Maison
Unsloth Studio fait son entrée sur le marché en tant que première plateforme locale de réglage fin des modèles de langage visuels (LLM), permettant de réduire la consommation de VRAM de 70 %
Unsloth AI, bibliothèque de fine-tuning haute performance réputée, a officiellement lancé Unsloth Studio. Cette interface visuelle open source et sans code est conçue pour réduire considérablement les obstacles rencontrés par les ingénieurs logiciels lors du fine-tuning des grands modèles linguistiques (LLM), permettant ainsi aux développeurs de contourner entièrement les configurations complexes de l'environnement CUDA et les coûts élevés liés au matériel.

La technologie sous-jacente d'Unsloth Studio utilise un noyau de rétropropagation personnalisé écrit en Triton, ce qui représente un bond qualitatif par rapport aux frameworks de fine-tuning standard :
La vitesse d'entraînement est doublée: l'efficacité du réglage fin est multipliée par deux.
Utilisation de la mémoire réduite de 70 %: cela réduit considérablement la dépendance à la mémoire GPU sans compromettre la précision du modèle.
Compatible avec les GPU grand public: les développeurs peuvent désormais affiner des modèles comportant de 8 à 70 milliards de paramètres (tels que Llama3.3 et DeepSeek-R1) sur des GPU grand public uniques comme les RTX 4090 ou 5090, des tâches qui nécessitaient auparavant des clusters multi-GPU.
Cette plateforme intègre l'ensemble du cycle de vie de la préparation, de l'entraînement et du déploiement des données dans une interface web intuitive :
Recette de données visuelle: propose un workflow basé sur des nœuds qui prend en charge l'ingestion automatique de multiples formats tels que PDF et JSONL, et peut utiliser NVIDIA DataDesigner pour transformer des documents non structurés en ensembles de données d'instructions structurés.
Prise en charge de l'apprentissage par renforcement: inclut une prise en charge intégrée de la GRPO (Group-wise Relative Policy Optimization). Cette technologie, issue de DeepSeek-R1, permet de former des IA dotées de capacités de raisonnement logique en plusieurs étapes sur du matériel local sans avoir besoin d'un « modèle critique » supplémentaire.
Exportation et déploiement en un clic: prend en charge l'exportation aux formats GGUF, vLLM ou Ollama, comblant ainsi de manière transparente le fossé entre les points de contrôle d'entraînement et les environnements d'inférence en production.
Avec la sortie d'Unsloth Studio, le réglage fin des grands modèles passe d'une dépendance vis-à-vis de SaaS coûteux basés sur le cloud à un paradigme de développement local plus privé et plus rentable. Il offre non seulement une compatibilité immédiate avec les séries Llama 4 et Qwen, mais fournit également des outils puissants pour le développement de modèles personnalisés avec une propriété totale de l'entreprise.
Détails techniques : https://unsloth.ai/docs/new/studio
Article connexe
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés
Conformité des véhicules autonomes en Californie : une nouvelle ère marquée par les amendes, les zones de géolocalisation et 1 million de miles
Guident exploite une navette AuveTech dans le sud de la Floride, gérant un parcours de quatre miles à West Palm Beach et un parcours d’un mile à Boca Raton grâce à sa technologie de surveillance à dis
Recommandations de sujets spéciaux liés
commentaires (1)
Unsloth AI, bibliothèque de fine-tuning haute performance réputée, a officiellement lancé Unsloth Studio. Cette interface visuelle open source et sans code est conçue pour réduire considérablement les obstacles rencontrés par les ingénieurs logiciels lors du fine-tuning des grands modèles linguistiques (LLM), permettant ainsi aux développeurs de contourner entièrement les configurations complexes de l'environnement CUDA et les coûts élevés liés au matériel.

La technologie sous-jacente d'Unsloth Studio utilise un noyau de rétropropagation personnalisé écrit en Triton, ce qui représente un bond qualitatif par rapport aux frameworks de fine-tuning standard :
La vitesse d'entraînement est doublée: l'efficacité du réglage fin est multipliée par deux.
Utilisation de la mémoire réduite de 70 %: cela réduit considérablement la dépendance à la mémoire GPU sans compromettre la précision du modèle.
Compatible avec les GPU grand public: les développeurs peuvent désormais affiner des modèles comportant de 8 à 70 milliards de paramètres (tels que Llama3.3 et DeepSeek-R1) sur des GPU grand public uniques comme les RTX 4090 ou 5090, des tâches qui nécessitaient auparavant des clusters multi-GPU.
Cette plateforme intègre l'ensemble du cycle de vie de la préparation, de l'entraînement et du déploiement des données dans une interface web intuitive :
Recette de données visuelle: propose un workflow basé sur des nœuds qui prend en charge l'ingestion automatique de multiples formats tels que PDF et JSONL, et peut utiliser NVIDIA DataDesigner pour transformer des documents non structurés en ensembles de données d'instructions structurés.
Prise en charge de l'apprentissage par renforcement: inclut une prise en charge intégrée de la GRPO (Group-wise Relative Policy Optimization). Cette technologie, issue de DeepSeek-R1, permet de former des IA dotées de capacités de raisonnement logique en plusieurs étapes sur du matériel local sans avoir besoin d'un « modèle critique » supplémentaire.
Exportation et déploiement en un clic: prend en charge l'exportation aux formats GGUF, vLLM ou Ollama, comblant ainsi de manière transparente le fossé entre les points de contrôle d'entraînement et les environnements d'inférence en production.
Avec la sortie d'Unsloth Studio, le réglage fin des grands modèles passe d'une dépendance vis-à-vis de SaaS coûteux basés sur le cloud à un paradigme de développement local plus privé et plus rentable. Il offre non seulement une compatibilité immédiate avec les séries Llama 4 et Qwen, mais fournit également des outils puissants pour le développement de modèles personnalisés avec une propriété totale de l'entreprise.
Détails techniques : https://unsloth.ai/docs/new/studio
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés











