# Unsloth Studio 安装

Unsloth Studio 可在 Windows、Linux、WSL 和 MacOS 上运行。你应该在每台设备上使用相同的安装流程，不过系统要求可能因设备而异。

<a href="/pages/ef666f465ed5ec55124d17ba90cfb169b4efa95f#windows" class="button secondary" data-icon="windows">Windows</a><a href="/pages/ef666f465ed5ec55124d17ba90cfb169b4efa95f#macos" class="button secondary" data-icon="apple">MacOS</a><a href="/pages/ef666f465ed5ec55124d17ba90cfb169b4efa95f#linux-wsl" class="button secondary" data-icon="linux">Linux & WSL</a><a href="/pages/ef666f465ed5ec55124d17ba90cfb169b4efa95f#docker" class="button secondary" data-icon="docker">Docker</a><a href="/pages/ef666f465ed5ec55124d17ba90cfb169b4efa95f#developer-installation-advanced" class="button secondary" data-icon="screwdriver-wrench">开发者安装</a>

* **Mac：** 类似 CPU - [聊天](/docs/zh/xin/studio/chat.md#using-unsloth-studio-chat) + [数据配方](/docs/zh/xin/studio/data-recipe.md) 目前可用。 **MLX** 训练即将上线。
* **CPU：即使没有 GPU，Unsloth 仍可运行**，但仅限聊天 + 数据配方。
* **训练：** 可在 **NVIDIA**上运行：RTX 30、40、50、Blackwell、DGX Spark/Station 等 + **Intel** GPU
* **即将推出：** 支持 **Apple MLX** 和 **AMD**.

### 快速开始

{% tabs %}
{% tab title="MacOS" %}

#### 步骤 1：设置 Unsloth

从 Mac 打开 `终端` ，然后输入下面的命令安装 Unsloth。

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

Unsloth 将开始设置环境并安装所需的软件包，如下所示。输入 **Y** 并按 `Enter` ，当系统询问你是否允许 Studio 立即启动时。这将会在你的本地 **8888** 端口上启动 Unsloth。

<figure><img src="/files/5f519c6be67e8e04d146b8890e77a97ea1d57b24" alt="" width="375"><figcaption></figcaption></figure>

{% hint style="info" %}
如果你在安装过程中选择不启动 Unsloth，也可以随时使用 `unsloth studio -p 8888` 命令启动 Unsloth 应用。如果你希望 Unsloth 实例可被 PC/电脑外部的客户端访问，请在 `-H 0.0.0.0` 中添加到 `unsloth studio` 命令里。
{% endhint %}

#### 步骤 2：启动 Unsloth

打开你喜欢的浏览器并访问 `http://127.0.0.1:8888` URL。如果这是你第一次安装 Unsloth，系统会提示你创建一个新密码。之后，Unsloth 应用应该会在聊天页面打开，如下所示。

<figure><img src="/files/3b5e738d6fe20d5b532b5938e5a1110a6a2d382b" alt="" width="375"><figcaption></figcaption></figure>

你可以立即开始训练和运行模型。下面你可以查看我们更详细的分步指南以开始使用：

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

{% tab title="Windows" %}

#### 步骤 1：设置 Unsloth

打开开始菜单，搜索 `PowerShell`，然后启动它。复制并粘贴下面的安装命令：

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

它会自动开始安装。安装完成后，PowerShell 会询问你是否要启动 Unsloth Studi&#x6F;**.**

<figure><img src="/files/5f519c6be67e8e04d146b8890e77a97ea1d57b24" alt="" width="375"><figcaption></figcaption></figure>

你也可以使用以下命令启动：

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

{% hint style="info" %}
如果你希望实例可被 PC/电脑外部的客户端访问。\
添加 `-H 0.0.0.0` 中添加到 `unsloth studio` 命令里。
{% endhint %}

#### 步骤 2：启动 Unsloth

在浏览器中打开 `http://127.0.0.1:8888` 。首次启动时，创建一个新密码以继续进入聊天页面。 **Unsloth Studio** 现已安装并可使用。

Unsloth 应用现在应会在聊天页面打开，如下所示。

<figure><img src="/files/752cee75840c3ad7dcf1d7c341a194e63895ac0e" alt="" width="375"><figcaption></figcaption></figure>

你可以立即开始训练和运行模型。下面你可以查看我们更详细的分步指南以开始使用：

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

{% tab title="Linux, WSL" %}

#### 步骤 1：设置 Unsloth

{% tabs %}
{% tab title="Linux" %}
打开你的终端应用。你可以按 `Ctrl + Alt + T`，或者在系统的应用菜单中搜索 `Terminal` 。
{% endtab %}

