LLM Resources

Source: https://github.com/WangRongsheng/awesome-LLM-resources at c318e482e279
License: Apache-2.0
Read the English original

This edition is an AI-assisted translation.

Um resumo dos melhores grandes recursos do modelo de linguagem do mundo.

Descobrir projetos que são realmente valiosos, não apenas caça furtiva. Cabeçalho

[!TIP] Se tiveres razão,Interesse em conjuntos de dados médicos/grandes modelos/recursos multimodais/avaliaçãoPor favor, contacta-nos. Awesome-AI4Med !

Seremos amigos.

PackyCode é um provedor de serviço de trânsito de API estável e eficiente, com uma palavra de acesso ao modelo mainstream. Nome de domínio harmonizado, chave unificada, switch de perfil inteligente, disponibilidade de 97%. O RMB 1:1, sem taxa de câmbio, sem pits taxa, primeiro desconto para novos usuários + experiência grátis de $1, com descontos multigrupo tão baixo quanto 2 dobras para fornecer o Codex / Claude rodovia. Clique para registrar este link e começar imediatamente!

Obrigado, Infestar.cc, por patrocinar este projeto. :: Um canal de modelo estável e eficiente: os preços são tão baixos quanto 0,30% para os canais oficiais, modelos são múltiplos e transparentes, múltiplos nós são redundantes, e o limite de fluxo, 429 e efeitos de corte são efetivamente reduzidos; • Acesso one-stop aos modelos mainstream: uma chave de API pode acessar modelos mainstream como Claude, ChatGPT, Gemini, Kimi, GLM, DeepSeek, cobrindo geração de texto, geração de imagem, raciocínio multi-modular; Compatibilidade de práticas de recursos de armazém: seja geração multimodular, programação assistiva, raciocínio de modelo ou desenvolvimento MCP/Agent, a Infestar pode ser usada diretamente a montante como OpenAI, Claude, Gemini, aprendizagem fazendo, e zero-limiar itens e tutoriais em execução; • Benefícios exclusivos: através da [a]Promover exclusivamente ligaçõesA inscrição receberá um valor de teste equivalente a $5 / Primeira carga exclusiva, acesso rápido e começar a chamar!

Graças ao APIMart por patrocinar este projeto! APIMart é uma plataforma API de baixo preço focada na geração de imagens/vídeo de IA, GPT-Image-2 é tão baixo quanto $0.006 e $1 pode mostrar 160+. Fotos, vídeos, um conjunto de caminhantes, APIs, trabalhos para obter IDs, callbacks, executar muitas vezes, mudar modelos sem alterar códigos. Pagar em volume, sem taxa mensal, através disto. Ligação de Registo O registo está disponível.

---

Índice

• Recomendado □
• Dados
• Ajuste Fino
• Agente RL □
• Inferência
• Avaliação
• Experiência
• Base de conhecimentos RAG
• Inteligente
• Investigação □
• Código
• Vídeo
• Imagem □
• Procurar
• Discurso de voz □
• Modelos Mundiais □
• Garra aberta de Lagosta
• Modelo Unificado □
• Livro
• Curso
• Tutórico
• Papel
• Comunidade
• Modelo de protocolo de contexto MCP
• Competências
• Abrar o1
• Abrar o3
• Modelo de linguagem pequena □
• Modelo de linguagem de vídeo pequeno □
• Dicas de Habilidades

