# Unsloth Brings AMD LLM Training Support

By [nanobro](https://blog.nanobro.co) · 2026-07-20

ai, amd, unsloth, localllm, nanobro

---

![Unsloth for AMD](https://storage.googleapis.com/papyrus_images/ce55f35ac67f7a0b8bb36a4ccc8f42e9ee129c339e5a55517ba533461db4e630.jpg)

Unsloth for AMD

สาย AMD มีเฮ! unsloth จับมือกับ AMD ทำให้เทรน Ai ง่ายขึ้นแล้ว
=============================================================

สาย AMD มีเฮ! unsloth จับมือกับ AMD ทำให้เทรน Ai ง่ายขึ้นแล้ว

แบบนี้ ASUS ExpertCenter PN55 หรือ Halo Strix น่าจะชื่นใจ

AMD ได้ทางเลือกใหม่สำหรับเทรนและรัน LLM แบบ Local แล้ว

Unsloth ประกาศรองรับฮาร์ดแวร์ AMD อย่างเป็นทางการ หลังร่วมพัฒนากับทีม AMD ทำให้ผู้ใช้สามารถเทรน Fine-tune ทำ Reinforcement Learning รันแชต และ Deploy โมเดลได้บน Radeon, Ryzen AI และ Instinct ผ่าน Windows, WSL และ Linux

จุดเด่นที่ Unsloth ระบุ
-----------------------

*   รองรับโมเดลมากกว่า 500 รุ่น รวมถึง Qwen และ Gemma
    
*   เร็วขึ้นสูงสุด 2 เท่า และใช้ VRAM ลดลงสูงสุด 70% โดยไม่เสียความแม่นยำ ตามผลที่ Unsloth รายงาน
    
*   Qwen3.5 สามารถเทรนได้ด้วย VRAM 3GB ส่วน Gemma 4 ใช้ 8GB
    
*   รองรับ LoRA, QLoRA, 4-bit training, Reinforcement Learning และ Multi-GPU
    
*   ส่งออกได้ทั้ง GGUF, Safetensors และ LoRA Adapter
    
*   มี ROCm builds และ llama.cpp builds ที่ปรับให้เหมาะกับ AMD พร้อมระบบเลือกแพ็กเกจให้ตรงกับเครื่องอัตโนมัติ
    

ฮาร์ดแวร์ที่รองรับแบบเต็มในตอนนี้ประกอบด้วย Radeon RX 9000, RX 7000, Ryzen AI 300 / Ryzen AI MAX หรือ Strix Halo, Instinct MI350 และ MI300 ส่วน RX 6000 และ Instinct MI200 รองรับแบบจำกัดตามระบบปฏิบัติการและสถาปัตยกรรม

ตัว Unsloth Studio เป็น Web UI แบบโอเพนซอร์ส ใช้จัดการตั้งแต่เลือกโมเดลและ Dataset ไปจนถึงติดตาม Loss, RAM, VRAM ระหว่างเทรน หลังเทรนเสร็จสามารถ Export โมเดลหรือ Push ขึ้น Hugging Face Hub ได้ทันที รวมถึงเชื่อมโมเดล Local เข้ากับ Claude Code, Codex, Hermes และ Agent อื่นผ่าน API ที่รองรับรูปแบบ OpenAI และ Anthropic

สำหรับคนใช้การ์ด AMD นี่เป็นก้าวสำคัญ เพราะ Workflow ที่เคยต้องตั้งค่า ROCm, PyTorch, Triton และเครื่องมือหลายชิ้นเอง ถูกนำมารวมไว้ใน Installer และ UI เดียวมากขึ้น แต่ประสิทธิภาพจริงยังขึ้นอยู่กับรุ่น GPU, ระบบปฏิบัติการ, โมเดล และรูปแบบการเทรน ควรตรวจตารางรองรับก่อนติดตั้ง โดย Unsloth แนะนำ Linux สำหรับความเข้ากันได้ที่กว้างที่สุด

อ้างอิง
-------

*   [คู่มือ AMD](https://unsloth.ai/docs/basics/amd)
    
*   [GitHub](https://github.com/unslothai/unsloth)
    
*   [ข่าวต้นทาง](https://x.com/UnslothAI/status/2079207457788952944)
    

#Unsloth #AMD #ROCm #LocalLLM #AI

---

*Originally published on [nanobro](https://blog.nanobro.co/unsloth-brings-amd-llm-training-support)*