قم بت تشغيل وتدريب نماذج اللغة المحلية ونماذج انتشار الصور بشكل أسرع مع تقليل استهلاك ذاكرة VRAM على جهاز الكمبيوتر المكتبية أو الخادم الخاص بك.
قم بتشغيل نماذج LLM المحلية ونماذج انتشار الصور مع تدريب أسرع بمقدار 2x وتقليل متطلبات ذاكرة VRAM بنسبة 70%.
Unsloth هو تطبيق لسطح المكتب ومكتبة Python لتشغيل وتدريب نماذج اللغة وانتشار الصور محلياً. إنه يتيح للفنانين المبدعين والمصممين التقنيين تدريب نماذج انتشار مخصصة مثل FLUX أو نماذج LLM المتعددة الوسائط على الأجهزة المحلية. يجب عليك استخدامه إذا كنت تريد تدريب نماذج عالي الأداء دون دفع رسوم API السحابية الخارجية.
يوفر Unsloth واجهة سطح مكتب، واجهة ويب، ومجموعة أدوات Python لتدريب وتنفيذ نماذج الذكاء الاصطناعي المفتوحة. وهو يدعم الضبط الدقيق LoRA و QLoRA لنماذج الرؤية والانتشار مع تقليل استخدام ذاكرة VRAM بنسبة تصل إلى 70%. يمكنك تصدير النماذج المدربة مباشرة إلى تنسيقات GGUF أو FP8 أو NVFP4 للنشر المحلي.
وهو مناسب للفنانين الرقميين ومطوري الذكاء الاصطناعي المبدعين والمصممين التقنيين الذين يرغبون في ضبط نماذج توليد الصور أو النماذج المتعددة الوسائط على أجهزتهم الخاصة. وهو أقل مثالية للمبدعين غير التقنيين الذين ليس لديهم أجهزة GPU مخصصة والذين يعتمدون كلياً على المولدات السحابية المُدارة.
قم بالتدقيق الدقيق لنماذج الرؤية والانتشار واللغة مع استهلاك ذاكرة أقل بنسبة 70% ودون تدهور في الدقة.
قم بتشغيل النماذج عبر وحدات معالجة الرسومات NVIDIA و AMD و Intel، والإعدادات متعددة وحدات معالجة الرسومات، ووحدات المعالجة المركزية (CPUs)، وخلفية Vulkan.
احفظ وانشر الأوزان المخصصة المعدلة بدقة إلى تنسيقات GGUF و NVFP4 و FP8 وتنسيقات النشر الأخرى.
إدارة عمليات التدريب والاستدلال من خلال تطبيقات سطح المكتب الأصلية أو واجهة ويب Unsloth Studio.
Unsloth مجاني بموجب ترخيص Apache-2.0. التكلفة الوحيدة هي تشغيل الأداة على أجهزة GPU المحلية الخاصة بك أو مثيلات الحوسبة السحابية.
879 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
نعم، يدعم Unsloth تشغيل والتدقيق الدقيق لنماذج انتشار الصور والفيديو جنباً إلى جنب مع البنى متعددة الوسائط.
يعمل على وحدات معالجة الرسومات NVIDIA و AMD و Intel، بالإضافة إلى وحدات المعالجة المركزية التي تستخدم خلفيات Vulkan، على الرغم من توفر أجهزة GPU مخصصة يوصى بها لتدريب النماذج.
شاهد Zekai أولاً في جوجل