unsloth.ai 暂未发现付费内容

Unsloth 是一个开源、免费、无代码的桌面应用，用于在自己的电脑上运行和训练开放模型。它把模型下载、对话、图像与视频生成、代码执行、联网搜索这些能力收进一个本地界面，数据留在自己的设备上。适合希望不依赖在线 AI 服务、又不想写代码的人；如果你的硬件跑不动目标模型，或者你需要的是云端多人协作，它就不是合适的选择。

它解决什么问题

普通在线 AI 服务把模型放在别人的服务器上，你的输入要发出去，能力边界也由服务方决定。Unsloth 把这一层搬回本地：

• 100% 本地运行：模型推理和训练都在自己的机器上完成，工作内容不离开设备。
• 无代码：通过桌面 UI 操作，不需要自己写训练脚本或推理服务。
• 开源免费：官方页面明确标注 open-source、free。
• 覆盖多模态：文本之外，还包括图像、视频、音频模型的运行与训练。

主要能力

运行与训练模型

内置模型中心，可以浏览、管理并下载适合自己设备的量化版本，然后直接对话或训练。官方称对 Qwen3.8、NVIDIA、GLM、Gemma 等新发布模型提供 Day Zero 支持，即发布当天即可使用。

图像与视频生成

支持 Qwen-Image-2.1、MiniMax-H3、FLUX、Z-Image 以及 LoRA 适配器生成图像，用 Wan 和 LTX 生成视频。官方给出的一个参考数据是：在 NVIDIA B200 上，MiniMax-H3 生成 960×544、124 帧的视频用了 13 秒、8 步，此前需要 70 步以上。图像方面还支持变换、修补、扩展、放大、参考和编辑。

连接自己的 Agent

可以把 Claude Code、Codex 等 agent 接到本地模型上。流程是：启动 Unsloth、加载模型、打开项目文件夹，然后运行 unsloth start claude。切换模型时不需要改动 agent 的工作流。Unsloth 同时暴露 OpenAI 兼容 API，已有的应用、脚本和 SDK 可以用熟悉的方式连到本地模型。

联网搜索与代码执行

• Web 搜索：在桌面端内直接搜索，官方描述为不限量、私密、免费；Deep Research 可以查找来源并生成带引用的报告。
• 工具调用：官方称自修复工具调用能把准确率提升最多 50%，失败时自动检测、修复并重试。
• 代码沙箱：在安全沙箱里执行 Bash 和 Python，让模型运行代码、验证结果并完成任务。

远程访问

通过免费的 Cloudflare 隧道，把本地或 Colab 上的模型以 HTTPS 方式暴露出来，可以用手机或另一台电脑查看运行情况。

平台与获取方式

官网提供全部平台和版本的下载入口。

怎么判断它是否适合你

适合的情况：

• 你关心数据隐私，不希望输入内容离开本机。
• 你想在本地跑或微调开放模型，但不想碰命令行和训练代码。
• 你需要把本地模型接到 Claude Code、Codex 这类 agent 上，同时保留随时换模型的能力。
• 你想在本地做图像、视频生成或编辑。

需要先确认的情况：

• 硬件：本地运行和训练对显存、内存有要求，具体能跑哪个模型取决于你的设备，建议先从模型中心里对应设备的量化版本入手。
• 不是云端服务：它不提供托管算力，机器性能就是能力上限。
• 价格与登录：官方页面标注为开源、免费，未提及付费档位或账号限制；如需确认最新情况，以官网下载页和文档为准。

上手路径

1. 从官网下载对应平台的安装包并安装。
2. 打开应用，在模型中心选择并下载适合自己设备的量化模型。
3. 加载模型后直接对话，或打开项目文件夹接入 agent。
4. 需要联网或执行代码时，分别启用 Web 搜索和代码沙箱。
5. 想在别的设备上查看，按文档配置 Cloudflare 隧道。

官方文档提供各功能的 setup guide，遇到具体配置问题优先查阅对应页面。

开源软件指源代码公开、允许他人查看、修改和再分发的软件。它不等于免费，也不等于没有版权——是否收费、能否商用、二次发布要满足什么条件，取决于具体的开源许可证。对普通人来说，判断一款开源软件值不值得用，关键看三点：许可证是否匹配你的用途、项目是否仍在活跃维护、以及它能否解决你的具体任务。下面按这三个维度展开。