Recomendado

Podcast

• 14 anos do Google IA, do Turnover de Gemini e do Visual Understanding Model: uma entrevista com Andrew Dai, um ex-cientista central da DeepMind. Álbum
• 140. Quatro horas de entrevista com Yao Sun-woo: Deixe-me enlouquecer! Em Anthropic e Gemini, modelagem, previsão de tecnologia, heroísmo acabou.
• Um ano dentro do laboratório de IA de ByteDance
• Luo Fuli: OpenClaw, Agent Frameworks — O Paradigma da IA já mudou dramático!
• Entrevista de 7 horas com Saining Xie: World Models, AMI Labs, Yann LeCun, Fei-Fei Li e 42
• Ao lado da casa: OpenAI, GPT, Aprendizagem primária, Infra, Pós-treino, Thongue, Open Source, CMU, Qinghua, WhynotTV Podcast
• Lovart, fundador, Chen Zhao Yong-ho! E deixa-me ter uma grande luta e depois vai-te embora.
• Mini Max, o financiador da montanha, Junjie Luo Yong Ho, não é invencível.
• Vídeo Furacão Tim X. Rong Ho!
• 129. Listando entrevista com o CEO Zhang Peng da primeira parte do Global Large Model: Como você se aproxima de um lugar?
• 128. Manus decidiu vender sua última entrevista: Ah, esta fantástica derivada de 2025…
• 122. Terceiro repertório da história realista de Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu Zhu
• Kimi Linear, M2 Minimax? E álgebra Arqueológica Yang Songline.
• 118. Segunda entrevista de três horas com Li Zing: CEO Big Model, MoE, Liang Wen Sing, VLA, Energia, Memória, Anti-humanidade, Intimidade, Inteligência Humana
• 115. Entrevista de 3 horas com OpenAi Yao: 6 anos de pesquisa Agente, pessoas e sistemas, fachadas devorando, um mundo unipolar e diversificado
• Diálogo com Yang Shih, um ano depois: K2, Institucional LLM, o cérebro no tanque e “Estando em um comentário infinito”

Dados

[!NOTE]

Nome Aqui数据, mas isso não fornece um conjunto de dados específico, mas sim uma forma de processar a aquisição de dados em larga escala

