¿Qué es Unsloth?
Unsloth empezó como una biblioteca de Python que hace el fine-tuning de LLM más rápido y más ligero en memoria de GPU. Su README asegura un entrenamiento unas 2x más rápido con un 70% menos de VRAM y sin pérdida de precisión; su propia tabla de notebooks muestra mejoras de 1,5x a 2x y entre un 20% y un 80% menos de memoria según el modelo.
Ahora se ofrece de tres formas: Unsloth Core (la biblioteca de Python), Unsloth Studio (una interfaz en el navegador) y Unsloth Desktop (una app nativa), y ejecuta modelos además de entrenarlos. Admite LoRA, QLoRA, fine-tuning completo, preentrenamiento, DPO, GRPO y FP8, exporta a GGUF y otros formatos, y su comando Unsloth Start conecta Claude Code, Codex u OpenCode a un modelo local.
El núcleo es Apache 2.0; la interfaz Studio es AGPL-3.0. Las versiones siguen etiquetadas como beta (v0.1.909-beta el 19 de octubre de 2026). La empresa también anuncia niveles de pago Pro y Enterprise con aceleraciones multi-GPU y multinodo, sin precios públicos.
¿Merece la pena Unsloth?
El valor de Unsloth está en su tabla de memoria. Según su página de requisitos, el fine-tuning con QLoRA de un modelo de 8B necesita unos 6 GB de VRAM, un modelo de 14B 8,5 GB y uno de 32B 26 GB, frente a 22 GB, 33 GB y 76 GB con LoRA de 16 bits. Esas cifras son los mínimos del propio proyecto, no benchmarks independientes, pero explican por qué una T4 gratuita de Colab o una sola tarjeta RTX bastan para entrenar la mayoría de los adaptadores. El hardware necesita capacidad CUDA 7.0 o superior, lo que cubre las tarjetas a partir de la V100 y la T4.
El proyecto se ha ampliado hasta convertirse en una aplicación. Studio y Desktop añaden chat, creación de datasets a partir de PDF y hojas de cálculo, una API compatible con OpenAI y acceso remoto, lo que es útil pero cambia el panorama de seguridad. El README advierte de que las herramientas del lado del servidor están activadas por defecto, así que exponer Studio en una red con --secure o con un host no local abre un enlace público de Cloudflare protegido por una contraseña de administrador. La licencia AGPL de Studio también importa a quien piense integrar esa interfaz en un producto alojado.
El multi-GPU es donde la versión gratuita se queda corta. Su documentación dice que el multi-GPU funciona con Accelerate o DeepSpeed configurados a mano, y la página de precios reserva un mejor soporte multi-GPU (hasta ocho GPU) para Pro y el entrenamiento multinodo para Enterprise, ninguno con precio publicado. Axolotl y TRL a secas siguen siendo la opción más habitual para ejecuciones en clúster.
Un valor por defecto merece mención. Al cargarse, Unsloth Core descarga un pequeño README de un repositorio de Hugging Face con el nombre de tu entorno (Colab, AWS, Kaggle, etc.) para que el equipo pueda contar el uso; se puede desactivar con UNSLOTH_DISABLE_STATISTICS. Es poca cosa comparado con la mayoría de la telemetría, pero si no, una máquina de entrenamiento aislada de la red pasará hasta 120 segundos esperándolo.
Dónde se gana su sitio
Un ingeniero de ML con una tarjeta RTX de 24 GB
Ajustar un modelo abierto de 14B con 20.000 transcripciones internas de soporte
Ejecutar QLoRA desde un script de Core o desde Studio, que según la documentación necesita unos 8,5 GB de VRAM para 14B, y luego exportar el adaptador a GGUF para llama.cpp u Ollama. El coste es la electricidad y el tiempo del ingeniero, no GPU alquiladas.
Un responsable de ciencia de datos en una aseguradora de 50 personas
Comprobar si un modelo pequeño ajustado puede sustituir las llamadas a una API de pago para clasificar siniestros
Prototipar en un notebook gratuito de Colab y después llevar el mismo script a una A100 en la nube para el dataset completo. Si el resultado se mantiene, la inferencia se ejecuta en hardware propio en lugar de facturarse por token en una API; el riesgo es mantener el modelo a medida que cambian los modelos base.
Un investigador que entrena comportamiento de razonamiento
Ejecutar aprendizaje por refuerzo con GRPO en un modelo de 20B sin un clúster
Partir del notebook de GRPO para gpt-oss 20B, que asegura 2x de velocidad y un 80% menos de memoria que la referencia. Una sola GPU grande basta para experimentar; escalar más allá de ocho GPU lleva a los niveles de pago o a otro framework.
