已有公开依据
- 项目用途：来自项目描述、README 或现有中文解读。
- 榜单记录：来自本站保存的周期快照和历史排名。
- 健康证据：已采集公开提交、Issue、PR 或 Release 样本，当前置信度为 样本有限。
- License：仓库当前声明为 Apache-2.0，仍需回到完整协议核验。
- 近期变化：已有可展示的公开事实摘要，原始链接仍是最终核验入口。
- 部署提醒：页面保留 README 和仓库链接，具体依赖、数据边界与运行方式以项目方文档为准。
SET YOUR READING DEPTH
你想先怎么看懂这个项目？
选一个更适合你的阅读深度。只需选一次，之后仍可在页面内随时切换。选择只保存在当前设备，不需要登录，也不会改变页面地址和搜索内容。
@unslothai
unsloth
unslothai/unslothLocal UI to run and train LLMs and diffusion models, including Qwen3.8, Kimi K3, MiniMax-H3, Gemma 4, DeepSeek-V4, FLUX and more.
STARS70,802
FORKS6,393
OPEN ISSUES / PRS1,117
LANGUAGEPython
CHOOSE YOUR VIEW
你想怎么了解这个项目？
同一份项目事实，两种阅读深度。不会改变页面地址和搜索内容。当前展示快速摘要和完整技术内容，请按需要选择。选择只保存在当前设备。
ADOPTION BRIEF
项目采用前简报
标准证据模板项目采用前评估
已有部分公开证据，但样本或表述仍不足以支撑采用结论。
采用前仍需核验
当前模板未发现明确证据缺口，但仍需在你的实际环境完成安装、依赖、数据和安全验证。
建议的下一步
- 打开 README 和完整 License，确认依赖与使用义务。
- 在隔离的测试环境完成最小可运行验证。
- 根据真实业务数据决定继续评估或暂缓采用。
01
人话与术语分开，事实不变
QUICK UNDERSTANDING
先用几分钟判断它是否值得继续看
先说人话
它让你在自己的电脑上运行和调整人工智能程序，不需要把数据上传到网上，用可视化的图形界面就能操作，适合不会写代码的人。
可以把它理解成一个家用工具箱：里面装着各种工具，你能在家里自己动手组装或修理物品，不用把东西送到外面的店里，而且每个工具都有配套说明书。
WHEN TO USE IT
什么时候用得上
- 当你想在电脑上使用一个能对话、写文章或画图的人工智能程序，但又不希望把自己的输入内容发送给网络服务时
- 当你需要把人工智能程序‘调教’得更懂你的行业或习惯，而你又不懂编程时
ONE EXAMPLE
举个具体例子
例如，一位语文老师想训练一个能自动判断作文是否跑题的AI小助手。她用这个软件导入自己多年的作文样本，点击几下鼠标，电脑就完成调整。之后她再输入学生作文，这个程序就能给出参考评分，整个过程都在她自己的电脑上进行。
WHO IT FITS
如果你是……
- 如果你有一台配置还不错的电脑，想尝试自己掌握 AI 工具，而不是依赖网页服务
- 如果你是教师、设计师、小企业主等非程序员，希望用 AI 提高效率，但又不想学命令行或代码
BEFORE YOU START
开始前先知道
- 开始前，请确认电脑的硬盘空间足够，因为这类程序往往需要占用几十GB的空间。
- 开始前，请阅读官方文档中关于电脑配置的要求，特别是显卡或内存的部分，以确保程序能正常运行。
当前维护状态近期活跃
最近 30 天内有代码推送记录。
License 提醒通常允许商业使用
通常仍需保留版权、许可声明，并遵守协议中的附加义务。
HISTORICAL INTELLIGENCE
历史情报摘要
日榜首次记录
历史最佳#6当前排名#6
暂无可比的上一期数据
- 记录天数
- 1 天
- 记录期 Star
- 0
VERIFIABLE HEALTH SIGNALS
项目健康证据
维护、响应、交付与采用风险分开观察，不生成虚假的单一总分。MAINTENANCE
核对提交维护活性
- 近 90 天 Commit
- ≥300 按公开记录统计
- 活跃贡献者
- ≥17 按公开记录统计 · 按公开提交账号去重
- 近 12 月活跃月份
- 1/12 基于已采集提交
RESPONSE
核对样本社区响应
- Issue 关闭率
- 25% 按公开记录统计 · 19/≥75 个同期新 Issue · Issue 原始样本 75 条／有效样本 75 条／排除 0 条
- Issue 关闭中位数
- 11 小时 按公开记录统计 · 仅统计已关闭样本
- PR 合并率
- 60% 按公开记录统计 · 179/≥300 个同期新 PR · PR 原始样本 300 条／有效样本 300 条／排除 0 条
- PR 合并中位数
- 3.7 小时 按公开记录统计 · 仅统计已合并样本
DELIVERY
核对发布持续交付
- 近 12 月正式 Release
- 36 按公开记录统计 · 排除草稿与预发布
- 最近正式 Release
- 2026-08-12 按公开记录统计 · 以公开发布时间为准
- 发布间隔中位数
- 5.7 天 按公开记录统计 · 至少两次正式发布才计算
ADOPTION
查看仓库采用风险
- 仓库状态
- 正常开放 未发现归档标记
- 开源协议
- Apache-2.0 仍需核对完整协议与依赖
- Security Policy