1. AotoLabel: Rótulo, limpar e enriquecer conjuntos de texto com LLMs.
2. LabelLLM: Plataforma de Anotação de Dados de Código Aberto.
3. data-juicer: Um sistema de processamento de dados one-stop para tornar os dados de maior qualidade, mais suculento e mais digerível para LLMs!
4. OmniParser: um analisador de streaming nativo Golang ETL e transformar biblioteca para CSV, JSON, XML, EDI, texto, etc.
5. MinerU (🔥): MinerU é uma ferramenta de extração de dados de alta qualidade, que suporta PDF/webpage/e-book.
6. PDF-Extract-Kit: Um kit de ferramentas abrangente para extração de conteúdo PDF de alta qualidade.
7. Parsera: Biblioteca leve para raspar web-sites com LLMs.
8. Sparrow: Sparrow é uma solução inovadora de código aberto para extração e processamento de dados eficientes de vários documentos e imagens.
9. Docling: Prepare seus documentos para a Gen IA.
10. GOT-OCR2.0: Modelo OCR.
11. LLM Decontaminator: Repensando Benchmark e Contaminação para modelos de linguagem com amostras reformuladas.
12. DataTroveDataTrove é uma biblioteca para processar, filtrar e desduplicar dados de texto em uma escala muito grande.
13. llm-swarm: Gerar grandes conjuntos de dados sintéticos como Cosmopedia.
14. Distilabel: Distilabel é um framework para dados sintéticos e feedback de IA para engenheiros que precisam de pipelines rápidos, confiáveis e escaláveis com base em trabalhos de pesquisa verificados.
15. Common-Crawl-Pipeline-Creator: O Criador Comum de Tubulação.
16. Tabled: Detectar e extrair tabelas para marcar e csv.
17. Zerox: Zero shot pdf OCR com gpt-4o-mini.
18. DocLayout-YOLO: Melhorando a Análise de Disposição de Documentos através de Dados Sintéticos Diversos e Percepção Adaptativa Global-a-Local.
19. TensorZero: fazer LLMs melhorar através da experiência.
20. Promptwright: Gerar grandes dados sintéticos usando um LLM local.
21. pdf-extract-api: Extração de documentos (PDF) e processamento de API usando modelos modernos OCRs + Ollama suportados.
22. pdf2htmlEX: Converter PDF para HTML sem perder texto ou formato.
23. Extractous: Extração rápida e eficiente de dados não estruturados. Escrito em Rust com encadernos para muitos idiomas.
24. MegaParse: File Parser otimizado para ingestão LLM sem perda.
25. MarkItDown: Ferramenta Python para converter arquivos e documentos de escritório para Markdown.
26. datasketch: datasketch dá-lhe estruturas de dados probabilísticas que podem processar e pesquisar muito grande quantidade de dados super rápido, com pouca perda de precisão.
27. semhash: ferramenta leve e flexível para desduplicar conjuntos de dados usando similaridade semântica.
28. ReaderLM-v2: um modelo de linguagem de parâmetro 1.5B que converte HTML bruto em lindamente formatado markdown ou JSON.
29. Bespoke Curator: Curação de dados para extração de dados pós-treinamento e estruturado.
30. LangKit: Um kit de ferramentas de código aberto para monitorar modelos de linguagem grandes (LLMs). Extrai sinais de alertas e respostas, garantindo segurança e segurança.
31. Curator: Curação de dados sintéticos para pós-formação e extração estruturada de dados.
32. olmOCR: Um kit de ferramentas para treinar modelos de linguagem para trabalhar com documentos PDF na natureza.
33. Easy Dataset (🔥): Uma ferramenta poderosa para criar conjuntos de dados de ajuste fino para LLM.
34. BabelDOC: PDF tradução de papel científico e biblioteca de comparação bilíngue.
35. Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting.
36. EasyDistill: Fácil Destilação do Conhecimento para Modelos de Língua Grandes.
37. ContextGem: um framework livre de código aberto LLM que torna radicalmente mais fácil extrair dados estruturados e insights de documentos.
38. OCRFlux: um kit de ferramentas multimodal leve e poderoso que avança significativamente a conversão PDF-para-Markdown, destacando-se no manuseio de layout complexo, análise de tabela complicada e fusão de conteúdo de páginas cruzadas.
39. DataFlow: Preparação de Dados Fácil com Operadores e Pipelines baseados em LLMs mais recentes.
40. DatasetLoom (multimodal): Uma plataforma para a construção e avaliação de conjuntos de dados inteligentes para treinamento em grandes modelos multimodulares.
41. Logics-Parsing
42. DeepSeek-OCR
43. PaddleOCR-VL
44. Chandra: um modelo OCR altamente preciso que converte imagens e PDFs em HTML/Markdown/JSON estruturado enquanto preserva informações de layout.
45. HunyuanOCR: um líder especialista em OCR VLM alimentado pela arquitetura multimodal nativa de Hunyuan.
46. DeepSeek-OCR-2: Visual Causal Flow.
47. PaddleOCR-VL-1.5 (🔥): Rumo a uma VLM multitarefa 0.9B para processamento de documentos robustos na natureza.
48. GLM-OCR: um modelo multimodal de OCR para compreensão complexa de documentos, construído sobre a arquitetura de codificadores GLM-V.

