Unsloth 發布開源桌面版應用程式，支援本地模型運行與訓練，訓練速度提升 2 倍並減少 70% VRAM

據 Reddit 社群消息，Unsloth 團隊宣布推出首款開源桌面應用程式 Unsloth Desktop，支援在 Mac、Windows 與 Linux 上本地運行與訓練模型。該應用程式延續 Unsloth 的核心技術，標榜訓練模型速度提升 2 倍，並減少 70% VRAM 消耗，硬體端支援 CPU 以及 NVIDIA、AMD、Intel 與 Mac 的多 GPU 環境。 在模型支援方面，Unsloth Desktop 相容 MLX、GGUF 格式以及圖像、影片與音訊等多模態模型，可運行 MiniMax-H3、Muse Glimmer，並預告將支援 Qwen 3.8。功能面內建私人網路搜尋、深度研究、RAG 與 MCP，並支援匯出為 NVFP4 與 GGUF 格式。 針對開發者，該應用程式具備自我修復工具呼叫與沙盒程式碼執行功能，官方稱準確率提升 50%。此外，使用者可將 Claude Code 與 Codex 連接至本地模型，系統提供相容 OpenAI 的 API，並允許透過 Cloudflare HTTPS 進行遠端安全部署。官方強調，該軟體不收集任何遙測或使用者資料。