ما هي Unsloth؟
Unsloth أداة لضبط وتشغيل نماذج الذكاء الاصطناعي على جهاز تتحكم فيه بنفسك، بدلاً من واجهة برمجة تطبيقات تدريب سحابية. يفتتح ملف README الخاص بها على GitHub بوصفها بأنها "أول تطبيق سطح مكتب لتشغيل وتدريب النماذج"، وهو ما يعكس تحولًا حقيقيًا: بدأ المشروع عام 2023 كمكتبة Python لتسريع ضبط نماذج LLM، ثم نما منذ ذلك الحين ليصبح منتجًا ثلاثي الأجزاء يضم تطبيق سطح مكتب أصليًا وواجهة ويب ذاتية الاستضافة والمكتبة الأصلية التي يقوم عليها كلاهما.
- الوظيفة الأساسية: ضبط نموذج أساسي على بياناتك الخاصة (نصية أو صورية أو صوتية أو بيانات تضمين) باستخدام تقنيات مثل LoRA وQLoRA، ثم تشغيل النتيجة أو تصديرها
- ليست نصية فقط: وفقًا لقائمة ميزات README، تدعم Unsloth صراحة نماذج الانتشار (الصور والفيديو) ونماذج تحويل النص إلى كلام (TTS) ونماذج التضمين، إلى جانب نماذج LLM
- ثلاثة منتجات ضمن مشروع واحد: Unsloth Desktop (تطبيق أصلي)، وUnsloth Studio (واجهة ويب، ذاتية الاستضافة أو عبر Docker)، وUnsloth Core (حزمة
unslothبلغة Python) - المطوّر: Unsloth AI، مُدرجة كمنظمة مقرها الولايات المتحدة على ملفها على GitHub، مع وصف "Run and train AI models locally"
- المستودع الرسمي: github.com/unslothai/unsloth، أُنشئ في نوفمبر 2023 وفقًا لبيانات GitHub الوصفية الخاصة بالمستودع نفسها
تاريخ إصدارات Unsloth
لا تنشر Unsloth سجل تغييرات واحدًا مؤرخًا كما تفعل بعض تطبيقات سطح المكتب، لذا يأتي التاريخ القابل للتحقق أدناه من مصدرين رسميين بدلاً من ذلك: بيانات GitHub الوصفية الخاصة بالمستودع، وسجل إصدارات حزمة unsloth على فهرس حزم Python (PyPI).
- أُنشئ مستودع GitHub في 29 نوفمبر 2023، وفقًا لبيانات GitHub الوصفية الخاصة بالمستودع
- رُفع أول إصدار لحزمة
unslothعلى PyPI في 4 أغسطس 2024 (الإصدار 2024.8)، وفقًا لـ سجل الإصدارات الرسمي على PyPI - حتى وقت إعداد هذه المراجعة، يُدرج PyPI 241 إصدارًا إجماليًا لحزمة
unsloth، وأحدثها (الإصدار 2026.9.4) رُفع في 9 سبتمبر 2026 — بمعدل إصدار كل بضعة أيام تقريبًا طوال عمر الحزمة - توسّع نطاق المشروع بشكل كبير خلال تلك الفترة: بدأ كمكتبة لتسريع ضبط نماذج LLM النصية، ووفقًا لملف README الحالي، يغطي الآن أيضًا نماذج الانتشار وتحويل النص إلى كلام والتضمين، إضافة إلى تطبيق سطح مكتب أصلي وواجهة ويب ذاتية الاستضافة لم تكن موجودة في الشكل الأول للمشروع كمكتبة فقط
ماذا يمكنك أن تفعل مع Unsloth؟
تمتد مجموعة ميزات Unsloth عبر التدريب (ضبط نموذج على بياناتك) والتشغيل (استخدام نموذج مدرَّب أو مُنزَّل)، عبر أربعة أنواع من النماذج. إليك ما تفعله كل ميزة فعليًا، وفقًا لـ ملف README الخاص بـ Unsloth على GitHub.