开源软件和"免费软件"不是一回事

很多人把开源等同于免费，这是最常见的误区。开源描述的是源代码的获取与使用权利，免费描述的是价格。两者可以重合，也可以分离：

• 有的开源软件完全免费，靠社区或捐赠维护；
• 有的开源软件本身免费，但官方提供付费的技术支持、托管或企业版；
• 也有软件免费但不开源（只给可执行文件，不给源代码）。

所以看到"开源"两个字，不要直接推断"免费"或"可以随便用"。真正决定你能怎么用的，是它附带的许可证。

常见许可证决定你能做什么

许可证是开源软件的使用规则。同样是开源，不同许可证对"修改后要不要也开源""能不能闭源商用"的要求差别很大。下面是最常见的几类：

对普通用户来说，日常使用（自己装来用、不修改不分发）几乎不受许可证限制。真正需要留意许可证的是两类人：把开源代码嵌进自己产品再发布的开发者，以及想基于开源项目做二次分发的人。如果你属于这两类，务必先读项目根目录下的 LICENSE 文件，而不是凭印象判断。

开源不等于安全，也不等于好用

"源代码公开所以更安全"是一种想当然。公开确实让更多人能审查代码，但有没有人真的去审查、发现问题后有没有人及时修，才是安全的关键。判断一个开源项目是否可靠，可以看这些信号：

• 最近提交时间：仓库几个月甚至几年没更新，遇到漏洞可能没人修；
• issue 和 PR 的响应：大量长期未处理的 issue，说明维护者精力有限或已放弃；
• 发布节奏：是否有稳定的版本发布，还是长期停在某个旧版本；
• 社区规模：文档、论坛、问答是否活跃，出问题能不能找到人。

反过来，一个更新频繁、社区活跃的小众开源工具，往往比一个多年不更新的大牌项目更值得信任。

按用途挑选开源替代品

选开源软件，先明确你要完成的任务，再看有没有成熟替代品。以图像处理为例，ImageOptim 就是一类面向"压缩图片、减小文件体积"任务的开源工具，它的定位是替代"导出为 Web 格式"这类操作，而不是替代完整的图像编辑软件。这说明一个重要思路：开源替代品常常只覆盖某个具体环节，而不是一比一替换整个商业软件。

按用途大致可以这样找：

• 图像/媒体处理：先想清楚是"编辑"还是"压缩/转换"，前者找编辑器，后者找专用工具；
• 办公文档：找能读写通用格式（如 docx、xlsx）的套件，注意复杂排版可能走样；
• 开发工具：这类开源生态最成熟，编辑器、版本控制、包管理基本都有开源方案；
• 系统工具：压缩、清理、格式转换等小工具，开源选择非常多。

挑选时的通用检查清单：

1. 它能不能完成你的核心任务（先看功能，不看名气）；
2. 最近一次更新是什么时候；
3. 有没有清晰的安装说明和文档；
4. 出问题时去哪里求助（issue 区、论坛、聊天群）。

安装和使用中的常见卡点

开源软件的安装方式比商业软件更杂，遇到问题先分清是哪一类：

• 来源不明：只从项目官网或官方代码仓库下载，不要用来路不明的第三方打包版本；
• 依赖缺失：部分工具需要先装运行环境或其他组件，报错信息通常会指出缺什么；
• 权限与系统限制：某些系统会拦截未签名应用，需要手动允许，操作前确认来源可信；
• 版本混乱：同一工具有稳定版和开发版，日常使用优先选稳定版。

遇到问题时的求助顺序

1. 先查官方文档：多数基础问题文档里就有答案；
2. 搜 issue 区：你的问题很可能别人已经提过，看有没有解决方案或临时绕过办法；
3. 看社区论坛/聊天群：适合文档没覆盖的使用经验类问题；
4. 自己提 issue：写清版本、系统、复现步骤和报错信息，越具体越容易被回应。

