يضيف الإصدار 0.1.910-beta من Unsloth دعمًا لنماذج Flint من Recursive وMOSS-Image من OpenMOSS وNemotron Bolt 4B من NVIDIA. ويذكر الإصدار أن المستخدمين يستطيعون تشغيل النماذج محليًا عبر Unsloth. كما يضيف نسخة أصغر من Unsloth Desktop مخصصة للمحادثات فقط؛ ويمكن للمستخدمين إضافة ميزات التدريب لاحقًا من الإعدادات.
Flint نموذج مزيج خبراء يضم 40 مليار مُعامل، وهو تصميم لا يفعّل سوى بعض مُعاملاته لكل مهمة. وتقول Unsloth إن Flint يستخدم 2.5 مليار مُعامل نشط، ويدعم سياقًا من 256,000 رمز، ويمكن تشغيله بذاكرة سعتها 24 GB عند تكميم 3-bit للسياقات القصيرة. ويورد الإصدار نتيجة 89.7 في SWE-bench Pro v2، مقارنةً بـ73.8 لنموذج Qwen 3.6، لكنه لا يوضح إعدادات الاختبار أو الجهة التي أجرت التقييم.
توليد الصور والضبط الدقيق محليًا
MOSS-Image نموذج لتوليد الصور يضم 5.1 مليار مُعامل، ويمكنه إنشاء صور تحتوي على نص بالإنجليزية أو الصينية. وتقول Unsloth إنه يعمل على وحدات GPU بذاكرة سعتها 16 GB؛ كما يمكن تشغيل إصدارات GGUF منه على أجهزة Mac والحواسيب التي لا تضم وحدة GPU مدعومة. ولا يقدم الإصدار مقارنات لجودة الصور أو أرقامًا للأداء.
Nemotron Bolt 4B هو إصدار مضبوط من Gemma 4 E4B من NVIDIA، يركز على الاستدلال ومصمم لاستخدام الأدوات واتباع التعليمات. وتورد Unsloth له نتيجة 63.2 في Tau2-Bench، مقارنةً بـ38.7 للنموذج الأصلي، وتقول إن Gemma Nemotron 4B تفوق على Gemma 4 E4B في 16 من أصل 21 اختبارًا أجرته NVIDIA. وهذه نتائج أوردها الإصدار، من دون أن يتضمن المنشور إعدادات الاختبارات أو تحققًا مستقلًا منها.
وتقول Unsloth أيضًا إن واجهة API الجديدة للضبط الدقيق، المخصصة لمن يدربون النماذج، تعمل مع حزمة تطوير البرامج SDK من OpenAI لرفع مجموعات البيانات وإجراء الضبط الدقيق الخاضع للإشراف على النماذج المحلية. ويصف الإصدار Unsloth Desktop بأنه مجاني ومفتوح المصدر، مع إتاحة تنزيله لأنظمة Windows وmacOS وLinux.
لماذا يهم
قد يتيح MOSS-Image لمن لديهم وحدة GPU بذاكرة سعتها 16 GB توليد صور تتضمن نصًا بالإنجليزية أو الصينية باستخدام Unsloth، وفقًا للإصدار. أما رقم الذاكرة البالغ 24 GB الخاص بـFlint فينطبق فقط عند تكميم 3-bit ومع سياقات قصيرة، ولا يقدم الإصدار نتائج اختبارات مستقلة أو تفاصيل كافية عن إعداداتها تتيح مقارنة درجات الأداء المعيارية على نحو موثوق.