- الضبط الدقيق عبر أربعة أنواع من النماذج — نماذج LLM ونماذج الانتشار (الصور/الفيديو) ونماذج تحويل النص إلى كلام (TTS) ونماذج التضمين، باستخدام LoRA أو QLoRA أو الضبط الكامل أو التدريب المسبق
- التعلم المعزز — يُدعم كل من GRPO وDPO للضبط القائم على التعلم المعزز، إلى جانب طرق الضبط الخاضع للإشراف الأكثر شيوعًا
- تشغيل النماذج وتقديمها — بخلاف التدريب، يمكن لـ Unsloth تشغيل نماذج GGUF وMLX ونماذج الانتشار مباشرة، وإتاحتها عبر خادم API محلي متوافق مع OpenAI
- تكامل الوكلاء — يربط أمر
unsloth startنموذجًا محليًا بوكلاء برمجة تشمل Claude Code وOpenAI Codex وغيرها (وفقًا لقائمة README نفسها) بأمر واحد فقط - الوصول عن بُعد وعبر الشبكة المحلية — يمكن إتاحة Unsloth Studio عبر شبكتك المنزلية، أو الوصول إليها بأمان من خارج شبكتك، بما في ذلك من هاتفك، عبر نفق Cloudflare
- بناء مجموعات البيانات — تبني ميزة "Data Recipes" مجموعات بيانات تدريب مباشرة من ملفات PDF وCSV وDOCX، بدلاً من اشتراط مجموعة بيانات مُنسَّقة مسبقًا
- التصدير والنشر — يمكن تصدير النماذج المدرَّبة بصيغ GGUF وNVFP4 وFP8 وغيرها لاستخدامها في أدوات ذكاء اصطناعي محلية أخرى
- دفاتر تدريب مجانية — تنشر Unsloth دفاتر Google Colab مجانية تغطي نماذج وتقنيات محددة (Llama وQwen وgpt-oss وGRPO وTTS والتضمين والضبط البصري)
أمثلة استخدام: ثلاث طرق لاستخدام Unsloth
هذه تدفقات عمل ملموسة مبنية على ميزات Unsloth الموثقة أعلاه — وليست حالات استخدام افتراضية.
ضبط نموذج LLM صغير على دفتر Colab مجاني
افتح أحد دفاتر Unsloth المجانية (على سبيل المثال، دفتر Llama 3.1 8B Alpaca)، أضف مجموعة بياناتك الخاصة بالصيغة التي يتوقعها الدفتر، وشغّله على فئة GPU المجانية في Google Colab. هذه أقل الطرق تعقيدًا لتجربة الضبط الدقيق دون تثبيت أي شيء محليًا أو امتلاك بطاقة GPU.
الضبط محليًا باستخدام تطبيق Unsloth Desktop
نزّل Unsloth Desktop لنظام تشغيلك، وحدّد نموذجًا أساسيًا ومجموعة بياناتك الخاصة عبر واجهته، وشغّل مهمة الضبط على بطاقة GPU الخاصة بك. يتجنب هذا إعداد بيئة Python التي تتطلبها Unsloth Core، على حساب التحكم الدقيق الذي يمنحه السكربت.
تقديم نموذج مدرَّب محليًا لوكيل برمجة
بعد ضبط نموذج أو تنزيله، شغّل unsloth start claude --model <your-model> لربطه بـ Claude Code عبر واجهة API المحلية الخاصة بـ Unsloth، مما يتيح لك استخدام نموذجك المضبوط أو المختار كخلفية لتدفق عمل وكيل بدلاً من نموذج سحابي.
تثبيت Unsloth: Desktop وStudio وCore
تتوفر Unsloth بثلاث طرق، وفقًا لملف README الخاص بها على GitHub — تطبيق Desktop هو ما يوصي به المشروع نفسه لمعظم المستخدمين. الروابط أدناه هي عناوين URL مباشرة لإصدارات GitHub وسكربتات تثبيت رسمية؛ تحقق دائمًا مباشرة من README، لأن روابط الإصدارات قد تتغير بين النسخ.