提 issue 时不要只写"用不了"，而要写"在什么系统、什么版本、执行了什么操作、期望什么结果、实际报了什么错"。这几乎决定了你能不能得到有效帮助。

一句话决策

日常自己用、不修改不分发，选开源软件主要看功能是否够用 + 项目是否还在维护；要把代码嵌进自己的产品再发布，才需要认真读许可证。开源是权利和协作方式，不是质量或免费的保证——把它当成一个需要核实的选项，而不是一个可以放心的标签。

可以，但有前提。对大多数个人用户来说，Windows 自带的 Microsoft Defender、macOS 的 XProtect 与 Gatekeeper、手机系统自带的应用沙箱和权限管理，已经能覆盖大部分恶意软件风险。真正容易被忽略的，是钓鱼网站、弱密码复用、来路不明的下载、公共 Wi-Fi 和隐私泄露。与其装一套笨重、爱弹窗、捆绑全家桶的传统杀毒软件，不如按“系统自带 + 轻量工具 + 使用习惯”三层来组合。

先分清：哪些风险需要工具，哪些只能靠习惯

关键结论：实时防护交给系统自带即可，其余风险更多靠工具组合和操作习惯，而不是靠一个“万能杀毒”。

电脑端：免费小众工具的合理组合

第一层：系统自带防护，别急着关

• Windows：Microsoft Defender 默认开启，保持实时保护、云保护、勒索软件防护即可。它和系统更新联动，误报相对少，不需要额外装“加速球”类工具。
• macOS：XProtect、Gatekeeper、公证机制默认工作，不要为了装某个来源不明的软件而长期关闭 Gatekeeper。

第二层：按需补充的轻量工具

• 反钓鱼与广告拦截：浏览器扩展如 uBlock Origin（拦截广告和部分恶意域名）。注意只从官方扩展商店安装，并定期检查权限。
• 密码管理器：Bitwarden、KeePassXC 等。核心价值是每个网站用独立强密码，配合双因素认证，能显著降低钓鱼和撞库的成功率。
• 沙盒或虚拟机：需要测试来路不明的程序时，用 Windows 沙盒、Sandboxie 类工具或虚拟机隔离运行，避免直接在主系统执行。
• DNS 过滤：使用可信的公共 DNS 或本地 DNS 过滤工具，拦截已知恶意域名。它不能替代杀毒，但能减少误入恶意站点的概率。
• 文件校验：下载后核对官网提供的哈希值，是判断文件是否被篡改的低成本方法。

不建议的做法

• 同时装两套以上带实时监控的杀毒软件，容易冲突、拖慢系统。
• 为了“免费”安装捆绑了浏览器主页、搜索劫持的所谓安全工具。
• 长期关闭系统更新，只靠第三方工具打补丁。

手机端：权限管理比杀毒 App 更重要

Android 和 iOS 的应用沙箱机制，让传统“手机杀毒”意义有限。更实用的做法是：

1. 只从官方应用商店安装，谨慎对待第三方 APK 和描述文件。
2. 审查权限：一个手电筒 App 不需要通讯录和定位；定期在设置里收回不必要权限。
3. 开启系统级防护：iOS 的“锁定模式”适合高风险人群；Android 的 Google Play Protect 保持开启。
4. 密码与双因素：手机是双因素认证的主要载体，务必设置锁屏密码，并备份恢复码。
5. 公共 Wi-Fi：尽量避免在公共网络登录网银或输入敏感信息；如必须使用，优先走手机热点。

按场景给出的组合建议

• 日常上网与购物：系统自带防护 + 广告拦截扩展 + 密码管理器 + 双因素认证。
• 下载安装软件：只从官网或可信商店下载 + 核对哈希 + 必要时沙盒运行。
• 移动支付与网银：确认 HTTPS 和域名 + 不用公共 Wi-Fi + 开启交易提醒。
• 公共 Wi-Fi：优先手机热点；必须使用时避免登录敏感账号。
• 处理陌生附件：先查扩展名和来源，可疑文件用沙盒或在线多引擎扫描查看结果，不直接双击。

免费工具的常见限制与注意事项

• 捆绑安装：安装时选“自定义”，取消勾选附带软件。
• 权限索取：安全工具要求过高权限时，先想清楚它是否真的需要。
• 误报：轻量工具误报率可能更高，遇到拦截先核实来源，不要盲目放行。
• 更新频率：免费工具可能更新慢，规则库滞后会降低防护效果。
• 隐私政策：免费产品可能靠数据变现，安装前看清隐私条款。
• 不能替代的必要措施：系统更新、定期备份、双因素认证、谨慎点击，这四件事没有任何工具能替你完成。

