Unsloth v0.1.906-beta：本地模型接管浏览器操作，Qwen-Image-2.1-Turbo 8 步出图

Unsloth 于 2026 年 10 月 12 日发布标签为 v0.1.906-beta 的 Release（GitHub Release 的 published_at 为 2026-10-12T14:17:13Z）。Release 本身未被标记为预发布，但标签带有 beta 后缀。这一版把浏览器操作交给本地模型控制，同时上线 Qwen-Image-2.1-Turbo 的 8 步版本、文本扩散语言模型训练，以及 Mac 上的投机解码加速。

这次发布的是什么

Unsloth 主打大模型的微调与本地推理。2026 年 10 月 12 日，unslothai/unsloth 发布标签为 v0.1.906-beta 的 Release（GitHub Release 的 published_at 为 2026-10-12T14:17:13Z）。需要说明的一点：这个 Release 在 GitHub 上没有被标记为预发布，但标签名本身带有 beta 后缀，两者是不同层面的标记，落地前按自己的风险口径评估。

这一版的主线有两条。一条是浏览器：在聊天框的加号菜单里打开浏览器操作后，模型可以自己开页面、读内容、点击、输入、选择、滚动，全过程可见；它只在自己的标签页里操作，不碰你的其他标签页。另一条是图像：Qwen-Image-2.1-Turbo 作为 Qwen-Image-2.1 的官方 8 步版本上线，配一个 Q4 量化的 GGUF 文件分发。

同期 PyPI 上该包的最新版本为 2026.10.4，上传时间 2026-10-12T14:10:27，与 Release 相隔约七分钟。两个渠道的版本号写法并不一致，正文分别照录。

可用性与限制

• 版本状态：Release 未标记为预发布，但标签带 beta 后缀；是否用于生产，以官方说明与自身验证为准。
• 安全边界：模型不会填写密码、卡号与一次性验证码；登录、提交表单，以及涉及购买、发送、删除的按钮动作会先征求确认。
• 站点可控：可在设置的浏览器项中指定允许打开的站点，以及对其浏览历史与下载内容的访问范围。
• 附件限制：音频与视频附件会被拒绝并返回 400，而不是等到运行中途才失败。
• 硬件依赖：Mac 上的投机解码加速依赖 MLX 后端；AMD GPU 上的可选推理引擎覆盖 Linux 与 Windows 的 WSL。
• 隔离程度：官方提醒进程内解释器不做任何隔离，仅应用于可信代码。
• 版本会漂移：界面入口、模型清单与加速幅度随版本调整，本文描述基于 v0.1.906-beta 的发布正文。

主要功能

• 浏览器操作：在独立标签页中开页面、读内容、点击、输入、选择与滚动
• 图像生成：Qwen-Image-2.1-Turbo 以 8 步完成出图，配套 Q4 量化的 GGUF 文件
• 训练扩展：新增面向文本扩散语言模型的训练器，覆盖多个扩散式语言模型
• 训练选项：支持 LoRA+ 的学习率比例设置，可对 GPTQ 量化模型叠加 LoRA 微调
• 强化学习：GRPO 支持在视频提示与工具调用上训练，异步训练器可单卡边生成边训练
• 数据格式：工具调用数据集支持携带每行的工具定义，可用于多轮智能体轨迹
• 推理加速：Mac 上以投机解码提升 MLX 后端回复速度，并自动设定草稿深度
• 模型清单：可按参数量、上下文长度与组织筛选 Hub 模型
• 界面改进：回复中的 React 代码块可在浏览器里直接预览运行

技术原理

发布正文能支撑的说法有四条。

第一条是浏览器操作的执行方式。模型不是拿到一段渲染后的文本，而是直接驱动一个真实的浏览器标签页：开页面、读内容、点击、输入、选择、滚动，并且整个过程对用户可见。官方说明这套机制同时支持本地模型与接口服务商，小参数量的纯文本模型也能驱动。

第二条是安全模型的设计。它把「能看到什么」和「能做什么」分开控制：允许打开的站点、以及对其浏览历史与下载内容的访问范围，由用户在设置中决定；密码、卡号与验证码这类字段模型一律不碰；登录、表单提交，以及购买、发送、删除这类动作需要先确认。附件会被暂存到当前工作目录下的运行级目录，运行结束后清理，除非显式保留。

