KI-Modelle lokaltrainieren & fine-tunen.

Ja. FrameTrain unterstützt das Fine-Tuning von Large Language Models (LLMs) via LoRA und QLoRA. Du kannst Modelle wie Llama, Mistral oder Phi direkt aus HuggingFace importieren und auf eigene Datensätze anpassen.

FrameTrain läuft auf allen NVIDIA-GPUs mit CUDA-Unterstützung (ab GTX 10-Serie) sowie auf Apple Silicon (M1/M2/M3/M4) über Metal Performance Shaders. Auch rein CPU-basiertes Training ist möglich.

FrameTrain läuft vollständig lokal auf deinem Rechner. Es entstehen keine laufenden Cloud-Kosten, deine Daten werden nicht hochgeladen und du bist nicht auf Internetverbindung angewiesen. Ideal für sensible oder proprietäre Datensätze.

Nein. FrameTrain ist als grafische Anwendung konzipiert. Du konfigurierst Trainingsparameter über eine intuitive Oberfläche, ohne Code schreiben zu müssen. Für Fortgeschrittene gibt es zusätzlich Konfigurationsdateien.

Ja, LoRA (Low-Rank Adaptation) ist vollständig integriert. Du kannst LoRA-Rank, Alpha und Target-Module direkt in der App konfigurieren, was das Fine-Tuning auch auf GPUs mit wenig VRAM ermöglicht.

FrameTrain befindet sich im Early Access. Der Preis ist bewusst niedrig, damit möglichst viele Entwickler und Forscher früh Zugang bekommen. Der Preis steigt auf 9,99 € nach den ersten 100 Nutzern – wer jetzt einsteigt, ist dauerhaft günstiger.

Ja. FrameTrain unterstützt Apple Silicon nativ über Metal Performance Shaders (MPS). Modelle werden auf der GPU des M-Chips beschleunigt, ohne CUDA zu benötigen.

FrameTrain unterstützt PyTorch-Modelle (.pt, .bin), SafeTensors sowie GGUF-Format. Modelle können direkt von HuggingFace Hub importiert oder lokal geladen werden.

Ja. Du kannst eigene Datensätze im CSV-, JSON- oder JSONL-Format laden. FrameTrain unterstützt auch Datensätze direkt vom HuggingFace Datasets Hub.

Ja. FP16 und BF16 Mixed Precision Training sind vollständig unterstützt, ebenso Gradient Checkpointing für speichereffizientes Training auf GPUs mit wenig VRAM.