Unsloth Studio是一个本地Web UI工具集成了大模型下载、运行、训练、微调、导出以及数据集处理等功能。它支持GGUF和safetensors格式的模型兼容Windows、Mac、Linux系统并提供数据集整理、生成、训练过程可视化、模型对比等功能。此外它还支持Tool Calling、代码执行、网络搜索等高级功能为用户打造了一个完整的本地AI工作台。Unsltoh 刚刚放出的 Studio 有点东西大模型下载、运行、训练、微调、导出、数据集处理都串起来到了统一入口还有个示例Qwen3.5-4B 搜索了 20 多个网站引用了其来源并找到了最佳答案通过 Unsloth Studio 仅用 4GB RAM 本地运行 4B 模型通过在思考过程中直接执行工具调用网络搜索实现简介一句话说Unsloth Studio 是 一个本地 Web UI用来统一做模型运行、数据处理、训练和导出下图是官方 README 给出的主界面截图整体就是一个很典型的本地 AI 控制台Unsloth Studio 主界面模型支持本地运行 GGUF 和 safetensors 格式的模型支持文本、视觉、TTS、Embedding 等多种模型类型平台兼容支持 Windows、Mac、Linux 系统训练与微调提供数据集整理与生成、训练过程可视化、模型对比Model Arena功能并可使用 AI 助手对音频、视觉、LLM 进行微调支持导出 GGUF 和 safetensors 模型数据工具提供数据设计、合成数据生成、快速并行数据准备及嵌入微调工具交互界面聊天界面集成自动修复、工具调用、Python Bash 代码执行、网络搜索、以及图像与文档输入功能这类产品最怕的一点就是摊子铺得很大最后每一块都只做了个皮毛但 Unsloth Studio 现在给我的感觉是方向对了而且它抓的几个点很懂实际用户你可以直接搜模型、跑模型你可以上传 PDF、CSV、JSON、DOCX 这些文件你可以把训练后的模型继续导出到 llama.cpp、vLLM、Ollama 这些栈里它甚至把 Tool Calling、Web Search、代码执行也放进了 Studio Chat对于“我既想本地跑一下又想继续微调一下再顺手导出来接现有系统”的用户这套思路很顺功能亮点我把最值得关注的几个点拎出来1. 本地跑大模型入口更统一了它支持搜索和运行 GGUF、safetensors 模型也支持图片、文档、音频、代码文件上传。把“本地模型桌面化”风格上很像把本地模型管理、聊天、参数调节整合到了一起Unsloth Studio 运行模型界面2. 它把 Tool Calling 和代码执行也塞进来了这一点我挺喜欢很多本地 UI 做到聊天就停了能跑工具、能执行 Bash 和 Python 的并不多。Unsloth Studio 支持代码执行、Web Search以及所谓的 self-healing tool calling。这个方向一旦成熟对本地 Agent 会非常有意思3. Data Recipes 很像它的隐藏大招官方一直在强调 Data Recipes简单理解就是你把 PDF、CSV、JSON 这些资料丢进去它帮你转成可用的数据集走的是图节点工作流底层是 NVIDIA Nemo Data Designer如果它后续稳定下来这个价值其实不小因为大量微调项目最麻烦的环节就是前面那堆数据整理官方截图如下Unsloth Studio Data Recipes4. 训练过程可视化和导出能力也做进去了这两块我觉得挺实用Observability实时看训练 loss、gradient norm、GPU 使用率Export / Save models导出 GGUF、16-bit safetensors继续接 llama.cpp、vLLM、Ollama这就很像一个真正围绕“训练闭环”做的产品而不是单纯套了一层聊天壳子Unsloth Studio Observability安装安装方式非常直接MacOS、Linux、WSLcurl -fsSL https://raw.githubusercontent.com/unslothai/unsloth/main/install.sh | sh它做了下面几件事检查系统依赖比如cmake、git自动安装uv创建名为unsloth_studio的虚拟环境执行uv pip install unsloth --torch-backendauto最后再跑unsloth studio setupWindows Powershell安装完成后启动命令如下plaintextsource unsloth_studio/bin/activateunsloth studio -H 0.0.0.0 -p 8888浏览器打开 plaintext http://localhost:8888首次启动会要求你创建密码然后进入一个 onboarding 向导选择模型、数据集和一些基础配置安装体验这条一键命令确实省心但首装并不算快我这边日志里依赖解析就花了大约 2 分钟随后开始下载和安装torch、transformers、pyarrow、tokenizers、diffusers、unsloth等包。