Unsloth

O Unsloth existe para ajustar modelos de IA abertos aos seus dados sem sair da sua máquina. O centro do projeto é o fine-tuning: LoRA, QLoRA, ajuste completo e aprendizado por reforço com GRPO e DPO. O README promete treino duas vezes mais rápido com 70% menos memória de vídeo, sem perda de precisão.

Para que serve

• Ajustar um LLM aberto com exemplos da sua empresa usando LoRA ou QLoRA.
• Treinar por reforço, com GRPO ou DPO, para melhorar respostas numa tarefa específica.
• Exportar o modelo ajustado em GGUF ou FP8 e levá-lo para outras ferramentas locais.
• Expor modelos locais numa API compatível com a da OpenAI e ligá-los ao Claude Code ou ao Codex.
• Produzir imagem e vídeo com modelos de difusão no próprio computador.

Como começar

Há três versões: Desktop, Studio (interface web local) e Core, em código. No macOS, Linux ou WSL, o Studio instala e abre com dois comandos:

curl -fsSL https://unsloth.ai/install.sh | sh
unsloth studio

No Windows, há instalador por PowerShell e por winget. O Core entra num ambiente Python 3.13 com uv pip install unsloth --torch-backend=auto, e existe imagem Docker. O README lista GPUs NVIDIA, AMD e Intel, CPU e Mac. Uma ressalva de segurança: as ferramentas do lado do servidor vêm ligadas. Antes de expor o Studio na rede, defina uma senha forte ou rode com --disable-tools.

Licença e custo

São duas licenças, separadas por pasta no arquivo LICENSE. A biblioteca principal (pastas unsloth, tests e scripts) usa Apache 2.0. O Studio e a linha de comando (studio e unsloth_cli) são opcionais e seguem a AGPL 3.0: se você alterar o Studio e deixar outras pessoas usarem essa versão pela rede, precisa entregar a elas o código modificado. Site e README não mostram plano pago; o site chama o projeto de gratuito.

Quando vale a pena

A hora do Unsloth chega depois que você já testou modelos abertos e quer especializar um deles com dados próprios, em hardware seu. Quando o plano é conversar com um modelo pronto, sem treinar nada, o Ollama resolve com menos peças.