Unsloth v0.1.811发布：Docker多用户与AMD ROCm支持全解析

开源大模型微调工具 Unsloth 迎来 v0.1.811-beta 版本更新，这次带来了三项重量级功能：全新的 Docker 镜像、多用户账户隔离以及对 AMD 显卡的支持。对于长期依赖 NVIDIA 生态的本地 AI 部署用户来说，这次更新在硬件兼容性和团队协作场景上都补上了重要拼图。

核心更新一览

本次版本的三大亮点分别针对部署、协作和硬件三个维度：

• 全新 Docker 镜像：同时支持 NVIDIA 与 AMD 平台，重构了 CUDA 主镜像和 Studio 配置
• 多用户账户隔离：可在 Settings > Accounts 中创建独立账户，实现工作空间隔离
• AMD RDNA1/RDNA2 支持：通过新增的 ROCm 镜像，让 AMD 显卡用户也能跑起微调

此外还包含一个 Qwen3.8-Flash-Next 的 MTP 热修复，据官方说明推理速度提升约 2 倍，以及 ARM64 Windows 平台的 CUDA 训练与推理支持。

Docker 镜像的深度重构

新版 Docker 并非简单的功能叠加，而是对底层架构做了系统性优化。官方更新了主 CUDA 镜像和 Studio 安装流程，移除了打包时捆绑的缓存以减小体积，同时恢复了 Unsloth 在 GPU 主机上的训练补丁（training patches）——这一点尤其关键，因为此前版本在 Docker 环境下曾出现过 TRL 补丁被禁用的问题，导致训练性能无法完全发挥。

数据持久化方面也做了改进：Studio 的数据现在保存在独立的 volume 上，不再与应用代码强绑定。这意味着容器更新时用户数据不会丢失，同时自动生成的密码、可配置端口和依赖包保留机制都得到了完善。对于需要频繁更新镜像的生产环境，这种解耦设计能显著降低运维成本。

最值得关注的是首次引入的 AMD ROCm 镜像，与 CUDA 镜像并列提供给受支持的 Linux 主机。这打破了本地大模型微调长期被 NVIDIA CUDA 垄断的局面，RDNA1 与 RDNA2 架构的 AMD 显卡用户终于有了官方支持的路径。

ROCm（Radeon Open Compute）是 AMD 针对 GPU 通用计算推出的开源软件平台，相当于 AMD 阵营的 CUDA 替代方案。它提供了一套完整的运行时、编译器和数学库，使深度学习框架（如 PyTorch）能够调度 AMD GPU 执行张量运算。RDNA1 与 RDNA2 是 AMD 自 2019 年起推出的消费级 GPU 架构，覆盖 RX 5000 和 RX 6000 系列显卡。此前 ROCm 对消费级显卡的官方支持长期滞后且不稳定，用户往往需要手动打补丁绕过设备检测，大量配置工作让普通用户望而却步。Unsloth 官方提供预配置的 ROCm Docker 镜像，意味着复杂的驱动版本匹配与环境搭建被封装在镜像内部，用户只需拉取镜像即可获得经过验证的可用环境，显著降低了 AMD 显卡用户进入本地大模型微调领域的门槛。

多用户账户：从个人工具到团队平台

多用户功能是这次更新在使用场景上的一次重要扩展。此前 Unsloth Studio 本质上是单用户工具，而新版允许通过一次性设置码（one-time setup codes）创建多个账户，每个账户拥有独立密码。

设计上有一个巧妙的平衡：各账户的工作内容保持隔离，但当设置匹配时，多个账户可以共享已加载的模型。这在多人共用一台 GPU 服务器的场景下非常实用——既保证了数据隐私，又避免了重复加载模型造成的显存浪费。官方也强调，原有的单账户行为保持不变，老用户升级后无需改变使用习惯。

训练、推理与研究能力的全面强化

除了三大亮点，本次更新在多个技术细节上都有打磨：

GRPO 训练新增了对 Qwen3.5 的支持，并跟进了最新的 TRL 和 vLLM。图像扩散推理引入 INT8/FP8 支持，速度提升约 2 倍。MLX 平台获得了视频输入能力、可选的 MoE 与解码优化，以及更可靠的多模态对话表现。

硬件检测方面改进颇多：更好的 Windows NVIDIA GPU 检测与恢复、GGUF 显存估算优化、DGX Spark 处理、NVLink 检查，以及用户自定义 GPU 排序。这些看似琐碎的修复，实际上直接影响本地部署时的稳定性和资源利用率。

Deep Research 功能对未完成报告的保留、JSON 输出处理更加健壮，扫描版 PDF 上传新增了本地 OCR 回退方案。API 层面则增加了 /v1/chat/completions 的视频输入支持，以及通过 API 访问已安装 Ollama 模型的能力。

GRPO（Group Relative Policy Optimization）是近期在大模型后训练领域受到广泛关注的强化学习算法，由 DeepSeek^广告 团队在 DeepSeek-R1 相关工作中提出并推广。与传统 RLHF 中需要独立 Critic 模型的 PPO 算法不同，GRPO 通过对同一问题采样多个输出并计算组内相对奖励来估计基线，省去了 Critic 网络，大幅降低显存占用与训练复杂度。这使得在消费级单卡上进行强化学习微调成为可能。INT8 和 FP8 量化是将模型权重或激活值从标准 FP16/BF16 精度压缩到更低比特表示的技术：INT8 将浮点数映射为 8 位整数，FP8 则保留浮点格式但缩减指数与尾数位宽。两者均能在几乎不损失输出质量的前提下，将推理吞吐量提升一倍以上，同时减少约一半的显存占用，对图像扩散模型这类计算密集型任务尤为关键。

安全性：迈向沙箱化工具执行

随着 AI 工具调用（tool calling）能力日益强大，安全边界成为不可回避的话题。本次更新强化了凭证保护和工具调用验证，当工具试图访问沙箱之外的文件时会触发审批请求。

更值得关注的是新增的操作系统级工具沙箱预览功能，目前在受支持的 Linux 和 macOS 主机上可用。官方也坦诚说明了当前限制：网络访问仍不受限制，且在 OS 隔离不可用时，自动模式会保留现有的安全防护措施。这种循序渐进、如实告知边界的做法，比宣称"完全安全"更值得信任。

工具调用（Tool Calling / Function Calling）是指大语言模型在推理过程中识别出需要外部能力时，生成结构化的函数调用指令，由宿主程序执行后将结果返回给模型继续推理的机制。随着 AI Agent 场景普及，模型可能被授权执行文件读写、代码运行、网络请求等操作，一旦模型被恶意提示（Prompt Injection）或自身产生错误决策，就可能对宿主系统造成破坏。操作系统级沙箱通过 Linux 上的 seccomp/namespaces 或 macOS 上的 Sandbox 框架限制进程的系统调用权限与文件访问范围，使工具进程无法触及沙箱边界之外的资源。Unsloth 当前实现仍保留网络访问，说明其沙箱策略优先覆盖文件系统隔离这一最常见的风险面，网络层隔离因涉及更复杂的代理与白名单机制而留待后续迭代，这与业界主流 Agent 安全框架的演进路径一致。

写在最后

从更新日志的密集程度看，v0.1.811 是一次涵盖 Docker、多用户、AMD 支持、训练优化、安全沙箱的大版本迭代。对开发者而言，AMD ROCm 支持降低了本地微调的硬件门槛，多用户隔离则让 Unsloth 具备了向团队协作平台演进的基础。这两项能力叠加，标志着这款开源微调工具正在从"个人玩具"走向"生产可用"。