Unsloth Desktop
- 官网
- unsloth.ai(产品页 unsloth.ai/docs/desktop,下载页 unsloth.ai/download)
- PH
- www.producthunt.com/products/unsloth/launches/unsloth-deskto…,2026-08-12,219 票(发布日 224)/ 日榜第 5、周榜 28、月榜 111 / 评论 2 条库
- 一句话
- 免费开源的桌面 App,在本地硬件上运行、微调、部署 LLM / 扩散 / MLX / GGUF / 音频模型(Windows / macOS / Linux)。
- 团队
- Daniel Han 与 Michael Han 兄弟,YC S24,公司 Unsloth AI 在旧金山,YC 页面写 12 名员工官网/YC。此前是开源微调库 unsloth(Python,Apache-2.0)。
- 收费
- 官网定价页(2026-11-02 抓取)只有 Free / unsloth Pro(Contact us)/ unsloth Enterprise(Contact us),Pro 与 Enterprise 没有公开价格;Free 档写「Freeware of our standard version of unsloth」,指向 GitHub。Desktop 本身在文档里明确写「free, open-source app」官网。注意:该定价页描述的是训练库的加速档,不是 Desktop 的订阅。
- 状态判断
- 在涨(母项目 GitHub 30 天 +1,901 星、几乎每天发版、创始人高频推新功能;但 Desktop 自身没有可量化的用户/收入数字)
- 证据强度
- 中(GitHub、PH、HN、X 四个库对得上;收入与商店库全空)
它在各库的曲线
发布之后的表现
收入:indie(TrustMRR)库里没有 unsloth.ai 或 Unsloth Desktop库。产品本身免费开源,没有可查的付费流水;Pro/Enterprise 走「Contact us」,金额不公开。
用户 / 下载:appstore、googleplay、macappstore 三个商店库都没有它库——它是官网/GitHub 分发的桌面程序,不上架应用商店。官网下载页给出安装包体积:macOS(Apple Silicon)42.7 MB、Linux .deb 44.3 MB、Windows 41.5 MB官网。没有任何公开的下载量或 DAU 数字。
开发者关注:GitHub 主库 unslothai/unsloth 78,872 星 / 7,339 fork,fork/star = 9.3%(同龄同量级里属正常,无 suspect 标记),最近提交 2026-10-31,最新 release v0.1.912-beta(2026-10-28),open issues 143 / open PRs 274库。星数曲线:2026-08-02 69,394 → 09-29 76,971 → 11-01 78,872,三个月约 +9,478 星,30 天 +1,901库。注意这个库是「Unsloth 全家桶」(库 + Studio + Desktop),不是 Desktop 单独计数。同组织另有 notebooks 5,771 星、hyperlearn 2,529 星、unsloth-zoo 348 星(后者 fork/star 0.96,是工具库被大量 fork 的正常现象)库。
讨论:HN 上 Desktop 的两条发布帖热度很低——2026-08-11「Introducing Unsloth Desktop」15 分 1 评论、「Unsloth Desktop: Open-Source App for Local Models」10 分 2 评论库。对比同一域名其他帖子:DeepSeek R1 767 分、GLM-5.2 617 分、Qwen3.5 490 分、Unsloth Studio 388 分库。PH 219 票 vs HN 15 分是明显落差,见下节。X 本地库只从 2026-10-28 起,没有发布日推文;但创始人 @danielhanchen 在 10 月持续发 Desktop 相关更新(10-08 决策模型 620 赞、10-22 Flint/浏览器、10-28 浏览器操作、10-29 Mistral Large 4「They all work in Unsloth Desktop now」)库。
官网动态:changelog 活跃,最新条目 2026-10-30「Dynamic V3.1」;发布后 8 月内连发 v0.1.70→v0.1.701→v0.1.702→v0.1.800→…→v0.1.913-beta,基本每周一版官网。Substack 发布文(2026-08-11)34 赞、1 条评论,订阅数 12,000+官网。与 NVIDIA、Hugging Face 联合发布,并进入 NVIDIA「Local AI Community」官网/第三方。
自报 vs 实际
- 自报「first desktop app to run and train AI models」官网/PH 文案:这是营销定位,无法证伪;同类竞品(LM Studio、Ollama、Jan)存在,但「训练+推理一体」确实是差异点推断。
- 融资:第三方口径互相矛盾——Startup Intros / Tracxn 写「$500K,2024-09 种子轮」,Highperformr 写「$2.1M,投资方 Daniel Gross、Nat Friedman、Picus Capital」第三方。库里没有融资数据,两个数字对不上,以官方未披露为准。
- PH 219 票 vs HN 15 分:PH 是「产品发布」场,HN 是「技术讨论」场;Unsloth 在 HN 的高分帖全是模型/量化技术内容,而非产品发布——说明它的社区是「技术读者」而非「产品尝鲜者」,不是刷票,是受众错位推断。
- 无任何自报用户数/收入数可与库对照。
为什么成了 / 没成
它没有「没成」,但也不是靠 Desktop 本身成的。真正的资产是 78,872 星的微调库和 12,000+ 订阅的技术受众:Desktop 是把命令行用户转成 GUI 用户的一次「产品化包装」,发布当天 PH 日榜第 5、拿到 219 票,靠的是既有品牌而非新获客。HN 只有 15 分说明它没打动 HN 那批人——那批人本来就会用 pip install unsloth。免费开源意味着没有收入验证,Pro/Enterprise 的「Contact us」也看不到转化。判断「在涨」的依据是母库 30 天 +1,901 星和几乎每周一版的迭代节奏,而不是 Desktop 自身的留存数据——后者根本查不到。
对想跟的人
别把「免费开源桌面 App」当成可复制的生意:Unsloth Desktop 的 219 票和 78,872 星是三年开源积累的溢出,不是这个 App 的独立成绩,而且它一分钱不收、Pro 档连价格都不挂。真正有位置的是它没做的那一段——把「本地跑模型」卖给不懂命令行的企业/团队(私有部署、合规、多用户),Unsloth 自己在 changelog 里刚加 Docker + MultiUser + AMD 支持,说明它也在往这边挪。最大的坑是:这个赛道(LM Studio、Ollama、Jan)已经免费且成熟,你要么在垂直场景里做到比它们更懂某类数据,要么就得接受「开源换分发、服务换钱」的慢路径。
没查到的
- indie(TrustMRR):没有该产品,收入 / MRR / 订阅数 / 是否挂牌出售全部无法回答。
- appstore / googleplay / macappstore:没有该产品,无榜单位置、评分数、下载量。
- chromestore:未查(它是桌面程序,不是浏览器扩展)。
- GitHub 下载量:GitHub 不公开 release 资产下载数,库里也没有,所以「多少人装了 Desktop」答不了。
- 融资:官方未披露,第三方两个数字互相矛盾,无法定论。
- X 发布日反应:本地 X 库 2026-10-28 才开始攒,8 月 11 日的推文不在库内。
档案由 agent 建(deepseek/deepseek-v4.1-flash,17 步,2026-11-01T11:05);〔库〕= 我们自己的库,〔官网〕= 当天抓的网页。