O Unsloth transforma uma única placa de 24 GB em uma máquina de fine-tuning crível, e deixa de ser a escolha óbvia a partir do segundo servidor. Damos nota 4.6 de 5.

Quanto custa Unsloth?

Gratuito. Biblioteca principal sob Apache 2.0; interface Studio sob AGPL-3.0. Existem planos pagos Pro e Enterprise para treinamento em várias GPUs e vários nós; os preços não são publicados.

Quais são as desvantagens de Unsloth?

Os números de velocidade e memória são do próprio fornecedor; o Studio é AGPL-3.0 e expõe ferramentas do lado do servidor por padrão; várias GPUs na versão gratuita exige configurar Accelerate ou DeepSpeed manualmente; preços do Pro e do Enterprise não publicados.

Quanto custa Unsloth para uma equipe ou em produção?

Software gratuito; o custo é o tempo de GPU. A página de requisitos lista 41 GB de VRAM para QLoRA em um modelo de 70B e 164 GB para LoRA de 16 bits, então trabalhar com 70B significa uma placa de 48 GB ou um nó com várias GPUs. Os planos Pro e Enterprise acrescentam acelerações para várias GPUs e vários nós a preços não publicados.

Unsloth é seguro para dados da empresa?

Os dados de treinamento e os modelos ficam na sua máquina; o Core baixa do Hugging Face um arquivo com o nome do ambiente para contar o uso, a menos que UNSLOTH_DISABLE_STATISTICS esteja definido. O Studio exposto além do localhost serve por padrão ferramentas do lado do servidor atrás de uma senha de administrador. Não há avisos de segurança publicados.

Quais são as melhores alternativas ao Unsloth?

As alternativas mais próximas que analisamos são Axolotl, TRL e LlamaFactory.

Unsloth análise do repo no GitHub (2026)

O que é Unsloth?

O Unsloth começou como uma biblioteca Python que torna o fine-tuning de LLMs mais rápido e mais leve na memória da GPU. O README afirma um treinamento cerca de 2x mais rápido com 70% menos VRAM e sem perda de precisão; a própria tabela de notebooks do projeto mostra ganhos de 1,5x a 2x e de 20% a 80% menos memória, dependendo do modelo.

Hoje ele vem em três formas: Unsloth Core (a biblioteca Python), Unsloth Studio (uma interface no navegador) e Unsloth Desktop (um app nativo), e roda modelos além de treiná-los. Suporta LoRA, QLoRA, fine-tuning completo, pré-treinamento, DPO, GRPO e FP8, exporta para GGUF e outros formatos, e seu comando Unsloth Start conecta Claude Code, Codex ou OpenCode a um modelo local.

O núcleo é Apache 2.0; a interface Studio é AGPL-3.0. As versões ainda são marcadas como beta (v0.1.909-beta em 19 de outubro de 2026). A empresa também anuncia planos pagos Pro e Enterprise com acelerações para várias GPUs e vários nós, sem preços públicos.

Unsloth vale a pena?

O valor do Unsloth está na sua tabela de memória. Segundo a página de requisitos, o fine-tuning com QLoRA de um modelo de 8B precisa de cerca de 6 GB de VRAM, um modelo de 14B de 8,5 GB e um de 32B de 26 GB, contra 22 GB, 33 GB e 76 GB com LoRA de 16 bits. Esses números são os mínimos do próprio projeto, não benchmarks independentes, mas explicam por que uma T4 gratuita do Colab ou uma única placa RTX bastam para a maior parte do treinamento de adaptadores. O hardware precisa de capacidade CUDA 7.0 ou superior, o que cobre as placas da V100 e da T4 em diante.

O projeto cresceu até virar um aplicativo. Studio e Desktop acrescentam chat, criação de datasets a partir de PDFs e planilhas, uma API compatível com OpenAI e acesso remoto, o que é útil, mas muda o quadro de segurança. O README avisa que as ferramentas do lado do servidor vêm ativadas por padrão, então expor o Studio em uma rede com --secure ou com um host não local abre um link público do Cloudflare protegido por uma senha de administrador. A licença AGPL do Studio também importa para quem pretende embutir essa interface em um produto hospedado.

Várias GPUs é onde a versão gratuita fica fraca. A documentação diz que o uso de várias GPUs funciona com Accelerate ou DeepSpeed configurados manualmente, e a página de preços reserva um suporte melhor a várias GPUs (até oito GPUs) para o Pro e o treinamento em vários nós para o Enterprise, nenhum com preço publicado. Axolotl e TRL puro continuam sendo a escolha mais comum para execuções em cluster.

Um comportamento padrão merece menção. Ao carregar, o Unsloth Core baixa um pequeno README de um repositório do Hugging Face com o nome do seu ambiente (Colab, AWS, Kaggle e assim por diante) para que a equipe possa contar o uso; isso pode ser desligado com UNSLOTH_DISABLE_STATISTICS. É pouco comparado à maior parte da telemetria, mas, sem isso, uma máquina de treinamento isolada da rede vai passar até 120 segundos esperando por ele.