طريقة التثبيت | الأمر أو الرابط |
|---|---|
| Unsloth Desktop — Windows | Unsloth-Desktop-Windows.exe |
| Unsloth Desktop — macOS | Unsloth-Desktop-MacOS.dmg |
| Unsloth Desktop — Linux (.deb) | Unsloth-Desktop-Ubuntu.deb |
| Unsloth Desktop — Linux (AppImage) | Unsloth-Desktop-Linux.AppImage |
| Unsloth Studio — macOS/Linux/WSL | curl -fsSL https://unsloth.ai/install.sh | sh ثم unsloth studio |
| Unsloth Studio — Windows | irm https://unsloth.ai/install.ps1 | iex ثم unsloth studio |
| Unsloth Studio — Docker | docker run -d --gpus all --ipc=host -p 8000:8000 unsloth/unsloth — راجع Docker Hub للاطلاع على الوسوم (tags) |
| Unsloth Core — Linux/WSL (pip عبر uv) | uv pip install unsloth --torch-backend=auto |
يحتاج مستخدمو بطاقات AMD وIntel إلى خطوات إعداد إضافية بخلاف التثبيت الافتراضي — راجع دليل AMD ودليل Intel الخاصين بـ Unsloth. يقوم وسم مخصص على Docker Hub، وهو unsloth/unsloth:core، بتثبيت Unsloth Core (دفاتر Jupyter) دون واجهة ويب Studio — راجع Docker Hub للاطلاع على قائمة الوسوم الحالية.
أسعار Unsloth: هل هي مجانية فعلاً؟
بقدر ما تمكنت هذه المراجعة من التحقق منه، نعم — لا تملك Unsloth أي خطة مدفوعة. يُظهر مستودع GitHub نموذج ترخيص مزدوجًا (الحزمة الأساسية بترخيص Apache-2.0، والمكوّنات الاختيارية مثل واجهة Unsloth Studio بترخيص AGPL-3.0)، ولا يربط README الخاص بالمشروع بصفحة أسعار ولا يصف أي ميزة مدفوعة. لم تتمكن PromptQuorum من تحميل unsloth.ai مباشرة خلال هذه المراجعة (أعاد الموقع استجابة رفض وصول للطلبات الآلية) — إذا كان قرار تسعير محدد مهمًا بالنسبة لك، تحقق من الموقع مباشرة بدلاً من الاعتماد فقط على هذه المراجعة.
- لا يوجد اشتراك أو خطة مدفوعة موثقة في مستودع GitHub أو ملف README الخاص به
- لا حاجة إلى حساب أو تسجيل لتنزيل Unsloth Desktop أو تثبيت Unsloth Core
- تُقدَّم دفاتر Google Colab المجانية للتدريب دون امتلاك بطاقة GPU، وذلك ضمن حدود فئة Colab المجانية الخاصة بـ GPU (التي تحددها Google وليس Unsloth)
- ينطبق ترخيصا Apache-2.0 وAGPL-3.0 على الكود المصدري؛ وهما لا يضمنان بحد ذاتهما أن كل خدمة مرتبطة (مثل عرض مستضاف مستقبلي) ستكون مجانية دائمًا — تحقق من الشروط الحالية مباشرة على unsloth.ai
Unsloth مقابل Axolotl مقابل MLX-LM
Unsloth وAxolotl وMLX-LM هي أدوات الضبط المحلية الثلاث التي تغطيها مقارنة أطر الضبط الدقيق الخاصة بـ PromptQuorum بعمق — يلخّص هذا القسم الفرق الرئيسي للقراء القادمين من هذه المراجعة تحديدًا.
