GitHub-радар
Unsloth Studio: обучайте и настраивайте большие языковые модели локально!
Запускайте и настраивайте языковые, диффузионные модели, TTS и модели эмбеддингов локально — веб-интерфейс, конструктор датасетов с перетаскиванием, облако не нужно.
«Unsloth: первое десктопное приложение для запуска и обучения моделей». Unsloth Studio (запускается командой unsloth studio) предоставляет веб-интерфейс для просмотра моделей, скачивания и запуска LLM, диффузионных моделей, TTS и моделей эмбеддингов локально. Датасеты можно собирать через интерфейс с перетаскиванием, с поддержкой файлов PDF, CSV, DOCX для дообучения моделей без кода. Доступно для Windows, macOS и Linux. Поддерживает GPU от NVIDIA, AMD, Intel, CPU, Vulkan. Есть опциональная интеграция с ChatGPT и другими облачными сервисами. Есть бенчмарки производительности моделей Google (Gemma), OpenAI (gpt-oss), Alibaba (Qwen) и Meta (Llama). Дообучение в 2 раза быстрее, на 70% меньше видеопамяти, чем в традиционных пайплайнах. Подготовка MoE-моделей в 12 раз быстрее, на 35% меньше видеопамяти. Более 75 000 звёзд на GitHub.
Зачем это вайб-кодеру
Хотите пользоваться языковой моделью локально, но нет подписки на облако? Используйте Unsloth Studio, чтобы получить рабочий локальный интерфейс. Хотите дообучить модель на документах своей компании, ответах для клиентов, образцах текстов? Сделайте это сами через графический интерфейс и конструктор датасетов с перетаскиванием для PDF и таблиц, без единой строчки кода.
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