Unsloth transforme des modèles en outils de décision

OOndine

Unsloth permet d’entraîner avec QLoRA des modèles de langage ou de vision pour en faire des modèles de décision, puis de les tester, de les exporter et de les mettre en service. La version publiée mercredi ajoute cette fonction, et Unsloth annonce que la précision décisionnelle peut passer de 30 % à 80 %, selon GitHub. Les modèles entraînés peuvent attribuer un score de confiance à chaque option. Il est aussi possible de les tester directement dans les réglages de l’interface de programmation de décision, puis de les exporter. La mise à jour accueille aussi des modèles de diffusion conçus pour ComfyUI. Elle prend notamment en charge Krea-2, HunyuanImage-2.1 et Wan2.2. Les équipes peuvent ainsi charger ces modèles d’image et de vidéo dans Unsloth. La version améliore également la génération et le navigateur de l’application Desktop. Autre changement, Unsloth annonce des entraînements QLoRA jusqu’à 4,1 fois plus rapides pour Qwen3.5-35B-A3B et jusqu’à 3,3 fois pour Qwen3-30B-A3B, sur A100 et RTX PRO 6000. Enfin, Unsloth ajoute l’isolation du code exécuté par un modèle. La protection s’appuie sur Bwrap sous Linux, Seatbelt sous macOS et MXC sous Windows. Unsloth Desktop est présenté comme gratuit et open source. La prise en charge de ComfyUI concerne les modèles compatibles, et les gains d’entraînement annoncés portent sur les cartes indiquées.