Unsloth 与 Windows 团队合作集成微软开源沙箱 mxc 隔离 Agent 代码执行
Unsloth 把微软开源的 mxc 沙箱接进了 Windows，AI Agent 跑代码不到 100ms 开销，还带资源限额防 fork 炸弹，玩 Agent 的可以试试。
#Unsloth
共 16 条 · 7 天 2 条 · 30 天 5 条
信息流里打上「Unsloth」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月9日
10月8日
Unsloth Studio 上线运行前安全检查：代码、权重、包和工具逐一核查
Unsloth 给 Studio 加了运行前安检：代码指纹审批、权重拦截、CI 检查、沙箱运行，加载 Hugging Face 模型前可以先过一遍。
9月29日
Unsloth 支持本地部署开源决策模型 Laya，最低 4GB 内存
Unsloth 把 Laya 决策模型做到了 4GB 内存就能本地跑，还能无缝替换 Jev API。做分类决策类应用的朋友可以看看，文章里 confidence 和 probabilities 的坑讲得很实用。
9月23日
Unsloth GGUF 量化让 Qwen-Image-2.1 在 12GB 显存本地运行
低配显卡党福音：Unsloth 把 Qwen-Image-2.1 量化到 12GB 显存就能本地生图，6GB 显存走 FP8 offloading 也能跑，质量还对标 Nano Banana 2.0。
9月17日
8月20日
8月15日
Qwen3.8-27B 可在 17GB 内存本地运行，Unsloth 发布量化版
Qwen3.8-27B 现在靠 Unsloth 动态量化，17GB 内存就能跑，还有 NVFP4 量化版，适合本地尝鲜。
8月7日
Unsloth推出DSpark，DeepSeek-V4-Flash本地提速2倍
Unsloth搞了个DSpark，能让DeepSeek-V4-Flash在本地跑快一两倍，每秒120 tokens，精度不变，自己部署更爽了。
7月22日
Unsloth等四大微调框架：速度、VRAM、多GPU对比
想微调LLM选框架？这篇对比了Unsloth、Axolotl、TRL和LLaMA-Factory，讲清了各自的速度、显存和多GPU表现，帮你快速决策。
7月18日
7月10日
在Amazon SageMaker AI上用Unsloth部署量化模型的四种模式
想用Unsloth量化模型上AWS？这篇教你四种部署方式，从直接跑EC2到托管SageMaker，还能用K8s跑，生产技巧也全。
6月25日
Unsloth将GLM-5.2压缩至1-bit并在M3 Ultra上以21 tok/s运行，创意输出可比Claude Opus
Unsloth把GLM-5.2压到1-bit，Mac Studio上跑21 tok/s，创意性居然不输Claude Opus，本地部署党有福了。
6月19日
Unsloth 将 GLM-5.2 压缩至 2-bit，本地可运行
Unsloth 把 1.5TB 的 GLM-5.2 压到 238GB，本地就能跑，准确率还能保住 82%。有 256GB 内存的 Mac 就能玩，开源模型天花板。
6月16日
Unsloth将1万亿参数Kimi K2.7 Code动态2bit量化至325GB，本地跑40+ tok/s
Unsloth把1万亿参数的Kimi K2.7 Code压到325GB本地能跑，速度40+ tok/s，长程推理和agent工作流全闭环，开源社区终于能自己跑了。
6月11日
DiffusionGemma 支持微调，Unsloth 演示解数独
做垂直任务微调的开发者值得关注——DiffusionGemma 的双向注意力让数独这类全局约束问题有了新解法，建议试试在自家任务上微调对比效果。
