Unsloth 推出本地桌面端：免配环境，连训带跑省 70% 显存

Unsloth Desktop 是一款免费开源的桌面端应用，把本地运行大模型和微调训练整合进了一个界面里。它基于 Tauri 开发，跨平台支持 Mac、Windows 和 Linux。

它能做什么

它最大的特点是完全省去了繁琐的环境配置。用户不需要折腾 Python 环境，也不用在终端里敲复杂的命令行，下载好模型就能直接对话，或者开始微调训练。

硬件与模型格式的兼容做得很宽泛。它支持 GGUF、MLX、扩散图像与视频模型以及音频模型，能在 NVIDIA、AMD、Intel 以及 Apple Silicon 的 CPU 或多 GPU 环境下跑起来。

在训练效率上，Unsloth 表示其训练速度能提升 2 倍，同时显存占用减少 70%。此外，软件内还集成了沙盒化代码执行、私密网络搜索、深度研究、RAG、MCP 以及准确率提升 50% 的自修复工具，支持将 Claude Code 和 Codex 连接到本地模型，并能通过 Cloudflare HTTPS 实现远程安全部署。项目代码已在 GitHub 开源。

为什么重要

过去本地跑模型已经有了不少轻量工具，但只要涉及模型微调，开发者通常还要面对繁琐的环境依赖和严苛的显存限制。

Unsloth Desktop 把高效的训练引擎做成了即开即用的桌面软件，直接抹平了本地定制模型的门槛。如果你手头有可用算力，想用自有数据低成本跑出专属模型，它非常值得现在就下载一试。