-agent.md) 等。
* [导出或保存](/docs/zh/xin/studio/export.md) 你的模型为 GGUF、16 位 safetensor 等格式。
* [**自我修复工具调用**](/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).

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

## ⭐ 功能

{% columns %}
{% column %}

### 执行代码 + 自我修复工具调用

Unsloth Studio 让 LLM 能运行 Bash 和 Python，而不仅仅是在绕过权限的情况下运行 JavaScript。它还会像 Claude Artifacts 那样对程序进行沙盒化，让模型可以测试代码、生成文件，并通过真实计算验证答案。

例如，Unsloth 创建了一个沙盒，让 GLM-5.2 执行代码，并在 Canvas 中显示为 HTML 预览。
{% endcolumn %}

{% column %}

<figure><img src="/files/80e6c2fd990b3c76714fe164f652bafe2f9df85a" alt=""><figcaption><p>带有沙盒代码执行的准确工具调用</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 升级的网页搜索

Unsloth 私密、无限且安全的网页搜索会真正直接访问页面以收集相关信息和数据，而不只是扫描网站摘要。这能提供更准确、更深入的信息和上下文输出。

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

{% column %}

<figure><img src="/files/f8801eb887a6a996de4f745df66b4617f383d216" alt=""><figcaption></figcaption></figure>
{% 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-zhi-shi/claude-code.md) 和 [Codex](/docs/zh/ji-chu-zhi-shi/codex.md) ，方法是将其连接到 [Unsloth 的 API 端点](/docs/zh/ji-chu-zhi-shi/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，其中包括自我修复工具调用、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，到 Unsloth。
{% endcolumn %}

{% column %}

<figure><img src="/files/c633f6e5a61522d2d7fa76b1c6c3376b956d223d" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **无需代码训练**

[上传 PDF、CSV、JSON](#data-recipes) 文档或 YAML 配置，并立即在 NVIDIA 上开始训练。Unsloth 的内核可在 500+ 个文本、视觉、TTS/音频和嵌入模型上优化 LoRA、FP8、FFT、PT。

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-zhi-shi/multi-gpu-training-with-unsloth.md) 会自动工作，新版本即将推出。
{% endcolumn %}

{% column %}

<figure><img src="/files/d842710e2218bb4093516fe96927bacd629b2a5b" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% 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，具备自我修复 [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-zhi-shi/api.md)。上传图片、文档、音频、代码。

[并排对战模型](https://unsloth.ai/docs/new/studio/chat#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 %}

<figure><img src="/files/8963747f9c5d3cb884a5153ab2f956e49c809830" alt=""><figcaption></figcaption></figure>
{% 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 Data Recipes [数据设计器](https://github.com/NVIDIA-NeMo/DataDesigner)会自动将文档转换为你想要的格式。
{% endcolumn %}

{% column %}

<figure><img src="/files/767f9357d0662055b63acc65bd2018173eb273f9" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 可观测性

获得 [完整可视化](/docs/zh/xin/studio/start.md#training-progress) 来了解并控制你的训练运行。可实时跟踪训练损失、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 %}

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

{% columns %}
{% column %}

### 导出 / 保存模型

[**导出任何模型**](/docs/zh/xin/studio/export.md)，包括你微调后的模型，导出为 safetensors 或 GGUF，以便在 llama.cpp、vLLM、Ollama、LM Studio 等中使用。

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

{% column %}

<figure><img src="/files/cf5ca2ab921c9f17a85140ab2db69ead4dcf8f28" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### 隐私优先 + 安全

Unsloth Studio 可 100% 离线并在你的电脑本地使用。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，可确保你的数据安全。

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

{% column %}

<figure><img src="/files/54b44af1e96f5a67bf8bc6b1d04b3b86756009a9" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

## ⚡ 快速开始

### **通过 Unsloth Desktop 安装**

安装 Unsloth Studio 最简单的方法是使用原生 Desktop 应用。请根据你的操作系统下载：

* <i class="fa-apple">:apple:</i> [下载 macOS 版](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [下载 Windows 版](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [下载 Linux 版](https://unsloth.ai/download/linux)

