Hogar
Unsloth Studio se estrena como la primera plataforma local de ajuste fino de modelos de lenguaje grande (LLM) para aplicaciones visuales, reduciendo el uso de VRAM en un 70 %
Unsloth AI, la reconocida biblioteca de ajuste fino de alto rendimiento, ha lanzado oficialmente Unsloth Studio. Esta interfaz visual de código abierto y sin código está diseñada para reducir significativamente las barreras a las que se enfrentan los ingenieros de software a la hora de ajustar modelos de lenguaje a gran escala (LLM), lo que permite a los desarrolladores evitar por completo las complejas configuraciones del entorno CUDA y los elevados costes de hardware.

La tecnología subyacente de Unsloth Studio utiliza un núcleo de retropropagación personalizado escrito en Triton, lo que supone un salto cualitativo con respecto a los marcos de ajuste fino estándar:
La velocidad de entrenamiento se duplica: la eficiencia del ajuste fino se incrementa hasta en dos veces.
Reducción del uso de memoria en un 70 %: reduce drásticamente la dependencia de la memoria de la GPU sin comprometer la precisión del modelo.
Compatible con GPU de consumo: los desarrolladores ahora pueden ajustar modelos con entre 8 000 y 70 000 millones de parámetros (como Llama3.3 y DeepSeek-R1) en una sola GPU de consumo, como la RTX 4090 o la 5090, tareas que antes requerían clústeres de múltiples GPU.
Esta plataforma integra todo el ciclo de vida de la preparación de datos, el entrenamiento y la implementación en una interfaz web intuitiva:
Receta de datos visual: cuenta con un flujo de trabajo basado en nodos que admite la ingesta automática de múltiples formatos, como PDF y JSONL, y puede utilizar NVIDIA DataDesigner para transformar documentos no estructurados en conjuntos de datos de instrucciones estructurados.
Compatibilidad con el aprendizaje por refuerzo: Incluye compatibilidad integrada con GRPO (optimización de políticas relativas por grupos). Esta tecnología, procedente de DeepSeek-R1, permite entrenar IA con capacidades de razonamiento lógico en varios pasos en hardware local sin necesidad de un «modelo crítico» adicional.
Exportación e implementación con un solo clic: Admite la exportación a formatos GGUF, vLLM u Ollama, salvando a la perfección la brecha entre los puntos de control de entrenamiento y los entornos de inferencia de producción.
Con el lanzamiento de Unsloth Studio, el ajuste fino de modelos grandes está pasando de depender de costosos servicios SaaS basados en la nube a un paradigma de desarrollo local más privado y rentable. No solo ofrece compatibilidad inmediata con las series Llama 4 y Qwen, sino que también proporciona potentes herramientas para el desarrollo de modelos personalizados con plena propiedad empresarial.
Detalles técnicos: https://unsloth.ai/docs/new/studio
Artículo relacionado
Stripe adquirirá OpenRouter a medida que el enrutamiento basado en modelos de IA cobra impulso
Stripe ha acordado adquirir OpenRouter, una plataforma de enrutamiento de modelos de IA que ofrece a los desarrolladores acceso a cientos de modelos a través de una única interfaz. El acuerdo amplía e
El exinvestigador de OpenAI, Barrett Zoph, regresa a Google para colaborar en el desarrollo de Gemini
Barret Zoph, que anteriormente abandonó de forma repentina la empresa para incorporarse a OpenAI debido a un desacuerdo con la directora general de Thinking Machines Lab, Miriam Mularati, ha vuelto a
Cómo Recursive Intelligence recaudó 335 millones de dólares con una valoración de 4.000 millones de dólares en cuatro meses
Las cofundadoras de la startup Ricursive Intelligence parecían destinadas a ser cofundadoras.Anna Goldie, directora ejecutiva, y Azalia Mirhoseini, directora técnica, son tan conocidas en la comunidad
Recomendaciones de temas especiales relacionados
comentario (1)
0/500
Unsloth AI, la reconocida biblioteca de ajuste fino de alto rendimiento, ha lanzado oficialmente Unsloth Studio. Esta interfaz visual de código abierto y sin código está diseñada para reducir significativamente las barreras a las que se enfrentan los ingenieros de software a la hora de ajustar modelos de lenguaje a gran escala (LLM), lo que permite a los desarrolladores evitar por completo las complejas configuraciones del entorno CUDA y los elevados costes de hardware.

La tecnología subyacente de Unsloth Studio utiliza un núcleo de retropropagación personalizado escrito en Triton, lo que supone un salto cualitativo con respecto a los marcos de ajuste fino estándar:
La velocidad de entrenamiento se duplica: la eficiencia del ajuste fino se incrementa hasta en dos veces.
Reducción del uso de memoria en un 70 %: reduce drásticamente la dependencia de la memoria de la GPU sin comprometer la precisión del modelo.
Compatible con GPU de consumo: los desarrolladores ahora pueden ajustar modelos con entre 8 000 y 70 000 millones de parámetros (como Llama3.3 y DeepSeek-R1) en una sola GPU de consumo, como la RTX 4090 o la 5090, tareas que antes requerían clústeres de múltiples GPU.
Esta plataforma integra todo el ciclo de vida de la preparación de datos, el entrenamiento y la implementación en una interfaz web intuitiva:
Receta de datos visual: cuenta con un flujo de trabajo basado en nodos que admite la ingesta automática de múltiples formatos, como PDF y JSONL, y puede utilizar NVIDIA DataDesigner para transformar documentos no estructurados en conjuntos de datos de instrucciones estructurados.
Compatibilidad con el aprendizaje por refuerzo: Incluye compatibilidad integrada con GRPO (optimización de políticas relativas por grupos). Esta tecnología, procedente de DeepSeek-R1, permite entrenar IA con capacidades de razonamiento lógico en varios pasos en hardware local sin necesidad de un «modelo crítico» adicional.
Exportación e implementación con un solo clic: Admite la exportación a formatos GGUF, vLLM u Ollama, salvando a la perfección la brecha entre los puntos de control de entrenamiento y los entornos de inferencia de producción.
Con el lanzamiento de Unsloth Studio, el ajuste fino de modelos grandes está pasando de depender de costosos servicios SaaS basados en la nube a un paradigma de desarrollo local más privado y rentable. No solo ofrece compatibilidad inmediata con las series Llama 4 y Qwen, sino que también proporciona potentes herramientas para el desarrollo de modelos personalizados con plena propiedad empresarial.
Detalles técnicos: https://unsloth.ai/docs/new/studio
Stripe adquirirá OpenRouter a medida que el enrutamiento basado en modelos de IA cobra impulso
Stripe ha acordado adquirir OpenRouter, una plataforma de enrutamiento de modelos de IA que ofrece a los desarrolladores acceso a cientos de modelos a través de una única interfaz. El acuerdo amplía e
El exinvestigador de OpenAI, Barrett Zoph, regresa a Google para colaborar en el desarrollo de Gemini
Barret Zoph, que anteriormente abandonó de forma repentina la empresa para incorporarse a OpenAI debido a un desacuerdo con la directora general de Thinking Machines Lab, Miriam Mularati, ha vuelto a
Cómo Recursive Intelligence recaudó 335 millones de dólares con una valoración de 4.000 millones de dólares en cuatro meses
Las cofundadoras de la startup Ricursive Intelligence parecían destinadas a ser cofundadoras.Anna Goldie, directora ejecutiva, y Azalia Mirhoseini, directora técnica, son tan conocidas en la comunidad











