Unsloth

网站特点

1. 模型覆盖极为全面

页面几乎囊括了当前所有主流开源 LLM 的教程，既包括最新发布的 Qwen3.6、GLM-5.1、Gemma 4、Kimi K2.6、MiniMax M3、NVIDIA Nemotron 3 等，也收录了 DeepSeek-R1/V3.1、Llama 3/4、Phi-4、Mistral 3.5、Grok 2、IBM Granite 4.1、Devstral 2 等经典模型，堪称"完整 LLM 目录（Complete LLM Directory）"

2. 完整的中文本地化

Unsloth 文档提供了完整的中文版本，左侧导航、教程标题和说明均以中文呈现，降低中文用户的使用门槛；同时页面还提供英文版及 Markdown 源文件，方便开发者直接引用

3. 内容更新紧跟前沿

页面底部标注"最后更新于 1 天前"，教程随新模型发布同步更新，例如会第一时间跟进 gpt-oss、Qwen3.5、GLM-5 等最新模型的运行与微调方案

4. 教程场景丰富多样

每个模型的教程不仅覆盖基础的本地运行与 LoRA/QLoRA 微调，还延伸至强化学习训练（GRPO/GSPO）、视觉微调（Vision Fine-tuning）、文本转语音（TTS）微调、Docker 部署、多 GPU 训练、工具调用（Tool Calling）等进阶场景

5. 与 Unsloth 工具链深度配套

教程与 Unsloth 生态紧密联动，包括 Unsloth Desktop（首个本地运行与训练模型的桌面应用）、Unsloth Studio（浏览器端无代码微调 GUI）、预制的 Google Colab 免费笔记本，以及可将本地模型接入 Claude Code、OpenAI Codex 等 Agent 的 unsloth start 命令

6. 强调本地化与低门槛

Unsloth 的核心理念是让用户在自己的硬件上运行和训练 AI 模型，支持 macOS、Linux、Windows，以及 NVIDIA、AMD、Intel GPU 甚至纯 CPU 环境，并提供免费 Colab 方案，无需高端服务器即可上手

7. 结构化导航与社区支持

文档由 GitBook 驱动，通过侧边栏将内容分为"开始使用、模型、基础、集成、博客"五大板块，并提供 llms.txt 完整索引；同时配套 Reddit、Discord、X（Twitter）、LinkedIn 社区以及 Hugging Face、Docker Hub 官方资源