Unsloth新版本：定时任务与MiniMax-M3.1-Flash登场

Unsloth 最新发布的 v0.1.911-beta 版本带来了一系列实用更新，涵盖自动化任务、新模型支持、图像编辑和多平台性能优化。本文梳理其核心亮点，并分析这些变化对开发者的实际价值。

定时任务：让模型在后台自动运行

Unsloth 在侧边栏的“More”菜单中新增了“Scheduled”入口，允许用户按计划运行提示词。任务频率支持一次性、每日、工作日、每周或每月，每次运行的结果都会保存为一个新的聊天会话。

任务可以指定在已加载的模型、本地设备上的模型，或来自已连接 API 提供商的模型上运行。如果任务所需的模型尚未加载，Unsloth 会先询问用户，除非开启了“Switch automatically when I'm away”选项。用户还可以设置通知策略：每次运行后通知、仅在失败时通知，或从不通知。

需要注意的是，任务仅在 Unsloth 运行期间执行，且不支持工具调用或网络搜索。这一设计适合那些重复性的文本生成或分析任务，比如每日摘要、定时提醒等。

MiniMax-M3.1-Flash：面向编码与Agent工作流

本次更新引入了 MiniMax-M3.1-Flash，这是一个拥有 428B 总参数、23B 激活参数的 MoE 模型，官方定位为编码、工具使用和 Agent 工作流场景。它支持高达 100 万 tokens 的上下文长度，适合处理长文档或复杂对话。

在 GGUF 量化方面，1-bit 量化版本至少需要 130GB 的内存与显存总和。对于想在本地运行该模型的用户，这是一个重要的硬件门槛，需要提前评估设备配置。

MoE（Mixture of Experts，混合专家）是一种稀疏激活的模型架构：模型内部包含多个“专家”子网络，每个 token 在推理时只被路由到其中少数几个专家计算，因此总参数量可以做得很大，而单次前向计算实际用到的参数量（即“激活参数”）却很小。这正是 MiniMax-M3.1-Flash 能以 428B 总参数、仅 23B 激活参数运行的原因——它保留了大规模参数带来的知识容量，同时把推理成本控制在接近 23B 稠密模型的水平。对本地部署而言，决定显存需求的主要是激活路径与量化后实际驻留的权重，而 GGUF 等量化格式会进一步压缩权重体积；但 1-bit 量化仍需约 130GB 内存与显存总和，说明总参数规模依然是硬件门槛的主导因素。

图像编辑与生成能力增强

FLUX 3 现在支持通过提示词对图像进行编辑，用户可以在 Images > Edit 中修改照片，并保留原始尺寸。这为图像后期处理提供了更灵活的方式。

此外，Images 页面新增了 Detailer 功能，可以开启以更高分辨率重绘人脸、手部或其他用户指定的区域。该功能需要 SAM 3 和一个支持 inpainting 的模型配合使用。

在视频方面，用户可以通过 NVIDIA 的 Cosmos3-Edge 在 Video 页面从文本或图像生成视频。对于较老的 NVIDIA GPU（RTX 30 系列之前），Wan2.1 1.3B 文本到视频的渲染速度提升了约 5 倍，这显著降低了旧硬件用户的使用门槛。

Inpainting（图像修复/局部重绘）指只对图像中指定的蒙版区域重新生成内容，而蒙版以外的像素保持不变，因此特别适合修脸、补手、去物体等局部编辑。Detailer 的工作流程通常分两步：先用检测或分割模型（这里用的是 SAM 3，Segment Anything Model 的第三代）自动或手动圈出目标区域，再把该区域裁剪放大后交给支持 inpainting 的模型以更高分辨率重绘，最后贴回原图。由于扩散模型在原始分辨率下对人脸、手指等小面积区域分配的像素太少，直接生成容易糊或变形，先放大再重绘能显著提升细节质量，这也是 Detailer 需要额外配合分割模型的原因。

性能优化：Mac 与本地推理提速

Mac 用户是本次性能改进的重点受益者。MLX 聊天在草稿模型加持下回复速度最高提升 16%，且自带草稿模型的 MLX 模型会自动启用该功能，无需额外下载。在 Apple Silicon 上，Z-Image GGUF 默认使用 MLX 引擎从文本生成图像，速度比之前快 1.5 到 2 倍。

图像和视频渲染在结束时所需的内存大幅减少，低内存 Mac 因交换而卡顿的情况将明显减少。此外，许多图像和视频模型在 NVIDIA GPU 上首次加载后会保存构建版本，后续加载更快。

MLX 是 Apple 为 Apple Silicon 芯片设计的数组计算与机器学习框架，能统一利用 CPU 与 GPU 共享内存，因此在 Mac 上运行大模型时通常比通用后端更高效。文中提到的“草稿模型”对应推测解码（speculative decoding）：用一个体积小、速度快的草稿模型先连续猜出若干 token，再由目标大模型一次性并行验证，被接受的猜测直接保留，从而在不改变输出分布的前提下减少大模型的前向次数，实现加速。草稿模型与目标模型越“对味”，接受率越高，提速越明显；自带草稿模型的 MLX 模型自动启用该机制，正是省去了用户手动挑选匹配草稿模型的步骤。

训练与API安全改进

训练方面，LoRA 和 QLoRA 训练现在支持将模型的每一层拆分到多块 GPU 上，通过设置 UNSLOTH_TP_SIZE 环境变量并使用 torchrun 启动，每块 GPU 的显存占用更低。GRPO 训练在使用 vLLM 生成时，在 Linux + NVIDIA GPU 环境下配合 16-bit LoRA，每步速度提升最高 1.9 倍；不使用 vLLM 时，Llama 和 Qwen3 在 NVIDIA GPU 上每步速度提升最高 4.4 倍。

API 安全方面，使用 Unsloth API 密钥的应用不能再自行批准 Python 或终端调用在沙箱外运行。Unsloth 默认也不再信任转发客户端 IP，若部署在反向代理后，需要设置 UNSLOTH_STUDIO_TRUST_FORWARDED=1，否则所有用户将共享同一个登录速率限制。

把模型每一层拆分到多块 GPU 上，属于张量并行（Tensor Parallelism）的思路：单层内的权重矩阵被切分到不同设备，各设备计算部分结果后通过集合通信（如 all-reduce）汇总，从而把单卡显存压力分摊到多卡。与数据并行不同，张量并行切分的是同一层的参数本身，适合单卡放不下的大模型微调，但代价是设备间通信频繁，对互联带宽较敏感。torchrun 是 PyTorch 提供的分布式启动器，负责为每个进程设置 rank、world size 等环境变量并拉起多进程；UNSLOTH_TP_SIZE 则告诉 Unsloth 期望的并行度，两者需保持一致，否则会出现进程数与切分策略不匹配的问题。

总结

Unsloth v0.1.911-beta 在自动化、模型生态和性能上均有实质进展。定时任务为重复性工作提供了便利，MiniMax-M3.1-Flash 扩展了本地可运行的大模型选择，而 Mac 和训练侧的优化则直接提升了日常使用体验。对于关注本地 AI 工作流的开发者，这个版本值得升级。