{% tab title="WSL" %}
点击 Windows 开始菜单，输入你已安装的发行版名称（例如 `Ubuntu`），然后打开它。

{% hint style="warning" %}
在 **WSL**上，确保你的 **NVIDIA 驱动** 已安装在 **Windows** 上（不是在 WSL 内），并且 **CUDA 工具包** 已安装在你的 WSL 发行版中。详情请参见下面的系统要求。
{% endhint %}
{% endtab %}
{% endtabs %}

要安装，请复制并运行安装命令：

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

然后：

1. 点击终端窗口内部
2. 使用 `Ctrl + Shift + V`
3. 粘贴命令 `Enter`

Unsloth 将开始设置环境并安装所需的软件包，如下所示。输入 **Y** 并按 `Enter` ，当系统询问你是否要允许 Studio 立即启动时按下。这将会在你的本地 **8888** 端口上启动 Unsloth。

<figure><img src="/files/6f5baa1b6cb53a7720aa0f8a23166f0ba32cb456" alt=""><figcaption></figcaption></figure>

{% hint style="info" %}
如果你在安装过程中选择不启动 Unsloth，也可以随时使用 `unsloth studio -p 8888` 命令启动 Unsloth 应用。如果你希望 Unsloth 实例可被 PC/电脑外部的客户端访问，请在 `-H 0.0.0.0` 中添加到 `unsloth studio` 命令里。
{% endhint %}

#### 步骤 2：启动 Unsloth

打开你喜欢的浏览器并在 URL 框中输入 `http://127.0.0.1:8888` 。如果这是你第一次安装 Unsloth，你将被转到 `http://127.0.0.1:8888/change-password` 页面，如下所示：

<figure><img src="/files/ece9f13878a0bc547e2f0e7b1e6e5621bdd6329a" alt="" width="563"><figcaption></figcaption></figure>

在 `新密码` 字段中输入新密码，并在 `确认密码` 中再次输入相同的密码，然后点击 **更改密码** 按&#x94AE;**.**

<figure><img src="/files/0f3b1da58479df6e434a9858d7905099bfe6b79d" alt="" width="158"><figcaption></figcaption></figure>

Unsloth 应用现在应会在聊天页面打开，如图所示。 **Unsloth Studio** 现已安装并可使用。

<figure><img src="/files/7b2ae9fdc1091c21ec8c93b895ed3c97c9326dab" alt="" width="563"><figcaption></figcaption></figure>

你可以立即开始训练和运行模型。下面你可以查看我们更详细的分步指南以开始使用：

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

### 更新 Unsloth Studio

要更新 Unsloth Studio，请使用：

{% code overflow="wrap" %}

```bash
unsloth studio update 
```

{% endcode %}

如果这不起作用，你可以使用下面的：

#### **MacOS、Linux、WSL：**

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

#### **Windows PowerShell：**

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

## 系统要求

### <i class="fa-windows">:windows:</i> Window**s**

Unsloth Studio 可直接在 Windows 上运行，无需 WSL。要训练模型，请确保你的系统满足以下要求：

**要求**

* Windows 10 或 Windows 11（64 位）
* 已安装驱动程序的 NVIDIA GPU
* **App Installer** （包含 `winget`): [在此](https://learn.microsoft.com/en-us/windows/msix/app-installer/install-update-app-installer)
* **Git**: `winget install --id Git.Git -e --source winget`
* **Python**：版本 3.11 到 3.14 之间，不包括 3.14
* 在 Python 环境中工作，例如 **uv**, **venv**，或 **conda/mamba**

### <i class="fa-apple">:apple:</i> MacOS

Unsloth Studio 支持 Mac 设备，适用于 [聊天](#run-models-locally) 用于 GGUF 模型和 [数据配方](/docs/zh/xin/studio/data-recipe.md) ([导出](/docs/zh/xin/studio/export.md) （即将推出）。 **MLX 训练即将推出！**

* macOS 12 Monterey 或更新版本（Intel 或 Apple Silicon）
* 安装 Homebrew： [在此](https://brew.sh/)
* Git： `brew install git`&#x20;
* cmake： `brew install cmake`&#x20;
* openssl： `brew install openssl`
* Python：版本 3.11 到 3.14 之间，不包括 3.14
* 在 Python 环境中工作，例如 **uv**, **venv**，或 **conda/mamba**

### <i class="fa-linux">:linux:</i> Linux & WSL

* Ubuntu 20.04+ 或类似发行版（64 位）
* 已安装驱动程序的 NVIDIA GPU
* CUDA 工具包（建议 12.4+，Blackwell 建议 12.8+）
* Git： `sudo apt install git`
* Python：版本 3.11 到 3.14 之间，不包括 3.14
* 在 Python 环境中工作，例如 **uv**, **venv**，或 **conda/mamba**

### <i class="fa-docker">:docker:</i> Docker

{% hint style="success" %}
我们的 Docker 镜像现在可用于 Studio！我们正在适配 Mac 兼容性。
{% endhint %}

* 拉取我们最新的 Unsloth 容器镜像： `docker pull unsloth/unsloth`
* 通过以下方式运行容器：

```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
```

更多信息， [见此处](https://hub.docker.com/r/unsloth/unsloth#unsloth-docker-image).

* 访问你的 studio 实例： `http://localhost:8000` 或外部 IP 地址 `http://external_ip_address:8000/`

### <i class="fa-microchip">:microchip:</i> 仅 CPU

Unsloth Studio 支持 CPU 设备，用于 [聊天](#run-models-locally) 用于 GGUF 模型和 [数据配方](/docs/zh/xin/studio/data-recipe.md) ([导出](/docs/zh/xin/studio/export.md) （即将推出）

* 与上面 Linux 的要求相同（不包括 NVIDIA GPU 驱动）以及 MacOS。

## 开发者安装（高级）

### **主仓库安装**

#### **macOS、Linux、WSL 开发者安装：**

```bash
git clone https://github.com/unslothai/unsloth
cd unsloth
./install.sh --local
unsloth studio -H 0.0.0.0 -p 8888
```

#### **Windows PowerShell 开发者安装：**

```powershell
winget install -e --id Python.Python.3.13 --source winget
winget install --id=astral-sh.uv  -e --source winget
winget install --id Git.Git -e --source winget
git clone https://github.com/unslothai/unsloth
cd unsloth
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass
.\install.ps1 --local
unsloth studio -H 0.0.0.0 -p 8888
```

### **夜间版安装**

#### **夜间版 - MacOS、Linux、WSL：**

```bash
git clone https://github.com/unslothai/unsloth
cd unsloth
git checkout nightly
./install.sh --local
```

然后每次启动：

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

#### **夜间版 - Windows：**

在 Windows Powershell 中运行：

```bash
winget install -e --id Python.Python.3.13 --source winget
winget install --id=astral-sh.uv  -e --source winget
winget install --id Git.Git -e --source winget
git clone https://github.com/unslothai/unsloth
cd unsloth
git checkout nightly
Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass
.\install.ps1 --local
```

然后每次启动：

<pre class="language-bash"><code class="lang-bash"><strong>unsloth studio -H 0.0.0.0 -p 8888
</strong></code></pre>

### 卸载

要卸载 Unsloth Studio，请按以下 4 个步骤：

#### **1. 移除应用程序**

* MacOS、WSL、Linux： `rm -rf ~/.unsloth/studio/unsloth_studio`
* Windows（PowerShell）： `Remove-Item -Recurse -Force "$HOME\.unsloth\studio\unsloth_studio"`&#x20;

这会移除应用程序，但会保留你的模型检查点、导出、历史记录、缓存和聊天内容。

#### **2. 移除快捷方式和符号链接**

**macOS：**

```bash
rm -rf ~/Applications/Unsloth\ Studio.app ~/Desktop/Unsloth\ Studio
```

**Linux：**

```bash
rm -f ~/.local/share/applications/unsloth-studio.desktop ~/Desktop/unsloth-studio.desktop
```

**WSL / Windows（PowerShell）：**

```bash
Remove-Item -Force "$HOME\Desktop\Unsloth Studio.lnk"
Remove-Item -Force "$env:APPDATA\Microsoft\Windows\Start Menu\Programs\Unsloth Studio.lnk"
```

#### **3. 移除 CLI 命令**

**macOS、Linux、WSL：**

```bash
rm -f ~/.local/bin/unsloth
```

**Windows（PowerShell）：** 安装程序已将 venv 的 `Scripts` 目录添加到你的用户 PATH 中。要将其移除，请打开 设置 → 系统 → 关于 → 高级系统设置 → 环境变量，找到 `Path` 在用户变量下，并删除指向 `.unsloth\studio\...\Scripts`.