如需手动安装 Unsloth Studio，请使用下面的命令。再次运行相同命令即可更新：

### **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
```

**通过 HTTPS 和 Cloudflare 安全启动 Unsloth**

**新！** Unsloth 现在提供了一种通过免费的 Cloudflare 隧道，以 HTTPS 安全启动 Unsloth 的方式。使用下面的命令（可在 Windows、Mac 和 Linux 上运行）：

```bash
unsloth studio --secure
```

**如需了解更多安装和卸载详情，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) ，这样你就可以在 Colab 的 T4 GPU 上探索 Unsloth 的所有功能。你可以训练并运行最多 22B 参数的大多数模型，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 UI 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** 在左侧显示的白色框中：

**继续向下滚动，查看实际的 UI。**
{% endcolumn %}

{% column %}

<figure><img src="/files/23d7b9394cb33ccc206be2027b143e6290680aea" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
有时 Unsloth 链接可能会返回错误。这是因为你可能禁用了 cookies，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 %}

### 👾 Unsloth Start

{% columns %}
{% column width="58.333333333333336%" %}
[Unsloth Start](/docs/zh/ji-cheng/unsloth-start.md) 让你可以通过 [Claude Code](/docs/zh/ji-chu-zhi-shi/claude-code.md), [Codex](/docs/zh/ji-chu-zhi-shi/codex.md) 以及其他智能体连接到本地模型，使用 `unsloth start` 命令。

启动 Unsloth，加载模型，打开你的项目文件夹，然后运行：

```bash
unsloth start claude
```

将 `claude` 替换为下面任意智能体：
{% endcolumn %}

{% column width="41.666666666666664%" %}

<figure><img src="/files/86e035acbaafcca2b57e4bb3f4191ad68bf30547" alt="" width="563"><figcaption><p>Claude Code 在本地使用 Qwen3.5 运行。</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

| 智能体                                                                | 命令                       |
| ------------------------------------------------------------------ | ------------------------ |
| <i class="fa-claude">:claude:</i> Claude Code                      | `unsloth start claude`   |
| <i class="fa-openai">:openai:</i> OpenAI Codex                     | `unsloth start codex`    |
| <i class="fa-caduceus">:caduceus:</i> Hermes Agent                 | `unsloth start hermes`   |
| <i class="fa-lobster">:lobster:</i> OpenClaw                       | `unsloth start openclaw` |
| <i class="fa-rectangle-vertical">:rectangle-vertical:</i> OpenCode | `unsloth start opencode` |

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

以下是 Unsloth Studio 的常见工作流程，可帮助你快速上手：

1. 从以下位置启动 Unsloth [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 [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) 到你已经使用的本地技术栈中。

你可以阅读我们对 Unsloth Studio 各个部分的深入介绍：

{% 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 仅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。

**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 等下载的现有/旧模型或 GGUF。现在它们应该会被 Unsloth 自动检测到，否则请阅读我们的 [这里的说明](/docs/zh/xin/studio/chat.md#using-old-existing-gguf-models).

**为什么在 Unsloth 中推理有时更慢？**\
Unsloth 和其他本地推理应用一样，都是由 llama.cpp 驱动的，因此速度大致应相同。有时 Unsloth 可能会变慢，是因为你开启了网页搜索、代码执行、自我修复工具调用。这些功能都会让推理变慢。如果在关闭所有功能后速度差异仍然偏慢，请在 GitHub 上提交 issue！

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

**Unsloth 现在是否采用 AGPL-3.0 许可证？**\
Unsloth 采用 Apache 2.0 和 AGPL-3.0 的双许可模式。核心 Unsloth 包仍采用 [**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，并让更广泛的生态系统持续增长。

**Unsloth 只支持 LLM 吗？**\
不。Unsloth 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-zhi-shi/text-to-speech-tts-fine-tuning.md)、音频、 [嵌入](/docs/zh/ji-chu-zhi-shi/embedding-finetuning.md)以及 BERT 风格的模型。

**我可以使用自己的训练配置吗？**\
可以。导入 YAML 配置后，Unsloth 会预先填充相关设置。

**使用 UI 是否需要训练模型？**\
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。

#### 致谢

非常感谢 NVIDIA 和 Hugging Face 参与我们的发布。同时也感谢所有 Unsloth Studio 的早期测试者，我们非常感谢你们的时间和反馈。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。


---

# 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, and the optional `goal` query parameter:

```
GET https://unsloth.ai/docs/zh/xin/studio.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.