微调从申请显卡降到下载应用

曾几何时微调是实验室与大厂的特权，如今 Unsloth 把它搬进了桌面应用，仓库在 github.com/unslothai/unsl… 。官方称在消费级显卡上训练速度最高提升两倍、显存降低约七成，三平台通吃，也支持 AMD 与 Intel 显卡。 覆盖面是它敢称桌面级的底气：Qwen、Kimi K3、MiniMax-H3、Gemma 4、DeepSeek-V4、FLUX 都在支持列表里；从 LoRA、QLoRA、全量微调到强化学习路线的 GRPO、DPO，外加 FP8 一应俱全；训练成果可导出为常见格式并附带兼容 OpenAI 接口的服务，还能直接给 Claude Code、Codex 充当本地推理后端——训练到部署的整条链第一次待在同一台机器上。 训练侧的本地化与推理侧是同一条曲线：跑得动变成装得动，中间只剩要不要开始。对想做领域定制的团队，门槛已从申请一批显卡降到下载一个应用，自家的对话记录、工单、内部文档第一次可以在不出门的地方变成模型的能力。 实践上不必一步到位：挑一个最小的目标模型，用几百条自己的数据跑一次微调，看它在具体任务上比通用模型好多少，再决定要不要加大投入。半天的对照实验，比任何宣传语都能回答值不值得自己训。