#### **4. 删除全部内容（可选）**

如果你还想删除历史记录、缓存、聊天、模型检查点和模型导出，请删除整个 Unsloth 文件夹：

* MacOS、WSL、Linux： `rm -rf ~/.unsloth`
* Windows（PowerShell）： `Remove-Item -Recurse -Force "$HOME\.unsloth"`&#x20;

请注意，下载的 HF 模型文件是单独存储在 Hugging Face 缓存中的——以上步骤都不会删除它们。请参见 **删除模型文件** 下面的内容，以便释放那部分磁盘空间。

{% hint style="warning" %}
注意：使用 `rm -rf` 命令会 **删除所有内容**，包括你的历史记录、缓存、聊天等。
{% endhint %}

### **删除缓存的 HF 模型文件**

你可以通过模型搜索中的垃圾桶图标删除旧模型文件，或者从默认的 Hugging Face 缓存目录中移除相应的缓存模型文件夹。默认情况下，Hugging Face 使用 `~/.cache/huggingface/hub/` 在 macOS/Linux/WSL 上，以及 `C:\Users\<username>\.cache\huggingface\hub\` 在 Windows 上。

* **MacOS、Linux、WSL：** `~/.cache/huggingface/hub/`
* **Windows：** `%USERPROFILE%\.cache\huggingface\hub\`

如果设置了 `HF_HUB_CACHE` 或 `HF_HOME` ，请改用该位置。在 Linux 和 WSL 上， `XDG_CACHE_HOME` 也可以更改默认缓存根目录。

### 使用旧的 / 现有 GGUF 模型

{% columns %}
{% column %}
**4 月 1 日更新：** 你现在可以选择一个现有文件夹，让 Unsloth 从中检测模型。

**3 月 27 日更新：** Unsloth Studio 现在 **会自动检测较旧的 / 已存在的模型** ，这些模型下载自 Hugging Face、LM Studio 等。
{% endcolumn %}

{% column %}

<figure><img src="/files/cec2e46a923f32a71170420c00c39d7df4a8dbf4" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

**手动说明：** Unsloth Studio 会检测下载到你的 Hugging Face Hub 缓存中的模型 `(C:\Users{your_username}.cache\huggingface\hub)`。如果你有通过 LM Studio 下载的 GGUF 模型，请注意它们存储在 `C:\Users{your_username}.cache\lm-studio\models` ***或*** `C:\Users{your_username}\lm-studio\models` 。有时如果它们不可见，你需要将这些 .gguf 文件移动或复制到你的 Hugging Face Hub 缓存目录（或 llama.cpp 可访问的其他路径）中，Unsloth Studio 才能加载它们。

在 Studio 中微调模型或适配器后，你可以将其导出为 GGUF，并在 Studio Chat 中直接使用 **llama.cpp** 进行本地推理。Unsloth Studio 由 llama.cpp 和 Hugging Face 提供支持。

### <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 上体验 Unsloth 的所有功能。你可以训练并运行大多数参数规模最高达 22B 的模型，并切换到更大的 GPU 以运行更大的模型。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，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。

Google Colab 也要求你停留在 Colab 页面；如果检测到不活动，它可能会关闭 GPU 会话。
{% endhint %}

## 故障排除

<table><thead><tr><th width="211.5999755859375">问题</th><th>修复</th></tr></thead><tbody><tr><td>Python 版本错误</td><td><code>sudo apt install python3.12 python3.12-venv</code> 版本 3.11 到 3.14 之间，不包括 3.14</td></tr><tr><td><code>未找到 nvidia-smi</code></td><td>从 https://www.nvidia.com/Download/index.aspx 安装 NVIDIA 驱动</td></tr><tr><td><code>未找到 nvcc</code> （CUDA）</td><td><code>sudo apt install nvidia-cuda-toolkit</code> 或者添加 <code>/usr/local/cuda/bin</code> 到 PATH</td></tr><tr><td>llama-server 构建失败</td><td>非致命错误，Studio 仍可运行，但 GGUF 推理将不可用。安装 <code>cmake</code> 并重新运行设置即可修复。</td></tr><tr><td><code>未找到 cmake</code></td><td><code>sudo apt install cmake</code></td></tr><tr><td><code>未找到 git</code></td><td><code>sudo apt install git</code></td></tr><tr><td>构建失败</td><td>删除 <code>~/.unsloth/llama.cpp</code> 并重新运行设置</td></tr></tbody></table>


---

# 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/studio/install.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.