GitHub-радар
Unsloth Studio — локальный запуск и дообучение LLM
Первое десктопное приложение для запуска и дообучения языковых, диффузионных, голосовых и embedding-моделей локально — с браузерным интерфейсом, конструктором датасетов и без облака.
Авторы называют Unsloth «первым десктопным приложением для запуска и обучения моделей». Его веб-интерфейс — Unsloth Studio — открывается командой `unsloth studio`: здесь каталог моделей, скачивание и локальный запуск LLM, диффузионных, голосовых (TTS) и embedding-моделей. Конструктор датасетов принимает PDF, CSV и DOCX для дообучения без кода. Работает на Windows, macOS, Linux с NVIDIA, AMD, Intel GPU, CPU и Vulkan. Опционально подключаются облачные провайдеры. В таблице бенчмарков — модели от Google (Gemma), OpenAI (gpt-oss), Alibaba (Qwen) и Meta (Llama). По данным авторов, дообучение идёт вдвое быстрее стандартного пайплайна при 70% экономии видеопамяти; для больших экспертных моделей (MoE) подготовка ускоряется в 12 раз при 35% экономии. Проект собрал 75 000+ звёзд на GitHub.
Зачем это вайб-кодеру
Если хочешь запустить языковую модель без облачной подписки — Unsloth Studio даёт готовый локальный интерфейс. Если хочешь дообучить модель на своих данных — на документах компании, вопросах клиентов, своих текстах — это делается через графический интерфейс, принимающий PDF и таблицы, без программирования.
Как поставить
Скопируйте и отправьте своему агенту — Claude Code, Codex, любому:
Установи Unsloth из https://github.com/unslothai/unsloth — действуй по README, запусти команду `unsloth studio`, открой веб-интерфейс в браузере и покажи мне список доступных моделей. Спроси, если нужны права или дополнительные шаги.
Запуск небольших моделей — обычный ноутбук, видеокарта необязательна. Для крупных моделей и дообучения нужна GPU: NVIDIA, AMD, Intel или Mac на M-чипе.
Открыть на GitHub▌ Ещё находки