Onde ele se destaca

Um engenheiro de ML com uma placa RTX de 24 GB
Fazer fine-tuning de um modelo aberto de 14B com 20.000 transcrições internas de suporte
Rodar QLoRA a partir de um script do Core ou do Studio, que a documentação estima em cerca de 8,5 GB de VRAM para 14B, e depois exportar o adaptador para GGUF para llama.cpp ou Ollama. O custo é a eletricidade e o tempo do engenheiro, não GPUs alugadas.
Um líder de ciência de dados em uma seguradora de 50 pessoas
Testar se um modelo pequeno com fine-tuning pode substituir chamadas a uma API paga na triagem de sinistros
Prototipar em um notebook gratuito do Colab e depois levar o mesmo script para uma A100 na nuvem com o dataset completo. Se o resultado se mantiver, a inferência roda em hardware próprio em vez de cobrança por token na API; o risco é manter o modelo à medida que os modelos base mudam.
Um pesquisador que treina comportamento de raciocínio
Rodar aprendizado por reforço com GRPO em um modelo de 20B sem um cluster
Partir do notebook de GRPO para gpt-oss 20B, que afirma 2x de velocidade e 80% menos memória que a referência. Uma única GPU grande basta para experimentos; escalar além de oito GPUs leva aos planos pagos ou a outro framework.

Antes de decidir

Configuração: Instaladores de desktop para Windows, macOS e Linux, um script curl ou PowerShell para o Studio, Docker (unsloth/unsloth), ou uv pip install unsloth para o Core no Python 3.11 a 3.13. Na NVIDIA, precisa de capacidade CUDA 7.0 ou superior; AMD, Intel e Mac são suportados com ressalvas.
Integrações: Hugging Face Transformers e TRL por baixo, llama.cpp para GGUF, uma API compatível com OpenAI a partir do Studio, e Unsloth Start para Claude Code, Codex, OpenCode e outros agentes. Os notebooks gratuitos rodam no Colab e no Kaggle.
Dados e privacidade: Os dados de treinamento e os modelos ficam na sua máquina; o Core baixa do Hugging Face um arquivo com o nome do ambiente para contar o uso, a menos que UNSLOTH_DISABLE_STATISTICS esteja definido. O Studio exposto além do localhost serve por padrão ferramentas do lado do servidor atrás de uma senha de administrador. Não há avisos de segurança publicados.
Custo em escala: Software gratuito; o custo é o tempo de GPU. A página de requisitos lista 41 GB de VRAM para QLoRA em um modelo de 70B e 164 GB para LoRA de 16 bits, então trabalhar com 70B significa uma placa de 48 GB ou um nó com várias GPUs. Os planos Pro e Enterprise acrescentam acelerações para várias GPUs e vários nós a preços não publicados.
Limites: O treinamento gratuito em várias GPUs exige configuração manual, as versões ainda são marcadas como beta, o suporte a Mac é diferente entre Studio e Core, e no Windows é preciso instalar o torchao antes, senão uma versão antiga do Unsloth é resolvida sem aviso.

O que é bom

QLoRA em um modelo de 8B com cerca de 6 GB de VRAM, segundo a documentação
Notebooks gratuitos de Colab e Kaggle para dezenas de modelos
LoRA, QLoRA, fine-tuning completo, DPO, GRPO e FP8
Exporta para GGUF e também roda modelos localmente

O que não é

Os números de velocidade e memória são do próprio fornecedor
O Studio é AGPL-3.0 e expõe ferramentas do lado do servidor por padrão
Várias GPUs na versão gratuita exige configurar Accelerate ou DeepSpeed manualmente
Preços do Pro e do Enterprise não publicados

Ideal para

Pessoas e equipes pequenas que fazem fine-tuning de modelos abertos com hardware de GPU limitado.

Alternativas ao Unsloth

Axolotl

Training & fine-tuningPython13k stars

4.3/5

Config-driven fine-tuning tool for open LLMs, from single GPUs to multi-node clusters.

TRL

Training & fine-tuningPython20k stars

4.5/5

Hugging Face's library for post-training LLMs: supervised fine-tuning, DPO, GRPO and other reinforcement learning methods.

LlamaFactory

Training & fine-tuningPython76k stars

4.3/5

Fine-tuning framework for 100+ LLMs and vision-language models, with a web UI as well as a command line.

Unsloth: perguntas frequentes

Unsloth vale a pena?: O Unsloth transforma uma única placa de 24 GB em uma máquina de fine-tuning crível, e deixa de ser a escolha óbvia a partir do segundo servidor. Damos nota 4.6 de 5.
Quanto custa Unsloth?: Gratuito. Biblioteca principal sob Apache 2.0; interface Studio sob AGPL-3.0. Existem planos pagos Pro e Enterprise para treinamento em várias GPUs e vários nós; os preços não são publicados.
Quais são as desvantagens de Unsloth?: Os números de velocidade e memória são do próprio fornecedor; o Studio é AGPL-3.0 e expõe ferramentas do lado do servidor por padrão; várias GPUs na versão gratuita exige configurar Accelerate ou DeepSpeed manualmente; preços do Pro e do Enterprise não publicados.
Para quem Unsloth é indicado?: Pessoas e equipes pequenas que fazem fine-tuning de modelos abertos com hardware de GPU limitado.
Quanto custa Unsloth para uma equipe ou em produção?: Software gratuito; o custo é o tempo de GPU. A página de requisitos lista 41 GB de VRAM para QLoRA em um modelo de 70B e 164 GB para LoRA de 16 bits, então trabalhar com 70B significa uma placa de 48 GB ou um nó com várias GPUs. Os planos Pro e Enterprise acrescentam acelerações para várias GPUs e vários nós a preços não publicados.
Unsloth é seguro para dados da empresa?: Os dados de treinamento e os modelos ficam na sua máquina; o Core baixa do Hugging Face um arquivo com o nome do ambiente para contar o uso, a menos que UNSLOTH_DISABLE_STATISTICS esteja definido. O Studio exposto além do localhost serve por padrão ferramentas do lado do servidor atrás de uma senha de administrador. Não há avisos de segurança publicados.
Quais são as melhores alternativas ao Unsloth?: As alternativas mais próximas que analisamos são Axolotl, TRL e LlamaFactory.

Respostas verificadas em 26 de out. de 2026.