Skip to content
Ferramenta de IA

unsloth

Unsloth é um framework de código aberto para executar e treinar modelos de IA localmente, oferecendo velocidade, eficiência e uma UI sem código.

shipped 17 de abr. de 2026updated 27 de mai. de 2026freemium
Domain rating75Monthly visits13K/mo
unsloth - AI tool for unsloth. Professional illustration showing core functionality and features.

Por que importa

1Atinge treinamento até 2x mais rápido em GPUs únicas e até 30x mais rápido em sistemas multi-GPU.
2Reduz o uso de VRAM em 60% a 90%, permitindo o fine-tuning de modelos 7B Llama em 8GB de VRAM.
3Oferece Unsloth Studio, uma UI web sem código para treinamento, execução e exportação local de modelos.
4Suporta uma ampla gama de modelos abertos, incluindo Llama (1, 2, 3), Mistral, Gemma e Phi-3.

unsloth em resumo

Unsloth entrega um ajuste fino de LLM local acelerado para modelos abertos, mas escalar além dos limites de uma única máquina continua sendo seu problema.

Sobre o unsloth

Modelo de negócio
Open Source
Sede
New York, USA
Tamanho da equipe
11-50
Financiamento
Bootstrapped
Plataformas
Web, API
Público-alvo
Developers, Data Scientists, AI Researchers

Planos de preços

Free Tier
Free
  • • Access to basic models
  • • Community support
Pro Tier
$29/mo
  • • Access to advanced models
  • • Priority support
  • • Additional features
API DocsOpen Source

Especificações

Documentação API

API disponível

Sim, API pública

Capturas de tela

overview

O que é o unsloth?

unsloth é um framework de código aberto desenvolvido pela Unsloth que permite a desenvolvedores, profissionais de ML e iniciantes realizar fine-tuning e executar grandes modelos de linguagem localmente. Ele acelera e otimiza significativamente o fine-tuning de LLM, tornando o processo mais rápido e eficiente em termos de memória sem comprometer a precisão. A plataforma, incluindo o Unsloth Studio, é uma biblioteca Python e uma UI web projetada para otimizar o fine-tuning de LLMs como Llama (versões 1, 2, 3), Mistral, Gemma e Phi-3. Isso é alcançado através de derivações matemáticas avançadas, kernels de GPU personalizados escritos na linguagem Triton da OpenAI, e técnicas otimizadas como Flash Attention 2, LoRA e QLoRA.

Desenvolvimentos recentes, a partir de março-abril de 2026, incluem aprimoramentos do Unsloth Studio, como suporte contínuo para Windows CPU/GPU, binários llama.cpp pré-compilados para instalações 6x mais rápidas e tamanhos de instalação 50% menores, e chamadas de ferramentas aprimoradas. O suporte ao Gemma 4 foi atualizado em abril de 2026, com o Unsloth treinando o Gemma 4 aproximadamente 1.5x mais rápido com cerca de 60% menos VRAM do que as configurações tradicionais. Atualizações adicionais em outubro de 2025 introduziram Reinforcement Learning (RL) mais rápido e com uso mais eficiente de memória, com 50% menos VRAM e 10x mais contexto, juntamente com Unsloth Flex Attention para gpt-oss, permitindo mais de 8x mais contexto e mais de 50% menos VRAM.

features

Principais Recursos do unsloth

Unsloth oferece um conjunto abrangente de recursos destinados a otimizar e simplificar o fine-tuning e a implantação de grandes modelos de linguagem localmente. Sua principal força reside em suas otimizações de nível profundo e interfaces amigáveis ao usuário.

  • UI web para treinamento e execução local de modelos abertos, incluindo Gemma 4, Qwen3.5, DeepSeek e gpt-oss.
  • Interface sem código para fluxos de trabalho otimizados de fine-tuning e implantação de modelos.
  • Fine-tuning acelerado de LLM, atingindo treinamento até 2x mais rápido em GPUs únicas e 30x mais rápido em sistemas multi-GPU.
  • Uso otimizado de VRAM, reduzindo o consumo em 60% a 90%, permitindo o fine-tuning de modelos 7B Llama em 8GB de VRAM.
  • Integração de técnicas avançadas como Flash Attention 2, LoRA e QLoRA para desempenho aprimorado.
  • Capacidades para criar e editar datasets de vários tipos de arquivo, suportando upload de múltiplos arquivos.
  • Funcionalidade para realizar inferência e comparar saídas de modelos localmente.
  • Suporte preliminar para AMD em Linux e suporte para MacOS/CPU para Data Recipes.
  • Uma API robusta para interação programática e integração com outros sistemas.
  • Binários llama.cpp pré-compilados para instalações 6x mais rápidas e tamanhos de instalação 50% menores.

use cases

Quem Deve Usar o unsloth?

