Unsloth 主打极致速度与显存优化，适合单卡/少卡快速迭代；LLaMA Factory 主打零代码/低代码、全场景、多模型兼容，适合新手与企业级一站式微调。下面从核心定位、性能、功能、上手、适用场景等维度详细对比。
一、核心定位与本质区别
| 维度 | Unsloth | LLaMA Factory |
|---|
| 核心定位 | 单卡/少卡微调加速引擎，专注性能优化 | 一站式微调平台，全流程、全场景、低门槛 |
| 设计理念 | 用底层算子优化（Triton）榨干 GPU 性能 | 封装复杂流程，降低使用门槛，覆盖全训练范式 |
| 与 HF 关系 | 兼容 HF 生态，是加速插件（可嵌入其他框架） | 基于 HF 生态构建，是完整训练框架 |
| 开源协议 | Apache-2.0 | Apache-2.0 |
二、性能对比（单卡场景）
| 指标 | Unsloth | LLaMA Factory |
|---|
| 训练速度 | 比标准 HF 快 2–5 倍（核心优势） | 接近标准 HF，比 Unsloth 慢 |
| 显存占用 | 降低 50%–80%（QLoRA 下更明显） | 降低 ~70%（QLoRA），但高于 Unsloth |
| 单卡上限 | 24GB 可跑 34B 4-bit；16GB 可跑 14B 4-bit | 24GB 可跑 13B 4-bit；16GB 可跑 7B 4-bit |
| 硬件要求 | GPU 算力 ≥7.0（T4/30/40 系；不支持 P100/V100） | 通用 CUDA GPU，兼容性更广 |
| 分布式 | 弱，仅支持简单多卡 | 强，支持多机多卡、DeepSpeed/ZeRO |
三、功能与模型支持
1. 模型覆盖
- Unsloth：主流模型（Llama 2/3、Qwen、Mistral、Gemma、DeepSeek-R1 等），新模型适配快（通常几天）。
- LLaMA Factory：100+ 模型（含中文模型如 ChatGLM、Baichuan、Yi、Qwen 等），覆盖更广。
2. 训练范式
- Unsloth：SFT、DPO、GRPO、RLHF、Embedding 微调、TTS、多模态。
- LLaMA Factory：SFT、DPO、PPO、KTO、全参数、LoRA、QLoRA、GaLore、预训练、多模态。
