Ext Ops Panel
Ouvrir le tableau de bord
Comparaison

funsloth ou Tuning Engines - Governed AI Runtime

funsloth n’est plus référencé sur aucune place de marché que nous lisons : ce sont ses dernières données connues, au 2026‑10‑20.

funsloth est un lot de plugins pour les outils de code IA publié par Chris von Csefalvay. Aucune place de marché que nous lisons ne le référence plus. Tuning Engines - Governed AI Runtime est un serveur MCP publié par cerebrixos-org. Places de marché que nous lisons et qui le référencent : 1 (Official MCP Registry). Selon notre passage sur les places de marché du 2026-11-09. Un plugin de cette paire n’est plus référencé sur aucune place de marché que nous lisons : nous demandons donc aux moteurs de recherche de ne pas indexer la page.

Où chacun est publié

Où chacun est publié
Place de marchéfunslothTuning Engines - Governed AI Runtime
Place de marché communautaire chrisvoncsefalvay/funsloth Retiré le 2026-10-20
Version: 1.0.0
Forks (GitHub): 0
Étoiles (GitHub): 5
Non marqué · Vu pour la première fois
Absent
Official MCP Registry Absent Référencé
Version: 0.4.34
Téléchargements par mois (npm): 585
Téléchargements par semaine (npm): 130
Forks (GitHub): 4 (dernier chiffre publié)
Étoiles (GitHub): 6 (dernier chiffre publié)
Non marqué · Vu pour la première fois

Chaque chiffre est celui de la place de marché et n'est jamais additionné entre places de marché. Une place de marché qui ne publie pas de chiffre n'en affiche aucun : pas de nombre ne veut pas dire zéro.

Les faits côte à côte

funsloth ou Tuning Engines - Governed AI Runtime
Faitfunslothplus référencé · Tuning Engines - Governed AI Runtime
Marketplaces qui le listent (différent)01
Étoiles (GitHub) (différent)56 (dernier chiffre publié)
Forks (GitHub) (différent)04 (dernier chiffre publié)
Dernière versionNon publiéNon publié
Où il s'exécute (différent)S'installe comme lot de pluginsSur votre machine (tuningengines-cli)
Transport (différent)Non indiquéstdio
Outils déclarésNon publiéNon publié
Variables d'environnement demandées (différent)Non publié1, dont secrets : 1
Parties du lot (différent)6Pas un lot
LicenceMITMIT
Dépôt (différent)github.com/chrisvoncsefalvay/funslothgithub.com/cerebrixos-org/tuning-engines-cli
Modifications des 7 derniers jours00
Vu pour la première fois (différent)2026-10-152026-10-11

Les lignes où les deux diffèrent ont un fond teinté et des valeurs en gras. Aucune valeur n’est marquée meilleure ou moins bonne : un plugin qu’aucune place de marché ne référence plus est montré avec ses dernières données connues, que nous ne classons pas face à des chiffres actuels.

Quoi utiliser à la place de « funsloth »

Plugins encore référencés dont les noms, descriptions, outils et skills sont les plus proches par le sens. Comparables, pas recommandés.

  • unsloth

    Install, operate, and troubleshoot Unsloth Core, Studio, and Desktop for local inference and model training. Use for Unsloth environment setup, LoRA/QLoRA supervised fine-tuning…

    par magnus919 · Lot de plugins

    Référencé sur : Community GitHub marketplaces · Décrit presque le même besoin

  • huggingface-skills

    Build, train, evaluate, and use open source AI models, datasets, and spaces.

    par huggingface · Lot de plugins

    Référencé sur : Claude Code: claude-plugins-official, Claude Code: claude-plugins-community · Décrit presque le même besoin

  • fine-tuning

    LLM fine-tuning frameworks including Axolotl, LLaMA-Factory, PEFT, and Unsloth. Use when fine-tuning models with LoRA, QLoRA, or full fine-tuning.

    par orchestra-research · Lot de plugins

    Référencé sur : Community GitHub marketplaces · Décrit presque le même besoin

  • training-hub

    LLM post-training — unified interface for SFT, OSFT, LoRA fine-tuning, and GRPO reinforcement learning

    par Red Hat AI Innovation Team · Lot de plugins

    Référencé sur : Community GitHub marketplaces · Décrit presque le même besoin

  • modelhub-port io.github.CloudCorpRecords/modelhub-port

    Search and inspect Hugging Face models, datasets, spaces, papers and docs.

    par CloudCorpRecords · Serveur MCP

    Référencé sur : Official MCP Registry · Décrit presque le même besoin

  • ml-training

    Model architectures, tokenization, fine-tuning, post-training, distributed training, optimization.

    par Kalaris Labs · Lot de plugins

    Référencé sur : Community GitHub marketplaces · Décrit presque le même besoin

Sa fiche, avec les plugins similaires par place de marché

Ce que chacun dit faire

funsloth

Dans ses propres mots, sur Community GitHub marketplaces :

Complete workflow for fine-tuning LLMs with Unsloth: dataset validation, notebook generation, training management, and model deployment

Tuning Engines - Governed AI Runtime

Dans ses propres mots, sur Official MCP Registry :

Govern model, agent, skill, and MCP workflows with policy, approvals, traces, and usage analytics.

Comment lancer chacun

funsloth

Pas de données pour une commande automatique : ce que déclarent ses places de marché ne dit pas sans ambiguïté comment le connecter.

Tuning Engines - Governed AI Runtime En serveur MCP local : paquet npm

Claude Code
claude mcp add --env "TE_API_KEY=<YOUR_TE_API_KEY>" --transport stdio tuning-engines -- npx -y tuningengines-cli mcp serve

Demande: TE_API_KEY (secrète)

Commandes construites uniquement à partir de ce que déclarent les marketplaces ; le jeu complet pour chaque client figure sur la fiche de chacun.

Outils que déclare chacun

Les marketplaces d'aucun des deux ne publient de liste d'outils, il n'y a donc rien à comparer.

Réglages que demande chacun

Les marketplaces de funsloth ne publient pas les réglages demandés, nous ne comparons donc pas les réglages.

Ce qu'il peut faire : funsloth · Ce qu'il peut faire : Tuning Engines - Governed AI Runtime · Comparer deux autres plugins

Données issues de Community GitHub marketplaces. Données issues de Official MCP Registry. Les chiffres proviennent de nos propres passages réguliers sur les places de marché, dernière lecture le . Nous ne publions aucune coordonnée des éditeurs de plugins.

D’où viennent les données : comment le catalogue est construit