الجانب | Unsloth | Axolotl | |
|---|---|---|---|
| الترخيص | النواة: Apache-2.0 / واجهة Studio: AGPL-3.0 | Apache-2.0 | MIT |
| الواجهة | تطبيق سطح مكتب، أو واجهة ويب، أو مكتبة Python | قائم على إعدادات YAML، بلا تطبيق سطح مكتب | مكتبة Python / سطر أوامر، بلا تطبيق سطح مكتب |
| أنواع النماذج | LLM، انتشار، TTS، تضمين | يركز على LLM | يركز على LLM |
| الأجهزة | NVIDIA، AMD، Intel، CPU، Vulkan | حزمة CUDA تتمحور حول NVIDIA | Apple Silicon فقط |
| التدريب متعدد العقد | غير موثق في README | نعم — عبر Torchrun وRay | عبر mx.distributed |
| الأنسب لـ | أوسع خيار على جهاز واحد، بما في ذلك النماذج غير النصية | التوسع لأكثر من جهاز | عمل خفيف وأصلي على جهاز Mac |
إذا كان تدريبك يحتاج إلى أكثر من جهاز واحد، أو تحتاج تحديدًا إلى أوسع تغطية ممكنة لطرق DPO/ORPO/KTO/GRPO ونمذجة المكافآت، راجع المقارنة الكاملة لمعرفة لماذا يُعد Axolotl الخيار الأنسب هناك. راجع مراجعة MLX-LM المخصصة إذا كنت تستخدم Apple Silicon حصريًا وتريد الخيار الأصلي الأخف بدلاً من تطبيق سطح المكتب الأوسع (لكن الأثقل) من Unsloth.
من يجب أن يستخدم Unsloth؟
تعتمد ملاءمة Unsloth لك على ما إذا كنت تريد أداة مجانية واحدة تغطي التدريب والتشغيل عبر النصوص والصور والصوت، بدلاً من أداة أضيق ذات غرض واحد.
استخدم Unsloth إذا
- أردت ضبط نموذج LLM، أو نموذج انتشار (صور/فيديو)، أو نموذج TTS، أو نموذج تضمين، وتفضّل عدم تعلّم أربع أدوات مختلفة
- أردت خيار تطبيق سطح مكتب بواجهة نقر وتشغيل، مع احتمال رغبتك لاحقًا في التحكم الأدق الذي توفره مكتبة Python لنفس المشروع
- تملك بطاقة GPU (بما في ذلك AMD أو Intel، وليس NVIDIA فقط) وتريد تجنّب رسوم الضبط السحابي لكل رمز (token)
- أردت ربط نموذج مضبوط أو مُنزَّل مباشرة بوكيل برمجة مثل Claude Code أو Codex
- أردت أن تكون الأداة الأساسية مفتوحة المصدر (النواة بترخيص Apache-2.0، وواجهة Studio الاختيارية بترخيص AGPL-3.0) بدلاً من ملف ثنائي مغلق المصدر
انتظر، أو ابحث عن خيار آخر، إذا
- كانت مهمة تدريبك تحتاج إلى أكثر من جهاز واحد — لا يوثّق README الخاص بـ Unsloth التدريب متعدد العقد بالطريقة التي يوثقها Axolotl
- احتجت إلى أوسع تغطية ممكنة لطرق المحاذاة (alignment) — DPO وORPO وKTO وGRPO ونمذجة المكافآت كلها معًا — إذ يوثّق Axolotl قائمة طرق أوسع
- كنت تستخدم Apple Silicon حصريًا وتريد الأداة الأصلية الأخف قدر الإمكان بدلاً من تطبيق أوسع متعدد الخلفيات — يستحق MLX-LM المقارنة المباشرة
- كان قرار التسعير أو الترخيص يعتمد تحديدًا على موقع unsloth.ai المباشر — لم تتمكن هذه المراجعة من تحميل ذلك الموقع مباشرة واعتمدت بدلاً من ذلك على بيانات GitHub/PyPI الوصفية
Unsloth مقابل أدوات الضبط الأخرى
Unsloth واحدة من عدة أدوات لضبط النماذج على جهازك الخاص. إليك كيف تتموضع مقارنة بخيارات أخرى في هذا المجال — راجع دليل برمجيات LLM المحلية للاطلاع على الكتالوج الكامل، ومقارنة Unsloth مقابل Axolotl مقابل MLX-LM المخصصة أعلاه للمواجهة الأقرب مباشرة.
