O LobeHub é uma plataforma para organizar agentes de IA em equipes sempre ativas, que podem ser contratadas, agendadas e avaliadas em um só lugar.
- Estrelas
- 78,299
- Forks
- 7,246
- Issues abertas
- 325
- Último commit
- há 5 horas
O que é?
Unsloth é uma ferramenta local para executar e treinar modelos de IA. Está disponível como Unsloth Desktop, um aplicativo nativo para Windows, macOS e Linux, e como Unsloth Studio, uma interface web iniciada com o comando unsloth studio. Unsloth Core é o pacote Python baseado em código para fazer fine-tuning em scripts e notebooks.
Para execução, oferece suporte a modelos GGUF e MLX, modelos de difusão de imagem e vídeo, além de uma API compatível com OpenAI. Também conecta modelos locais a agentes como Claude Code, Codex e ferramentas MCP, e pode ser acessado pela LAN ou por um link HTTPS do Cloudflare.
Para treinamento, oferece LoRA, QLoRA, fine-tuning completo, métodos de aprendizado por reforço como GRPO e DPO, além de exportação para formatos como GGUF e FP8. O pacote principal do projeto usa a licença Apache 2.0, e a interface do Studio, a AGPL-3.0.
Recursos principais
- 01Executa e treina LLMs, modelos de difusão, áudio e embeddings no Windows, Linux, WSL e macOS.
- 02Oferece suporte a GPUs NVIDIA, AMD e Intel, CPUs e ao backend Vulkan.
- 03Disponibiliza modelos por meio de uma API compatível com OpenAI.
- 04Conecta modelos locais ao Claude Code, Codex e ferramentas MCP.
- 05Oferece suporte a LoRA, QLoRA, fine-tuning completo, GRPO e DPO.
- 06Exporta modelos treinados para GGUF, FP8 e outros formatos.
- 07Cria datasets a partir de arquivos PDF, CSV e DOCX.
Casos de uso
- Executar modelos de pesos abertos localmente em um laptop ou workstation, sem enviar dados para um serviço na nuvem.
- Fazer fine-tuning de um LLM pequeno em uma única GPU de consumo, usando menos VRAM.
- Conectar um modelo local a agentes de programação como Claude Code ou Codex.
- Treinar modelos de difusão ou TTS e exportá-los para implantação local.
Início rápido
- 1
Baixe o app Unsloth Desktop para seu sistema operacional na página de releases
- 2
Instale no macOS usando o Homebrew
brew install --cask unsloth - 3
Inicie a interface web do Unsloth Studio
unsloth studio
Antes de usar
- As ferramentas do lado do servidor vêm ativadas por padrão; portanto, para expor o Unsloth na rede, é necessário usar uma senha forte ou a flag --disable-tools.
- Alguns métodos de instalação, como a configuração do Docker com GPU, dependem de hardware NVIDIA ou AMD.
Tópicos
Perguntas frequentes
- O que é unsloth?
- Aplicativo desktop de código aberto e interface web para executar, ajustar e exportar LLMs e modelos de difusão localmente, além de uma biblioteca de treinamento baseada em código. Unsloth é uma ferramenta local para executar e treinar modelos de IA. Está disponível como Unsloth Desktop, um aplicativo nativo para Windows, macOS e Linux, e como Unsloth Studio, uma interface web iniciada com o comando unsloth studio. Unsloth Core é o pacote Python baseado em código para fazer fine-tuning em scripts e notebooks.
- unsloth é gratuito? Qual é a licença?
- unsloth é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- unsloth ainda é mantido?
- Manutenção ativa. O último commit de unsloth foi em 20 de out. de 2026.
- Para que posso usar unsloth?
- Executar modelos de pesos abertos localmente em um laptop ou workstation, sem enviar dados para um serviço na nuvem. Fazer fine-tuning de um LLM pequeno em uma única GPU de consumo, usando menos VRAM. Conectar um modelo local a agentes de programação como Claude Code ou Codex. Treinar modelos de difusão ou TTS e exportá-los para implantação local.
- Como instalar unsloth?
- Baixe o app Unsloth Desktop para seu sistema operacional na página de releases Instale no macOS usando o Homebrew: brew install --cask unsloth Inicie a interface web do Unsloth Studio: unsloth studio
- Onde consigo unsloth?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/unslothai/unsloth
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Framework unificado para ajustar 100+ LLMs e VLMs com eficiência, usando uma CLI e uma interface Web sem código.
Um mecanismo de IA auto-hospedado e compatível com OpenAI, que executa LLMs e modelos de visão, voz, imagem e vídeo em qualquer hardware, inclusive em máquinas só com CPU.
Segundo cérebro de IA que você pode hospedar por conta própria, responde a perguntas sobre a web e seus documentos e oferece agentes personalizados e automações programadas.
App desktop open source e isolado da internet: um agente de IA no estilo do NotebookLM que pesquisa, transforma e edita seus documentos locais.
Ferramenta CLI para ajustar e fazer pós-treinamento de LLMs com um único arquivo YAML, incluindo opções para GPUs de consumo com pouca VRAM.