Unsloth
Unsloth 是微調與本地推理框架,不是聊天用戶端 —— 說明它接不了 aicentos 的原因
最後更新於:
Unsloth 是開源的模型微調與本地推理框架,附帶桌面 App 和 Unsloth Studio(瀏覽器介面)。它的 Connections 面板看起來像「模型供應商設定」,但只能填本地或自建端點,雲端供應商是一份固定名單,沒有「任意 OpenAI 相容 URL」這一項,因此無法把推理請求指向 aicentos。
為什麼不能直接接入
- Studio 的
Settings → Connections → Add Provider裡可選的是 llama.cpp、vLLM、Ollama 這類本地/自建服務,填的 Base URL 形如http://localhost:8000/v1。 - 雲端方向是一份固定清單(OpenAI、Anthropic、OpenRouter、ChatGPT/Codex)+ API Key,沒有自訂端點入口。
- 官方文件裡「remote OpenAI-compatible endpoint」指的是你自己部署的推理服務,不是第三方聚合閘道。
- 方向上它也偏伺服器端:Unsloth 自己對外提供 OpenAI 相容 API,是給別人連的。
需要填寫的設定
| 欄位 | 值 |
|---|---|
| API Key | 控制台建立的 Key |
| Base URL | https://aicentos.com/v1 |
| 模型 | 控制台「模型廣場」中的模型名 |
上表是 aicentos 側的通用參數,供下面的替代方案使用。
替代方案
方案一:訓練歸訓練,聊天歸聊天
用 Unsloth 做微調和本地推理,用 Cherry Studio、Chatbox 這類用戶端接 aicentos 做日常對話。兩者互不干擾。
方案二:本地起服務,前端接它
Unsloth 暴露的是 OpenAI 相容介面。unsloth 服務起在本地後,把用戶端的 Base URL 填成它的位址(例如 http://localhost:8000/v1),和填 aicentos 是同一套操作。
方案三:要對比效果就換前端
想比較「本地微調模型」和「aicentos 上的通用模型」,用一個支援多 provider 並存的用戶端最省事,同介面切換。
測試
本地服務起來後先 curl http://localhost:8000/v1/models 確認介面活著,再在用戶端裡發一句提示詞。
注意事項
- 別把 Studio 的
Connections當成 BYOK 面板,它管的是本地執行環境。 - 本地推理吃硬體,長上下文和大批次任務建議走 aicentos。
- 官方文件沒有「用第三方 API 產生訓練資料」的流程說明,別按這個思路規劃流水線。