Unsloth ha publicado Unsloth Desktop, una aplicación gratuita y de código abierto para ejecutar y entrenar modelos de IA en el ordenador de uno. Funciona en macOS, Windows, Linux y WSL, cubre modelos de texto, imagen, vídeo y audio, y no recoge telemetría. Es la pieza que le faltaba a Unsloth para pasar de librería de Python a herramienta que puede usar alguien que no programa.
Puntos clave
- Construida sobre Tauri, gratuita y con el código en GitHub, sin telemetría.
- Ejecuta y entrena LLMs, modelos de difusión, MLX, GGUF y modelos de audio.
- Entrenamiento con LoRA, fine-tuning completo y preentrenamiento desde la propia interfaz.
- Hardware soportado: GPUs y CPUs de NVIDIA, Intel, AMD y Mac, con la advertencia de que el hardware antiguo puede no ir fino.
Qué se puede hacer desde la app
La lista de funciones es más larga de lo que sugiere el titular. Además de cargar un modelo y chatear con él, la aplicación ejecuta código en entornos aislados, transcribe y genera audio, genera imagen y vídeo con modelos de difusión, y hace búsqueda web e investigación en profundidad.
También conecta con APIs de nube. Se pueden enchufar OpenAI, Anthropic u Ollama desde la misma interfaz, así que el flujo mixto, modelo local para lo rutinario y modelo grande para lo difícil, se monta sin salir de la app.
Los modelos que destaca la documentación dan una foto del ecosistema abierto ahora mismo: Meta Muse Glimmer, Kimi K3, DeepSeek V4, Qwen3.6, GLM-5.2, Gemma 4, MiniMax M3 y DiffusionGemma.
Por qué Unsloth y no otro
Unsloth se hizo un nombre por una razón muy concreta: hacer que el fine-tuning de modelos abiertos cupiera en GPUs normales. Su librería reescribía las partes calientes del entrenamiento para gastar bastante menos memoria, y eso convirtió el ajuste de modelos en algo que se podía hacer en una tarjeta de consumo en vez de en un clúster.
El salto a aplicación de escritorio traslada eso a gente que no vive en una terminal. Hasta ahora, ajustar un modelo abierto con datos propios exigía Python, entorno virtual, dependencias de CUDA y un rato largo de leer issues de GitHub. Meterlo detrás de una ventana con botones cambia quién puede hacerlo.
La ausencia de telemetría no es un detalle menor en el contexto de esta semana, con Anthropic marcando las salidas de Claude con marca de agua invisible y buena parte de la conversación girando alrededor de qué se queda el proveedor. Aquí no sale nada de la máquina.
Por qué importa
El caso de uso claro para una empresa española es el de los datos que no pueden salir. Historiales médicos, expedientes de personal, contratos con cláusulas de confidencialidad, precios de proveedores. Todo eso hoy se queda fuera de ChatGPT y de Claude por una decisión legal, no por una decisión técnica.
Un modelo abierto de tamaño medio ajustado con vuestros propios documentos, corriendo en una máquina de la oficina, resuelve la parte del problema que la nube no puede resolver. Con la expectativa calibrada: un modelo local de 30.000 millones de parámetros no razona como Claude Opus. Sirve para clasificar, extraer y resumir sobre vuestro dominio, que es la mayoría del trabajo administrativo.
La factura tampoco desaparece, se muda. Se cambia el coste por token por el coste de una GPU y el tiempo de alguien montándolo. Para volúmenes pequeños la nube sigue ganando. Para procesar miles de documentos internos al mes, la cuenta empieza a inclinarse.
Relacionado