一个可复制的检查清单

1. 系统更新和自带防护保持开启。
2. 浏览器装一个可信广告拦截扩展。
3. 所有重要账号使用独立强密码，并开启双因素认证。
4. 重要文件定期备份，至少一份离线。
5. 下载只走官网，安装前核对来源。
6. 手机定期审查应用权限。
7. 公共网络下不做敏感操作。

做到这些，大多数个人用户不需要传统杀毒软件，也能把日常风险控制在可接受范围内。工具是辅助，习惯才是主线。

Unsloth Desktop 官方提供 macOS、Windows 和 Linux 三个平台的安装包：macOS 分 Apple Silicon 与 Intel 两种芯片的 .dmg，Windows 支持 Windows 10 及以上的 .exe，Linux 提供面向 Ubuntu 及兼容发行版的 .deb。也就是说，主流桌面系统都能装上。但“能装”和“能顺畅跑”是两件事——真正决定体验的是你的显卡和显存，因为 Unsloth Desktop 的定位是在本地硬件上运行和训练模型，模型规模直接受硬件上限约束。

各平台安装包一览

官网设有“View all downloads”入口，可查看所有平台与历史版本。下载前先确认自己的芯片类型（Mac 用户尤其要注意区分 Apple Silicon 和 Intel），选错包会装不上或跑不起来。

硬件怎么影响你能跑什么

页面给出的性能参照是 NVIDIA B200：在该显卡上，MiniMax-H3 生成一段 960×544、124 帧的视频只需 13 秒、8 步，而此前需要 70 步以上。这说明 Unsloth Desktop 能调用高性能 GPU 做图像、视频这类重负载任务，且优化幅度明显。

但这条数据是高端专业卡的场景，不代表普通笔记本能复现。实际选择时按这个逻辑判断：

• 有独立 NVIDIA GPU 且显存较大：可以尝试较大的文本模型，以及图像、视频生成类任务。
• 显存有限（如入门级独显或核显）：优先选小参数模型和小尺寸量化版本，图像/视频生成会明显吃力甚至无法运行。
• Apple Silicon Mac：可借助统一内存运行模型，内存越大能承载的模型越大。
• 纯 CPU 环境：可以装、可以试小模型，但训练和视频生成基本不现实。

Unsloth Desktop 内置模型 hub，会帮你按设备匹配合适的量化版本——这是最省事的做法，不用自己算显存够不够，直接在 hub 里挑推荐项即可。

安装与首次运行步骤

1. 打开官网下载页，按你的系统选对应安装包（Mac 注意芯片类型）。
2. 安装并启动 Unsloth Desktop。
3. 进入内置模型 hub，根据设备推荐下载一个量化模型。
4. 加载模型，开始对话或训练。

预期结果：模型加载完成后即可在本地对话；若加载失败或极慢，通常是显存/内存不足，换更小的量化版本即可。

常见卡点

• Mac 装错包：Apple Silicon 和 Intel 的 .dmg 不通用，装错会直接失败。
• Windows 版本过低：仅支持 Windows 10 及以上。
• Linux 非 Debian 系：只提供 .deb，其他发行版需要自行处理依赖。
• 显存不够：表现为加载失败、生成中断或速度极慢，解决办法是换更小量化模型，而不是反复重装。

除了本地，还能远程访问

如果你想让本地或 Colab 上的模型在别的设备上用，Unsloth 支持通过免费的 Cloudflare 隧道以 HTTPS 方式对外提供访问，可以在手机或笔记本上查看运行情况。这解决的是“模型在 A 机器、人却在 B 设备”的场景，不改变本地硬件本身的限制。

一句话结论：三个桌面系统都能装 Unsloth Desktop，但能不能跑得动，取决于你的 GPU/内存和所选模型的量化大小；拿不准就先看内置模型 hub 的设备推荐。

