一对来自澳大利亚悉尼的兄弟——Daniel Han 和 Michael Han-Chen，凭借开源项目 Unsloth，正在重塑人工智能训练的规则。2023年秋天，Daniel因在Google Colab上无法运行130亿参数模型而萌生改变的念头。他曾任职于NVIDIA，专精算法优化，深知当前AI软件栈的性能瓶颈多源于通用性妥协，而非硬件限制。他与弟弟决定，用更高效的代码，打破大公司对AI训练的垄断。 他们从欧洲LLM效率挑战赛起步，仅用一块T4 GPU，通过深度优化，将训练速度提升2倍，内存占用减少50%，且无精度损失。这一成果在2023年12月以开源项目Unsloth发布，名字寓意“让AI训练不再像树懒般缓慢”。 Unsloth迅速走红，核心在于其对技术细节的极致追求。2024年3月，他们发现Google Gemma模型存在多个严重bug：分词器错误、位置编码计算异常、数值精度问题。他们用三天时间系统性分析，公开完整推导与测试数据，被Andrej Karpathy转发点赞。Google团队随后确认并采纳修复方案，官方致谢。 此后，Unsloth持续为Llama 3、Phi-4、Qwen 2.5等主流模型“修bug”，甚至发现并修复一个影响所有训练框架的梯度累积错误，被合并至Hugging Face Transformers主分支，惠及全球开发者。 其核心技术包括：手动推导反向传播、重写关键内核（如RoPE、RMSNorm）、动态量化技术，以及通过代数优化减少计算量。例如，将LoRA与注意力机制结合时，通过数学变换将三次矩阵乘法简化为一次，显著提升速度并降低显存占用。 在单块T4 GPU上，Unsloth将Alpaca训练时间从23小时缩短至2小时34分钟，效率提升8.8倍，内存使用减少近60%。如今，Unsloth在GitHub星标超4.7万，月下载量超200万次，支持Llama、Mistral、Gemma、Qwen等主流模型。 更深远的影响在于普惠：来自中国、印度、印尼、土耳其等地的开发者，利用Unsloth将英语模型本地化为韩语、日语、印度地方语言等，让非英语使用者首次拥有自己的AI工具。 项目采用开源+付费Pro/MAX版本模式，核心代码始终免费。兄弟俩强调：“开源带来信任，让每个人都能验证、改进、参与。”他们的Discord社区活跃，用户需求直接驱动产品迭代。 “当大公司用上万张H100训练时，我们要证明，用更少资源、更聪明方法，也能让AI惠及每一个人。”Daniel说。Unsloth不仅是一个工具，更是一场关于开放、效率与公平的AI革命。