你如果看到终端一段时间没有明显新输出不用太慌大概率还在后台继续拉依赖。我这次在本机实测时一键安装脚本跑了 35 分钟进程依然停留在uv pip install unsloth --torch-backendauto这一步。官方文档里也专门提醒了首装可能需要 5 到 10 分钟原因是后面还会涉及llama.cpp相关构建。这一点我很建议大家有点耐心别看到安静了就顺手Ctrl C。但如果你本地也卡到半小时以上我建议你去看一下网络、镜像源、磁盘空间以及uv的下载缓存。一个需要注意的小细节更新说明里官方写了 MacOS 和 CPU 已经启用了 Data Recipes但安装页和系统要求页里又依然写着 Mac 和 CPU 当前主要支持 Chat训练部分还要再等等。所以更稳妥的理解方式是Windows、Linux、WSL 是当前主战场NVIDIA GPU 用户可以把训练能力作为重点来看Mac 用户当前先把它当成本地聊天和工作流入口适合谁下面这几类用户我觉得 Unsloth Studio 很值得盯一下想本地跑模型又不想一直在命令行里切来切去已经在玩 GGUF、Ollama、llama.cpp、vLLM想找一个统一入口想从“跑模型”继续往“做数据、做训练、做导出”再走一步想研究本地 Agent、Tool Calling、代码执行这类能力如果你只是想要一个极致稳定、只负责聊天的本地工具那它当前这个 Beta 状态还需要你多一点耐心。2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书
本地大模型运行、训练、微调全搞定，4GB RAM轻松运行4B模型！
Unsloth Studio是一个本地Web UI工具集成了大模型下载、运行、训练、微调、导出以及数据集处理等功能。它支持GGUF和safetensors格式的模型兼容Windows、Mac、Linux系统并提供数据集整理、生成、训练过程可视化、模型对比等功能。此外它还支持Tool Calling、代码执行、网络搜索等高级功能为用户打造了一个完整的本地AI工作台。Unsltoh 刚刚放出的 Studio 有点东西大模型下载、运行、训练、微调、导出、数据集处理都串起来到了统一入口还有个示例Qwen3.5-4B 搜索了 20 多个网站引用了其来源并找到了最佳答案通过 Unsloth Studio 仅用 4GB RAM 本地运行 4B 模型通过在思考过程中直接执行工具调用网络搜索实现简介一句话说Unsloth Studio 是 一个本地 Web UI用来统一做模型运行、数据处理、训练和导出下图是官方 README 给出的主界面截图整体就是一个很典型的本地 AI 控制台Unsloth Studio 主界面模型支持本地运行 GGUF 和 safetensors 格式的模型支持文本、视觉、TTS、Embedding 等多种模型类型平台兼容支持 Windows、Mac、Linux 系统训练与微调提供数据集整理与生成、训练过程可视化、模型对比Model Arena功能并可使用 AI 助手对音频、视觉、LLM 进行微调支持导出 GGUF 和 safetensors 模型数据工具提供数据设计、合成数据生成、快速并行数据准备及嵌入微调工具交互界面聊天界面集成自动修复、工具调用、Python Bash 代码执行、网络搜索、以及图像与文档输入功能这类产品最怕的一点就是摊子铺得很大最后每一块都只做了个皮毛但 Unsloth Studio 现在给我的感觉是方向对了而且它抓的几个点很懂实际用户你可以直接搜模型、跑模型你可以上传 PDF、CSV、JSON、DOCX 这些文件你可以把训练后的模型继续导出到 llama.cpp、vLLM、Ollama 这些栈里它甚至把 Tool Calling、Web Search、代码执行也放进了 Studio Chat对于“我既想本地跑一下又想继续微调一下再顺手导出来接现有系统”的用户这套思路很顺功能亮点我把最值得关注的几个点拎出来1. 