- Axolotl — إطار عمل للضبط بترخيص Apache-2.0، وقوته الموثقة هي التدريب متعدد العقد وأوسع تغطية لطرق المحاذاة بين الثلاثة؛ راجع قسم المقارنة المخصص أعلاه ومقارنة أطر الضبط الدقيق الكاملة الخاصة بـ PromptQuorum.
- MLX-LM — مكتبة Apple الخاصة، بترخيص MIT، وأصلية لـ Apple Silicon، لتشغيل نماذج LLM وضبطها؛ راجع مراجعة MLX-LM للاطلاع على نظرة مخصصة.
- Together.ai وFireworks.ai — واجهات برمجة تطبيقات سحابية للضبط تفرض رسومًا لكل رمز تدريب بدلاً من اشتراط امتلاك بطاقة GPU؛ تغطي مقارنة أطر الضبط الدقيق الخاصة بـ PromptQuorum تسعير Together.ai مباشرة.
- Ollama وLM Studio — أدوات استدلال محلية *لتشغيل* النماذج بدلاً من تدريبها؛ من الأنماط الشائعة الضبط باستخدام Unsloth، والتصدير إلى GGUF، ثم تشغيل النتيجة في Ollama أو LM Studio. راجع مراجعة Ollama ومراجعة LM Studio.
أخطاء شائعة عند تقييم Unsloth
ينشأ معظم الالتباس حول Unsloth من نموذج ذهني قديم يعتبرها مكتبة Python نصية فقط، أو من افتراض أن ادعاءاتها الخاصة بالسرعة/VRAM تم التحقق منها بشكل مستقل.
الخطأ 1: افتراض أن Unsloth تضبط نماذج LLM النصية فقط
بدأت Unsloth كمكتبة لضبط نماذج LLM، لكن ملف README الحالي على GitHub يذكر صراحة دعم نماذج الانتشار (الصور/الفيديو) وتحويل النص إلى كلام (TTS) والتضمين للتدريب والتشغيل على حد سواء — فمجموعة الميزات نفسها التي كانت تنطبق يومًا ما على النصوص فقط تنطبق الآن على نطاق أوسع.
الخطأ 2: افتراض أن Unsloth تتطلب كتابة كود Python
كان ذلك صحيحًا بالنسبة لمكتبة Unsloth Core الأصلية. حتى وقت إعداد هذه المراجعة، أصبح Unsloth Desktop تطبيقًا أصليًا بواجهة نقر وتشغيل لأنظمة Windows وmacOS وLinux، ويوصي به المشروع نفسه كالطريقة الافتراضية لتثبيت Unsloth — دون الحاجة إلى أي كود.
الخطأ 3: التعامل مع "أسرع بمرتين، وأقل استهلاكًا للـ VRAM بنسبة 70%" كرقم مُتحقق منه بشكل مستقل
تأتي هذه الأرقام من ادعاءات قياس الأداء (benchmark) الخاصة بـ Unsloth نفسها في README ومدونتها، وليس من اختبارات PromptQuorum الخاصة أو من قياس أداء طرف ثالث تمكنت هذه المراجعة من التحقق منه. تعتمد السرعة الفعلية ووفورات VRAM على النموذج والطريقة والجهاز المحددين المستخدمين.
الخطأ 4: الخلط بين Unsloth Studio وخدمة سحابية مستضافة
Unsloth Studio واجهة ويب ذاتية الاستضافة — تشغّلها بنفسك (محليًا، أو على خادمك الخاص، أو عبر Docker) بدلاً من الاشتراك في خدمة تديرها Unsloth AI نيابة عنك. تتيح لك ميزة نفق Cloudflare الاختيارية الوصول إلى نسختك ذاتية الاستضافة عن بُعد؛ وهي لا تعني أن Unsloth تستضيف نماذجك.
الأسئلة الشائعة
ما هي Unsloth؟
Unsloth (الموقع unsloth.ai، والمصدر على github.com/unslothai/unsloth) أداة مجانية ومفتوحة المصدر (النواة بترخيص Apache-2.0، وواجهة Studio الاختيارية بترخيص AGPL-3.0) لضبط وتشغيل نماذج LLM ونماذج الانتشار (الصور/الفيديو) ونماذج تحويل النص إلى كلام (TTS) ونماذج التضمين على جهازك الخاص، وهي متوفرة كتطبيق سطح مكتب، أو واجهة ويب ذاتية الاستضافة، أو مكتبة Python.
هل Unsloth مجانية؟
بقدر ما تمكنت هذه المراجعة من التحقق منه من بيانات مستودع GitHub الوصفية وملف README الخاص بالمشروع، نعم — لا توجد خطة مدفوعة موثقة. لم تتمكن PromptQuorum من تحميل unsloth.ai مباشرة خلال هذه المراجعة (حظر الموقع الطلب الآلي)، لذا تحقق من التسعير الحالي على الموقع المباشر إذا كان القرار يعتمد على ذلك.
هل يمكن لـ Unsloth ضبط الصور، وليس النصوص فقط؟
نعم. يذكر ملف README الخاص بـ Unsloth على GitHub نماذج الانتشار (الصور والفيديو) إلى جانب نماذج LLM ونماذج تحويل النص إلى كلام والتضمين كمدعومة للتدريب والاستدلال على حد سواء.
ما الترخيص الذي تستخدمه Unsloth؟
نموذج ترخيص مزدوج: الحزمة الأساسية في Unsloth بترخيص Apache-2.0، أما المكوّنات الاختيارية مثل واجهة Unsloth Studio فبترخيص AGPL-3.0، بحسب قسم الترخيص في README الخاص بالمشروع. اقرأ نص الترخيص قبل إعادة توزيع أي من الجزأين أو استضافته.
هل أحتاج إلى معرفة Python لاستخدام Unsloth؟
ليس بالضرورة. Unsloth Desktop تطبيق أصلي بواجهة نقر وتشغيل لأنظمة Windows وmacOS وLinux. لا تزال Unsloth Core، المكتبة الأصلية بلغة Python، متاحة للمطورين الراغبين في التحكم على مستوى السكربت.
ما الأجهزة التي تدعمها Unsloth؟
وفقًا لملف README على GitHub: إعدادات Multi-GPU، وبطاقات NVIDIA وAMD وIntel، والتشغيل بالاعتماد على CPU فقط عبر خلفية Vulkan، على Windows وLinux وWSL وmacOS.
هل Unsloth Studio هي نفسها Unsloth Desktop؟
لا. Unsloth Desktop تطبيق أصلي يُثبَّت على الجهاز. أما Unsloth Studio فهي واجهة ويب ذاتية الاستضافة تشغّلها عبر سكربت تثبيت أو Docker وتصل إليها من خلال المتصفح — وكلاهما يعمل فوق نفس محرك Unsloth Core.
هل يمكن لـ Unsloth الاتصال بـ Claude Code أو وكلاء برمجة آخرين؟
نعم، عبر أمر unsloth start، الذي يربط نموذجًا محليًا بوكلاء تشمل Claude Code وOpenAI Codex وغيرهما عبر واجهة برمجة التطبيقات المتوافقة مع OpenAI/Anthropic الخاصة بـ Unsloth، وفقًا لملف README الخاص بالمشروع.
كيف تقارن Unsloth بـ Axolotl؟
تغطي Unsloth أنواعًا أكثر من النماذج (LLM، انتشار، TTS، تضمين) وخلفيات أجهزة أكثر (بما في ذلك AMD وIntel)، بينما توثّق Axolotl التدريب متعدد العقد وتغطية أوسع لطرق المحاذاة. راجع قسم المقارنة المخصص أعلاه ومقارنة أطر الضبط الدقيق الكاملة الخاصة بـ PromptQuorum.
من يطوّر Unsloth؟
تطوّرها Unsloth AI، وهي منظمة مقرها الولايات المتحدة مُدرجة على ملفها على GitHub. أُنشئ مستودع GitHub في نوفمبر 2023.