Unsloth é projetado para um público diverso, desde desenvolvedores individuais até equipes empresariais, buscando soluções eficientes e privadas para trabalhar com grandes modelos de linguagem. Sua combinação de otimização de desempenho e acessibilidade ao usuário o torna adequado para várias aplicações.

  • Desenvolvedores e Profissionais de ML: Para fine-tuning de Large Language Models (LLMs) e Reinforcement Learning (RL) para LLMs, criação de chatbots específicos de domínio, melhoria do alinhamento de resposta RAG (Retrieval Augmented Generation) e desenvolvimento de assistentes ajustados por instrução ou baseados em função.
  • Iniciantes e Cientistas de Dados: Utilizando a UI web sem código para treinamento, implantação e experimentação de modelos localmente, sem exigir conhecimento extenso de codificação, facilitando tarefas como geração de conteúdo e análise de dados.
  • Pesquisadores de IA: Para implantação local eficiente, inferência e comparação de vários modelos de IA de código aberto, permitindo prototipagem rápida e pesquisa em novas aplicações de LLM.
  • Empresas: Para desenvolver e implantar LLMs privados e personalizados, adaptados às necessidades e dados específicos do negócio, garantindo a privacidade dos dados e permitindo aplicações como LLMs privados empresariais e assistentes pessoais.

pricing

Preços e Planos do unsloth

Unsloth opera em um modelo de negócio freemium, oferecendo um nível gratuito para uso básico e um Pro Tier pago para usuários que exigem recursos e capacidades adicionais. A estrutura de preços é projetada para acomodar tanto profissionais individuais quanto usuários profissionais.

  • Free Tier: Gratuito
  • Pro Tier: US$ 29/mês

Gostando do artigo? Receba um assim na sua caixa de entrada toda manhã.

um e-mail por dia · cancele em dois cliques · sem rastreadores de terceiros

Ferramentas similares

unsloth vs Concorrentes

Unsloth se posiciona como uma solução líder para fine-tuning de LLM e implantação local, enfatizando ganhos significativos de velocidade e eficiência de memória em relação aos métodos tradicionais. Ele se diferencia por meio de otimizações de nível profundo e uma UI web sem código amigável ao usuário.

1

H2O LLM Studio offers a no-code graphical user interface for effortlessly fine-tuning large language models with advanced evaluation metrics and model comparison.

Like Unsloth Studio, H2O LLM Studio provides a web UI for fine-tuning and running open models locally, but it emphasizes a no-code approach and advanced experimentation features for NLP practitioners. Both are open-source and focus on local deployment and interaction with fine-tuned models.

2

This highly versatile and extensible open-source platform allows users to run and fine-tune local LLMs, supporting multiple backends, tool-calling, and image generation, all 100% offline and private.

Similar to Unsloth Studio, Text Generation Web UI offers a local web UI for both running and fine-tuning open models, but it provides broader model backend support and a more extensive plugin ecosystem. Both are open-source and prioritize local, private operation for experimentation.

3

LLaMA-Factory is an open-source platform dedicated to simplifying and accelerating the fine-tuning process for a wide array of Large Language Models and Vision-Language Models using efficient methods like LoRA and QLoRA.

LLaMA-Factory is a direct competitor for the fine-tuning aspect of Unsloth Studio, offering a UI for training open models locally with a strong focus on efficiency and broad model support. While Unsloth Studio also emphasizes fast fine-tuning, LLaMA-Factory's primary focus is on the training workflow.

4

LM Studio provides a user-friendly desktop application with an in-app chat UI and playground for easily downloading and running a wide range of open-source LLMs locally and privately.

While Unsloth Studio focuses on both training and running, LM Studio excels in the 'running open models locally with a UI' aspect, offering a streamlined experience for inference and interaction. It is free for personal use and supports models like Gemma, Qwen, and DeepSeek, similar to Unsloth Studio's running capabilities.