本地跑大模型入口更统一了它支持搜索和运行 GGUF、safetensors 模型也支持图片、文档、音频、代码文件上传。把“本地模型桌面化”风格上很像把本地模型管理、聊天、参数调节整合到了一起Unsloth Studio 运行模型界面2. 它把 Tool Calling 和代码执行也塞进来了这一点我挺喜欢很多本地 UI 做到聊天就停了能跑工具、能执行 Bash 和 Python 的并不多。Unsloth Studio 支持代码执行、Web Search以及所谓的 self-healing tool calling。这个方向一旦成熟对本地 Agent 会非常有意思3. Data Recipes 很像它的隐藏大招官方一直在强调 Data Recipes简单理解就是你把 PDF、CSV、JSON 这些资料丢进去它帮你转成可用的数据集走的是图节点工作流底层是 NVIDIA Nemo Data Designer如果它后续稳定下来这个价值其实不小因为大量微调项目最麻烦的环节就是前面那堆数据整理官方截图如下Unsloth Studio Data Recipes4. 训练过程可视化和导出能力也做进去了这两块我觉得挺实用Observability实时看训练 loss、gradient norm、GPU 使用率Export / Save models导出 GGUF、16-bit safetensors继续接 llama.cpp、vLLM、Ollama这就很像一个真正围绕“训练闭环”做的产品而不是单纯套了一层聊天壳子Unsloth Studio Observability安装安装方式非常直接MacOS、Linux、WSLcurl -fsSL https://raw.githubusercontent.com/unslothai/unsloth/main/install.sh | sh它做了下面几件事检查系统依赖比如cmake、git自动安装uv创建名为unsloth_studio的虚拟环境执行uv pip install unsloth --torch-backendauto最后再跑unsloth studio setupWindows Powershell安装完成后启动命令如下plaintextsource unsloth_studio/bin/activateunsloth studio -H 0.0.0.0 -p 8888浏览器打开 plaintext http://localhost:8888首次启动会要求你创建密码然后进入一个 onboarding 向导选择模型、数据集和一些基础配置安装体验这条一键命令确实省心但首装并不算快我这边日志里依赖解析就花了大约 2 分钟随后开始下载和安装torch、transformers、pyarrow、tokenizers、diffusers、unsloth等包。你如果看到终端一段时间没有明显新输出不用太慌大概率还在后台继续拉依赖。我这次在本机实测时一键安装脚本跑了 35 分钟进程依然停留在uv pip install unsloth --torch-backendauto这一步。官方文档里也专门提醒了首装可能需要 5 到 10 分钟原因是后面还会涉及llama.cpp相关构建。这一点我很建议大家有点耐心别看到安静了就顺手Ctrl C。但如果你本地也卡到半小时以上我建议你去看一下网络、镜像源、磁盘空间以及uv的下载缓存。一个需要注意的小细节更新说明里官方写了 MacOS 和 CPU 已经启用了 Data Recipes但安装页和系统要求页里又依然写着 Mac 和 CPU 当前主要支持 Chat训练部分还要再等等。所以更稳妥的理解方式是Windows、Linux、WSL 是当前主战场NVIDIA GPU 用户可以把训练能力作为重点来看Mac 用户当前先把它当成本地聊天和工作流入口适合谁下面这几类用户我觉得 Unsloth Studio 很值得盯一下想本地跑模型又不想一直在命令行里切来切去已经在玩 GGUF、Ollama、llama.cpp、vLLM想找一个统一入口想从“跑模型”继续往“做数据、做训练、做导出”再走一步想研究本地 Agent、Tool Calling、代码执行这类能力如果你只是想要一个极致稳定、只负责聊天的本地工具那它当前这个 Beta 状态还需要你多一点耐心。2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书