- 未发现 仅检查 GitHub 社区资料
90-DAY CHANGE RADAR
最近 90 天发生了什么
依据可复核的项目特定事件生成，不用通用文案补足事实。
近 90 天同时存在正式发布与合并活动，可继续核对具体演进方向
近 90 天记录到 ≥300 次 Commit、≥300 个新 PR（≥179 个已合并）和 ≥75 个新 Issue（≥19 个已关闭）；同期可复核正式 Release 19 个。
按公开提交记录统计，不判断内容或代码质量。
前者为已合并数量，后者为同期新建样本。
前者为已关闭数量，后者为同期新建有效样本。
仅统计窗口内非草稿、非预发布版本。
可复核事件4 条项目特定事实
点击前往 GitHub 原始记录- CommitUpdate issue templates
- Commitfix(amd): gate ROCm GPU selection and crash recovery on the build's arch coverage (#7670)
- Issue[Bug] MiniMax-H3 video generation fails: qwen3vl prepare graph weights failed (sd-cli exited -6)
- CommitStop the APU unified-memory tests inheriting the shell's GPU mask (#8662)
AI-ASSISTED PROJECT BRIEF
项目定位与辅助解读
AI 解读仅作初评参考，技术落地请以 GitHub 源码、README 和完整协议为准。
项目资料AI 整理
Unsloth 是一个在本地运行和训练大语言模型及扩散模型的开源工具，提供桌面应用与 API，支持多种模型架构，并宣称可加速微调、节省显存。项目以 Apache-2.0 许可发布，社区关注度较高。
Unsloth 是一个面向本地 AI 模型运行与训练的开源项目，覆盖 LLM、扩散、嵌入、音频等模型类型。它提供 Windows、macOS、Linux 原生桌面应用，也支持通过脚本安装。主要功能包括本地推理、LoRA/QLoRA 微调、模型导出（如 GGUF）、OpenAI 兼容 API，以及与 Claude Code、Codex 等智能体工具的集成。项目方还宣传了通过 Cloudflare 的远程安全访问能力。从公开资料看，该项目适合希望本地掌控数据和模型流程的开发者，但声称的性能提升尚待独立验证。
核心亮点
项目最值得关注的能力
- 提供 Windows/macOS/Linux 原生桌面应用，降低入门门槛
- 支持 LLM、扩散、图像/视频、音频等多类模型的运行和微调
- 集成 OpenAI 兼容 API，可对接多种外部工具和云服务
适用场景
它可以解决哪些实际问题
- 在本地硬件上运行开源大语言模型，进行对话、代码生成等任务
- 使用 LoRA/QLoRA 方法对模型进行领域微调，并导出为 GGUF 等格式
- 通过 OpenAI 兼容 API 将本地模型服务化，供其他应用调用
技术观察
从公开资料提炼的实现特征
- 核心语言为 Python，提供 curl/PowerShell 一键安装脚本及桌面安装包
- 支持多种硬件后端：CPU、NVIDIA、AMD、Intel、macOS、多 GPU
- 支持强化学习、LoRA、QLoRA、全量微调、DPO、GRPO 及 FP8 等训练方式
优势判断
相对明确的项目价值
- 功能一体化：从运行、训练到导出和服务均有对应模块
- 社区活跃度高，GitHub Stars 超 7 万，相关讨论和生态较丰富
局限与注意
评估和采用前需要留意
- 项目方宣称的性能优化数据缺乏独立的第三方验证
- GitHub 上 Open Issues/PRs 总量超过 1100，可能影响版本迭代速度（AI推断）
适用人群
哪些开发者和团队值得关注
- 需要在本地运行和定制大模型的 AI 开发者
- 关注数据隐私和成本控制、希望自建模型服务的团队
从公开资料看，Unsloth 构建了较完整的本地模型工作流，功能覆盖运行、微调、导出与服务化，社区热度较高（70k+ Stars）。但项目方宣称的‘2 倍加速’‘减少 70% 显存’等数据缺少第三方证据，Open Issues/PRs 数量也较多。总体而言，它值得关注，但在具体部署前应自行完成性能、安全性和兼容性验证。由 AI 基于 GitHub 公开资料辅助生成，不构成安全审计、生产选型或专业建议。
依据与内容边界
区分可验证事实、项目方自述与 AI 推断
GitHub 可验证事实
Star、Fork、License、更新时间及健康证据样本来自 GitHub 公开接口。
项目方自述
功能与使用方式主要来自仓库描述和 README，未经本站独立验证。
AI 推断
适用场景、优势与局限属于辅助解读，应结合原始文档独立判断。
- GitHub事实：仓库语言为 Python，许可证 Apache-2.0，Stars=70763，Forks=6392，Open Issues/PRs=1117。
- 项目方自述：README 宣称可运行和训练 LLM、扩散等模型，并支持‘2× faster with 70% less VRAM’微调。
生成于 2026-08-13 19:26
规则版本 2026-08-v5-plain-language
内容有误或您是项目作者？提交纠错
DISCOVER MORE