第三条是图像侧的步数压缩。Qwen-Image-2.1-Turbo 被官方描述为 Qwen-Image-2.1 的 8 步版本，配一个 Q4 量化的 GGUF 文件分发，因此出图所需的去噪步数明显少于原版。官方同时提到，ComfyUI 的模型会直接使用 ComfyUI 目录里已有的文本编码器，而不是重新下载一份。

第四条是推理侧的投机解码。在 MLX 后端上用小模型起草、大模型校验来换取更快的输出，官方说明草稿深度会自动设定，并列出了支持的起草器类型，同时声明输出内容不变。

加速幅度与文件体积这类易变数字本文不转述，以官方发布正文与模型页为准。

实际体验

可按下面几步自己验证：

1. 用 pip show unsloth 或官方包页确认当前拉到的版本，并留意官方发布页的标签名与包版本号的写法并不一致。
2. 在聊天框的加号菜单里打开浏览器操作，让模型查一个公开页面，观察它是否在独立标签页里完成点击与滚动。
3. 在设置中限制某站点，再让模型尝试打开，确认访问被拦住。
4. 让模型触发一次登录或表单提交，确认它在动作之前先征求确认。
5. 到图像页运行 Qwen-Image-2.1-Turbo，记录一次出图消耗的步数与耗时。
6. 在 Mac 上开启投机解码，对比开启前后同一提示的回复速度与输出内容。
7. 训练一份带工具定义的工具调用数据集，确认多轮智能体轨迹也能用于微调。

任一步与描述不符时，先确认所用后端与版本号，再回到官方发布正文与文档核对。

项目地址与获取方式

Release 页：https://github.com/unslothai/unsloth/releases/tag/v0.1.906-beta

仓库：https://github.com/unslothai/unsloth

PyPI 包名：unsloth，最新版本以官方包页为准。请通过官方仓库与官方包管理渠道获取，核对包名拼写，避免装到名字相近的第三方包。是否收费与额度限制，以官方说明为准。

适合谁用

• 想在本地把「查资料」这件事交给模型的人：浏览器操作是这一版的主线。
• 只有消费级显卡、想跑超过显存容量的 MoE 量化模型的人：正文提到了这条路径。
• 做图像 LoRA 训练的人：这一版支持把训练好的图像 LoRA 导出成文件，便于复用或分享。
• 用 Mac 做本地推理的人：MLX 后端的投机解码是这一版的加速项之一。
• 不适合：不接受 beta 标签上线的团队——按自己的上线口径再评估一轮。
• 不适合：只想要一个网页版聊天框的人——这一版的改动集中在本地运行与训练。

常见问题

标签带 beta，但 Release 未标记为预发布，该怎么理解？

两者是不同层面的标记：标签名由项目自己命名，Release 的预发布标记是 GitHub 上的独立开关。本次观察到前者带 beta 后缀、后者未勾选，正文描述以发布页为准。是否采用，按你们对 beta 的管理口径决定。

模型能拿到我的其他标签页吗？

按发布正文的说法不能。模型只在自己的标签页里浏览，不访问你的其他标签页；允许打开的站点，以及对浏览历史与下载内容的访问范围，都可以在设置中指定。

会不会自动付款或提交表单？

发布正文写明，在模型登录、提交表单，或按下涉及购买、发送、删除的按钮之前，会先征求你的确认；密码、卡号与一次性验证码不由模型填写。

图像生成必须自己准备文本编码器吗？

发布正文提到，ComfyUI 的模型会直接使用你 ComfyUI 目录里已有的文本编码器，而不是重新下载一份。这一条是否覆盖你所用的具体模型，以官方说明为准。

这次的加速幅度有多大？

发布正文给出了若干倍率描述，并附了一份篇幅较长的更新清单。倍率会随硬件、模型与后端变化，本文不转述这些数字，请以官方发布正文与你在自己设备上的实测为准。

相关工具与内容

• 分类：AI 绘画、AI 编程、AI 智能体
• 同题材快讯：InvokeAI 7.0.0 alpha 2 发布
• 同题材快讯：Diffusers 0.41.0 发布
• 延伸阅读：ComfyUI 0.39.0 发布
• 工具页：LiblibAI、即梦AI、Seede AI