-
Öppenhet och kontroll
4/5God
Både kärnan och gränssnittet är öppen källkod: kärnpaketet unsloth ligger under Apache-2.0 (LICENSE i repot) och Studio-backenden och frontend under studio/ ligger under AGPL-3.0 (studio/LICENSE.AGPL-3.0). Båda licenserna är OSI-godkända och tillåter läsning, ändring och egen drift utan licensnyckel; det finns ingen betald nivå i den egna installationen och inga stängda moduler. Det som håller betyget på 4 är delningen: den som vill bygga vidare på webbgränssnittet måste följa AGPL-3.0 och dela sina ändringar, medan kärnan är permissiv. Datamodellen är dessutom öppen – chattar och inställningar ligger i en vanlig SQLite-fil och modellvikterna är GGUF eller safetensors som kan flyttas mellan verktyg.
-
Funktionell passform
4/5God
I labbkörningen laddades Qwen3.5-0.8B som GGUF i Q4_K_M genom llama.cpp på processorn, och chatten svarade på svenska i det svenska gränssnittet. Projektmappen Driftportalen kopplades till fyra chattar med tio meddelanden, och Data Recipes byggde ett dataset med språkmodellen som skrev kolumnerna. Det som håller betyget på 4 är att träning och export kräver grafikkort: på labbmaskinen utan GPU visade träningsvyn att den kör på processorn och exportvyn att export inte är tillgänglig. Kvaliteten på små modellers svenska är dessutom ojämn – den lilla testmodellen svarade flytande men med sakfel, vilket är modellens begränsning och inte gränssnittets.
-
Dataflytt och interoperabilitet
4/5God
Tillståndet är en SQLite-fil i studiokatalogen plus modellvikterna i Hugging Face-cachen, så en flytt är två katalogkopior. Modellerna är standard-GGUF och kan flyttas till llama.cpp, Ollama eller andra motorer utan konvertering, och API:t är OpenAI- och Anthropic-kompatibelt, vilket gör att klienter kan byta till eller från Unsloth utan kodändringar. Det som drar ned till 4 är att chattarna ligger i en intern tabellstruktur utan dokumenterat exportformat, och att Data Recipes-recepten är knutna till installationens egen databas.
-
Mognad och trygghet
3/5Godtagbar
Projektet startade 2023 och har en hög utgivningstakt: senaste utgåvan vid kontrollen var en betaversion från november 2026, med flera utgåvor i veckan. Repot är inte arkiverat, har över 79 000 stjärnor och drivs av ett aktivt team med egen dokumentationssajt, containeravbildningar för NVIDIA och AMD samt skrivbordsappar för tre operativsystem. Webbgränssnittet är ändå märkt Beta, versionsnumret räknas i betasteg och gränssnittet ändras mellan utgåvor – det är skälet till att betyget stannar på 3. Kärnan som används i Python-notebooks är betydligt mer beprövad än Studio-delen.
-
Framtidskraft
4/5God
Projektet rör sig i riktning mot fler modellfamiljer, fler motorer och fler integrationsvägar: GGUF via llama.cpp, MLX på Apple Silicon, vLLM och SGLang som valbara motorer, OpenAI- och Anthropic-kompatibla ändpunkter och en MCP-server för agenter. Utgivningstakten är hög och nya modellfamiljer får stöd kort efter release. Det som håller betyget på 4 är att gränssnittet är i beta och att projektet är beroende av en liten grupp utvecklare; en ändrad inriktning skulle snabbt slå igenom i webbgränssnittet.
-
Drift och införande
3/5Godtagbar
Installationen är en container eller ett skript, och driften kräver att man hanterar grafikkortsdrivrutiner, nvidia-container-toolkit och modellvikter på disk. I labbet behövdes UNSLOTH_ALLOW_CPU=1 för att starta utan GPU, UNSLOTH_STUDIO_PROXY_HOSTS för att gränssnittet skulle nås genom en egen proxyserver, och en förberedd katalog för modellcachen. Uppdateringar kommer ofta och containeravbildningen är märkt latest, så en fast version bör pinnas i drift. Verktyg för kodkörning och webbläsarstyrning är påslagna som standard och måste begränsas före exponering – det är den viktigaste driftåtgärden.
-
Kostnadsbild
5/5Mycket god
Programvaran är gratis och öppen källkod utan prenumerationskostnad, licensnyckel eller begränsad funktion i den egna installationen. Kostnaden ligger helt i maskinvaran: ett grafikkort med tillräckligt videominne för träning och diskutrymme för modellvikterna. På processorn kostar GGUF-körningen inget utöver den maskin man redan har. Det finns ingen molnkostnad per anrop, och API:t kan användas av egna klienter utan avgift.
-
Svensk användbarhet
4/5God
Webbgränssnittet har en svensk översättning i repot (studio/frontend/src/i18n/locales/sv.ts) med 4 162 nycklar mot engelskans 4 381, och 3 969 av de gemensamma nycklarna har ett svenskt värde som avviker från engelskan – 90,6 procent av den engelska nyckelmängden är alltså översatt. I labbkörningen visade menyer, inställningar, träningsvyn och Data Recipes svensk text. Det som håller betyget på 4 är att en del etiketter ännu är engelska (t.ex. platshållaren i chattfältet och flera kortnamn), att dokumentationen bara finns på engelska och att supporten sker på engelska i projektets kanaler.