Antes de decidirte
- Puesta en marcha
- Instaladores de escritorio para Windows, macOS y Linux, un script de curl o PowerShell para Studio, Docker (unsloth/unsloth), o uv pip install unsloth para Core en Python 3.11 a 3.13. En NVIDIA necesita capacidad CUDA 7.0 o superior; AMD, Intel y Mac están soportados con salvedades.
- Integraciones
- Hugging Face Transformers y TRL por debajo, llama.cpp para GGUF, una API compatible con OpenAI desde Studio, y Unsloth Start para Claude Code, Codex, OpenCode y otros agentes. Los notebooks gratuitos funcionan en Colab y Kaggle.
- Datos y privacidad
- Los datos de entrenamiento y los modelos se quedan en tu máquina; Core descarga de Hugging Face un archivo con el nombre del entorno para contar el uso salvo que se configure UNSLOTH_DISABLE_STATISTICS. Studio expuesto más allá de localhost sirve por defecto herramientas del lado del servidor tras una contraseña de administrador. No hay avisos de seguridad publicados.
- Coste a escala
- Software gratuito; el coste es el tiempo de GPU. La página de requisitos indica 41 GB de VRAM para QLoRA en un modelo de 70B y 164 GB para LoRA de 16 bits, así que trabajar con 70B exige una tarjeta de 48 GB o un nodo multi-GPU. Los niveles Pro y Enterprise añaden aceleraciones multi-GPU y multinodo a precios no publicados.
- Límites
- El entrenamiento multi-GPU gratuito exige configuración manual, las versiones siguen etiquetadas como beta, el soporte de Mac difiere entre Studio y Core, y en Windows hay que instalar torchao primero o se resuelve sin avisar una versión antigua de Unsloth.
Lo bueno
- QLoRA en un modelo de 8B con unos 6 GB de VRAM, según su documentación
- Notebooks gratuitos de Colab y Kaggle para decenas de modelos
- LoRA, QLoRA, fine-tuning completo, DPO, GRPO y FP8
- Exporta a GGUF y también ejecuta modelos en local
Lo malo
- Las cifras de velocidad y memoria son del propio fabricante
- Studio es AGPL-3.0 y expone herramientas del lado del servidor por defecto
- El multi-GPU gratuito exige configurar Accelerate o DeepSpeed a mano
- Los precios de Pro y Enterprise no están publicados
Ideal para
Particulares y equipos pequeños que hacen fine-tuning de modelos abiertos con hardware de GPU limitado.
Alternativas a Unsloth
Unsloth: preguntas frecuentes
- ¿Merece la pena Unsloth?
- Unsloth convierte una sola tarjeta de 24 GB en un equipo de fine-tuning creíble, y deja de ser la opción obvia en cuanto llega el segundo servidor. Le damos un 4.6 sobre 5.
- ¿Cuánto cuesta Unsloth?
- Gratuito. Biblioteca principal con Apache 2.0; interfaz Studio con AGPL-3.0. Existen niveles de pago Pro y Enterprise para entrenamiento multi-GPU y multinodo; los precios no están publicados.
- ¿Qué inconvenientes tiene Unsloth?
- Las cifras de velocidad y memoria son del propio fabricante; studio es AGPL-3.0 y expone herramientas del lado del servidor por defecto; el multi-GPU gratuito exige configurar Accelerate o DeepSpeed a mano; los precios de Pro y Enterprise no están publicados.
- ¿Para quién es Unsloth?
- Particulares y equipos pequeños que hacen fine-tuning de modelos abiertos con hardware de GPU limitado.
- ¿Cuánto cuesta Unsloth para un equipo o en producción?
- Software gratuito; el coste es el tiempo de GPU. La página de requisitos indica 41 GB de VRAM para QLoRA en un modelo de 70B y 164 GB para LoRA de 16 bits, así que trabajar con 70B exige una tarjeta de 48 GB o un nodo multi-GPU. Los niveles Pro y Enterprise añaden aceleraciones multi-GPU y multinodo a precios no publicados.
- ¿Es Unsloth seguro para los datos de la empresa?
- Los datos de entrenamiento y los modelos se quedan en tu máquina; Core descarga de Hugging Face un archivo con el nombre del entorno para contar el uso salvo que se configure UNSLOTH_DISABLE_STATISTICS. Studio expuesto más allá de localhost sirve por defecto herramientas del lado del servidor tras una contraseña de administrador. No hay avisos de seguridad publicados.
- ¿Cuáles son las mejores alternativas a Unsloth?
- Las alternativas más cercanas que hemos analizado son Axolotl, TRL y LlamaFactory.
Respuestas comprobadas el 26 oct 2026.