Unsloth 的 0.1.902-beta 更新了低显存微调流程。对于支持的预量化检查点，训练可以继续保存原有的 4 位打包形式，在计算对应层时再解量化，减少为了训练而先展开成大体积权重副本的开销。此次覆盖 NVFP4、INT4 和 MXFP4 的多条模型路径。
项目给出一个具体测试：Qwen3.8-27B-NVFP4 在一张 RTX PRO 6000 上的峰值内存，从 72.9 GB 降至 40.2 GB。INT4 检查点也不必再重复量化为 NF4。这里的数值是所列硬件与配置的结果，模型规模、序列长度和训练设置改变后，需要重新估算资源。
桌面端加入命令面板和可分享的 GGUF 运行设置，加载失败时能直接打开日志。Laya 决策模型的短请求路径获得优化，并可连接 TypeSafe 等托管决策服务。对已经在本地训练或运行模型的用户，这一版同时减少了部分资源占用和配置搬运工作；版本仍标为 beta，原有训练任务宜保存配置后再迁移。