是。Unsloth 官网把 Unsloth Desktop 标注为开源、免费、100% 本地运行的桌面应用，提供 Mac、Windows、Linux 三个平台的下载包。它适合希望把模型和数据留在自己机器上、又不想写代码就能跑模型的人；代价是算力由你自己的硬件承担，模型能不能跑得动取决于设备配置。

授权与费用：官网怎么说

Unsloth 首页对 Unsloth Desktop 的定位是“The first desktop app to run and train AI models. Open-source. Free. 100% Local.”，即开源、免费、完全本地。下载入口按平台划分：

官网还提供“View all downloads”入口，用于查看全部平台与版本。需要说明的是，资料中没有出现订阅、付费墙或支付方式的信息，因此这里只陈述官网的“免费、开源”表述，不对是否存在其他商业服务做推断。

本地运行带来的三个实际优势

隐私：数据不出本机

官网强调“built to keep your work local”。模型推理、图像视频生成、代码执行都在本地完成，不需要把提示词、素材或代码上传到云端服务。对处理内部文档、未公开素材或敏感代码的场景，这一点比“便宜”更重要。

成本：省掉按量计费的 API 开销

本地运行不产生按调用次数计费的 API 费用，长期高频使用时的边际成本接近电费。但这不是“零成本”：你需要自有硬件承担算力。官网给出的一个参照是，在 NVIDIA B200 上，MiniMax-H3 生成 960×544、124 帧视频耗时 13 秒（8 步），而此前需要 70 步以上——这类速度依赖高端显卡，普通笔记本的体验会明显不同。

开放：可自行查看、参与，并接入自有工具

作为开源项目，代码可查看、可参与。在集成层面，Unsloth 暴露 OpenAI 兼容 API，现有应用、脚本和 SDK 可以用熟悉的接口连到本地模型；也可以通过 unsloth start 命令把 Claude Code、Codex 等智能体接到本地模型上，换模型时不必改动智能体侧的工作流。

本地能做什么：能力范围

Unsloth Desktop 覆盖文本、图像、视频、音频模型的运行与训练：

• 图像与视频生成：支持 Qwen-Image-2.1、MiniMax-H3、FLUX、Z-Image 及 LoRA 适配器；视频侧支持 Wan 和 LTX。图像可做变换、修补、扩展、放大、参考和编辑。
• 智能体接入：unsloth start claude 之类的命令把外部智能体指向本地模型。
• 联网搜索：内置网页搜索，可在模型思考时检索，或用 Deep Research 生成带引用的报告。
• 代码执行：在安全沙箱中运行 Bash 和 Python，官网称自愈式工具调用可把工具调用准确率提升最多 50%。
• 模型管理：内置模型中心，支持 Qwen3.8、NVIDIA、GLM、Gemma 等新模型的 Day Zero 支持，并按设备推荐合适的量化版本。
• 远程访问：通过免费的 Cloudflare 隧道以 HTTPS 暴露本地或 Colab 模型，可从手机或其他设备查看运行情况。

怎么判断它是否适合你

适合的情况：你有一台配置尚可的 Mac、Windows 或 Linux 机器，在意数据不外传，想不写代码就跑和训练模型，或者想把本地模型接进已有的智能体与脚本。

需要再权衡的情况：你的硬件较弱，尤其是想跑视频生成或大参数模型；或者你只需要偶尔调用一次模型，云端 API 的即时可用性可能更省事。官网没有给出最低硬件要求，建议先下载对应平台的安装包，用内置模型中心按设备推荐选择量化版本再试跑。

上手路径

1. 从官网下载对应平台的安装包（Mac 用 .dmg，Windows 用 .exe，Linux 用 .deb）。
2. 打开 Unsloth Desktop，在模型中心按设备推荐下载合适的量化模型。
3. 直接开始对话，或按需启用图像视频生成、联网搜索、代码执行。
4. 要接智能体时：启动 Unsloth、加载模型、打开项目文件夹，再运行 unsloth start claude；其他应用可通过 OpenAI 兼容 API 接入。
5. 需要远程查看时，用 Cloudflare 隧道把本地模型以 HTTPS 暴露出去。

常见卡点集中在硬件：模型越大、量化越轻，速度与质量之间的取舍越明显；视频生成对显存的要求通常高于文本对话。官网未列出具体硬件门槛，遇到跑不动的情况，优先换更小的量化版本而不是反复重装。