Дом
Студия Unsloth представила первую местную платформу для тонкой настройки визуальных моделей большого языкового объёма (LLM), позволяющую сократить потребление видеопамяти на 70%
Известная библиотека для высокопроизводительной тонкой настройки Unsloth AI официально запустила Unsloth Studio. Этот визуальный интерфейс с открытым исходным кодом, не требующий программирования, призван значительно снизить барьер для программистов при тонкой настройке больших языковых моделей (LLM), позволяя разработчикам полностью обойти сложные настройки среды CUDA и высокие затраты на оборудование.

Технология, лежащая в основе Unsloth Studio, использует настраиваемое ядро обратного распространения, написанное на языке Triton, что обеспечивает качественный скачок по сравнению со стандартными фреймворками для тонкой настройки:
Скорость обучения удваивается: эффективность тонкой настройки повышается до двух раз.
Использование памяти сокращается на 70%: это резко снижает зависимость от памяти GPU без ущерба для точности модели.
Поддержка графических процессоров потребительского уровня: разработчики теперь могут настраивать модели с 8–70 млрд параметров (такие как Llama3.3 и DeepSeek-R1) на отдельных графических процессорах потребительского уровня, таких как RTX 4090 или 5090, для выполнения задач, которые ранее требовали кластеров с несколькими графическими процессорами.
Эта платформа объединяет весь жизненный цикл подготовки данных, обучения и развертывания в интуитивно понятный веб-интерфейс:
Визуальный рецепт данных: включает в себя узеловой рабочий процесс, который поддерживает автоматический ввод данных в различных форматах, таких как PDF и JSONL, и может использовать NVIDIA DataDesigner для преобразования неструктурированных документов в структурированные наборы данных с инструкциями.
Поддержка реинфорсмент-обучения: включает встроенную поддержку GRPO (Group-wise Relative Policy Optimization). Эта технология, зародившаяся в DeepSeek-R1, позволяет обучать ИИ с возможностями многошагового логического вывода на локальном оборудовании без необходимости использования дополнительной «критической модели».
Экспорт и развертывание в один клик: поддерживает экспорт в форматы GGUF, vLLM или Ollama, плавно устраняя разрыв между контрольными точками обучения и производственными средами вывода.
С выпуском Unsloth Studio настройка больших моделей переходит от зависимости от дорогостоящих облачных SaaS-решений к более конфиденциальной и экономичной парадигме локальной разработки. Платформа не только обеспечивает немедленную совместимость с сериями Llama 4 и Qwen, но и предоставляет мощные инструменты для разработки индивидуальных моделей с полным правом собственности предприятия.
Технические детали: https://unsloth.ai/docs/new/studio
Связанная статья
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства
Соблюдение требований к автономным транспортным средствам в Калифорнии: новая эра штрафов, геозоны и 1 млн миль
Компания Guident эксплуатирует шаттл AuveTech в Южной Флориде, обслуживая маршрут протяженностью четыре мили в Вест-Палм-Бич и маршрут протяженностью одну милю в Бока-Ратоне с использованием своей тех
Рекомендации по связанным специальным темам
Комментарии (1)
Известная библиотека для высокопроизводительной тонкой настройки Unsloth AI официально запустила Unsloth Studio. Этот визуальный интерфейс с открытым исходным кодом, не требующий программирования, призван значительно снизить барьер для программистов при тонкой настройке больших языковых моделей (LLM), позволяя разработчикам полностью обойти сложные настройки среды CUDA и высокие затраты на оборудование.

Технология, лежащая в основе Unsloth Studio, использует настраиваемое ядро обратного распространения, написанное на языке Triton, что обеспечивает качественный скачок по сравнению со стандартными фреймворками для тонкой настройки:
Скорость обучения удваивается: эффективность тонкой настройки повышается до двух раз.
Использование памяти сокращается на 70%: это резко снижает зависимость от памяти GPU без ущерба для точности модели.
Поддержка графических процессоров потребительского уровня: разработчики теперь могут настраивать модели с 8–70 млрд параметров (такие как Llama3.3 и DeepSeek-R1) на отдельных графических процессорах потребительского уровня, таких как RTX 4090 или 5090, для выполнения задач, которые ранее требовали кластеров с несколькими графическими процессорами.
Эта платформа объединяет весь жизненный цикл подготовки данных, обучения и развертывания в интуитивно понятный веб-интерфейс:
Визуальный рецепт данных: включает в себя узеловой рабочий процесс, который поддерживает автоматический ввод данных в различных форматах, таких как PDF и JSONL, и может использовать NVIDIA DataDesigner для преобразования неструктурированных документов в структурированные наборы данных с инструкциями.
Поддержка реинфорсмент-обучения: включает встроенную поддержку GRPO (Group-wise Relative Policy Optimization). Эта технология, зародившаяся в DeepSeek-R1, позволяет обучать ИИ с возможностями многошагового логического вывода на локальном оборудовании без необходимости использования дополнительной «критической модели».
Экспорт и развертывание в один клик: поддерживает экспорт в форматы GGUF, vLLM или Ollama, плавно устраняя разрыв между контрольными точками обучения и производственными средами вывода.
С выпуском Unsloth Studio настройка больших моделей переходит от зависимости от дорогостоящих облачных SaaS-решений к более конфиденциальной и экономичной парадигме локальной разработки. Платформа не только обеспечивает немедленную совместимость с сериями Llama 4 и Qwen, но и предоставляет мощные инструменты для разработки индивидуальных моделей с полным правом собственности предприятия.
Технические детали: https://unsloth.ai/docs/new/studio
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства











