# Unsloth lägger till Flint, MOSS-Image och Nemotron Bolt 4B

> Unsloths release den 23 oktober ger lokalt stöd för tre modeller. Den innehåller också en skrivbordsversion enbart för chatt och ett API för finjustering av lokala modeller.

Oossa · 2026-10-23 · https://oossa.com/sv/unsloth-adds-flint-moss-image-and-nemotron-bolt-4b

Unsloths version 0.1.910-beta lägger till stöd för Recursive’s Flint, OpenMOSS’ MOSS-Image och NVIDIA:s Nemotron Bolt 4B. Enligt releasen kan användare köra modellerna lokalt via Unsloth. Den innehåller också en mindre skrivbordsinstallation av Unsloth som bara har chattfunktion; användare kan lägga till träningsfunktioner senare i Inställningar.

Flint är en mixture-of-experts-modell med 40 miljarder parametrar – en konstruktion där bara vissa parametrar aktiveras för varje uppgift. Enligt Unsloth använder Flint 2,5 miljarder aktiva parametrar, stöder ett kontextfönster på 256 000 token och kan rymmas i 24 GB minne med 3-bitars kvantisering vid korta kontexter. Releasen anger resultatet 89,7 på SWE-bench Pro v2, jämfört med 73,8 för Qwen 3.6, men redovisar inte testinställningarna eller vem som genomförde utvärderingen.

## Bildgenerering och lokal finjustering

MOSS-Image är en bildmodell med 5,1 miljarder parametrar som kan generera bilder med engelsk eller kinesisk text. Enligt Unsloth fungerar den på grafikkort med 16 GB minne; GGUF-versionerna kan också köras på Mac-datorer och datorer utan ett grafikkort som stöds. Releasen innehåller inga jämförelser av bildkvalitet eller prestandasiffror.

Nemotron Bolt 4B är NVIDIA:s version av Gemma 4 E4B, finjusterad med fokus på resonemang och avsedd för verktygsanvändning och instruktionsföljning. Unsloth anger resultatet 63,2 på Tau2-Bench, jämfört med 38,7 för originalmodellen, och uppger att Gemma Nemotron 4B slog Gemma 4 E4B i 16 av NVIDIA:s 21 tester. Det här är resultat som rapporteras i releasen, och inlägget redovisar varken testinställningar eller oberoende validering.

För den som tränar modeller uppger Unsloth också att det nya finjusterings-API:t fungerar med OpenAI:s SDK för att ladda upp datamängder och köra övervakad finjustering av lokala modeller. Enligt releasen är Unsloth Desktop gratis och öppen källkod, med nedladdningar för Windows, macOS och Linux.

## Fakta

- Unsloths version 0.1.910-beta lägger till lokalt stöd för Flint, MOSS-Image och Nemotron Bolt 4B.
- Flint har enligt releasen totalt 40 miljarder parametrar, varav 2,5 miljarder aktiva.
- Unsloth uppger att Flint fick 89,7 på SWE-bench Pro v2, jämfört med 73,8 för Qwen 3.6.
- Unsloth uppger att Nemotron Bolt 4B fick 63,2 på Tau2-Bench, jämfört med 38,7 för Gemma 4 E4B.
- Unsloth Desktop är gratis och öppen källkod, och releasen lägger till ett installationsalternativ enbart för chatt.

## Varför det spelar roll

För den som har ett grafikkort med 16 GB minne kan MOSS-Image enligt releasen vara ett sätt att generera bilder med engelsk eller kinesisk text via Unsloth. Flint-uppgiften om 24 GB minne gäller bara vid 3-bitars kvantisering och korta kontexter, och releasen redovisar inte oberoende testresultat eller tillräckligt många testinställningar för att göra en tillförlitlig jämförelse av benchmarkresultaten.

## Källor och referenser

1. [MOSS-Image, Flint & Nemotron Bolt 4B](https://github.com/unslothai/unsloth/releases/tag/v0.1.910-beta) – Unsloth Releases, 2026-10-23

Senast uppdaterad: 2026-10-23