Voltar ao topo

Ajuste Fino

1. LLaMA-Factory (🔥): Unificar o ajuste fino eficiente de 100+ LLMs.
2. 360-LLaMA-Factory: Unificar Fine-Tuning eficiente de 100+ LLMs. (paralelismo de sequência adicional para apoiar treinamento de longo contexto)
3. unsloth (🔥): 2-5X mais rápido 80% menos memória LLM finetuning.
4. TRL: Aprendizagem de Reforço do Transformador.
5. FireflyFirefly : Grande ferramenta de treinamento modelo para apoiar o treinamento de dezenas de grandes modelos
6. Xtuner: Um kit de ferramentas eficiente, flexível e completo para modelos grandes de ajuste fino.
7. torchtune: Biblioteca Nativo-PyTorch para o ajuste fino LLM.
8. Swift: Use PEFT ou Full-parâmetro para refinar 200+ LLMs ou 15+ MLLMs.
9. AutoTrain: Uma nova forma de treinar, avaliar e implantar automaticamente modelos de aprendizado de máquina de última geração.
10. OpenRLHF: Um Framework RLHF de fácil de usar, escalável e de alto desempenho (Support 70B+ full tuning & LoRA & Mixtral & KTO).
11. Ludwig: Framework de baixo código para construção de LLMs personalizados, redes neurais e outros modelos de IA.
12. mistral-finetune: Uma base de códigos de peso leve que permite uma refinação eficiente e performática dos modelos de Mistral.
13. aikit: Fine-tune, construir e implantar LLMs de código aberto facilmente!
14. H2O-LLMStudio: H2O LLM Studio - um framework e sem código GUI para LLMs.
15. LitGPT: Pretrain, finetune, implante 20+ LLMs em seus próprios dados. Utiliza técnicas de ponta: flash atention, FSDP, 4 bits, LoRA e muito mais.
16. LLMBox: Uma biblioteca abrangente para implementar LLMs, incluindo um pipeline de treinamento unificado e avaliação de modelo abrangente.
17. PaddleNLP: Fácil de usar e poderosa biblioteca NLP e LLM.
18. workbench-llamafactory: Este é um projeto de exemplo NVIDIA AI Workbench que demonstra um fluxo de trabalho de desenvolvimento de modelo de ponta a ponta usando Llamafactory.
19. OpenRLHF: Um Framework RLHF de fácil de usar, escalável e de alto desempenho (70B+ PPO Full Tuning & Iterativo DPO & LoRA & Mixtral).
20. TinyLLaVA Factory: Um quadro de modelos multimodais grandes em pequena escala.
21. LLM-Foundry: Código de treinamento LLM para modelos de fundação Databricks.
22. lmms-finetune: Uma base de código unificada para modelos multimodais de finetuning (full, lora) grandes, suportando llava-1.5, qwen-vl, llava-interleave, llava-next-video, phi3-v etc.
23. Simplifine: Simplifine permite que você invoque o ajuste LLM com apenas uma linha de código usando qualquer conjunto de dados ou modelo Hugging Face.
24. Transformer Lab: Aplicação Open Source para LLM Avançado Engenharia: interagir, treinar, ajustar e avaliar modelos de linguagem grandes em seu próprio computador.
25. Liger-Kernel: Kernels Triton eficientes para treinamento LLM.
26. ChatLearn: Um quadro de formação flexível e eficiente para um alinhamento em larga escala.
27. nanotron: Minimalistic grande linguagem modelo 3D-paralelismo treinamento.
28. Proxy Tuning: Tuning Language Models by Proxy.
29. Effective LLM Alignment: Kit de ferramentas de alinhamento LLM eficaz.
30. Autotrain-advanced
31. Meta Lingua: uma base de códigos enxuta, eficiente e fácil de enganar para pesquisar LLMs.
32. Vision-LLM Alignemnt: Este repositório contém o código para SFT, RLHF e DPO, projetado para LLMs baseados em visão, incluindo os modelos LLaVA e os modelos LLaMA-3.2-visão.
33. finetune-Qwen2-VL: Início rápido para ajuste fino ou continuar pré-trein Qwen2-VL Model.
34. Online-RLHF: Uma receita para RLHF online e DPO iterativo online.
35. InternEvo: uma estrutura de treinamento leve de fonte aberta tem como objetivo apoiar o modelo pré-treinamento sem a necessidade de dependências extensas.
36. veRL (🔥): Aprendizagem de Reforço de Motores de Vulcão para LLM.
37. Axolote: Axolotl é projetado para trabalhar com arquivos de configuração YAML que contêm tudo o que você precisa para pré-processar um conjunto de dados, treinar ou ajustar um modelo, executar inferência de modelo ou avaliação, e muito mais.
38. Oumi: Tudo que você precisa para construir modelos de fundação de última geração, de ponta a ponta.
39. Kiln: A ferramenta mais fácil de ajustar modelos LLM, geração de dados sintéticos e colaboração em conjuntos de dados.
40. DeepSeek-671B-SFT-Guide: Uma solução de código aberto para ajuste fino de parâmetros completos de DeepSeek-V3/R1 671B, incluindo código completo e scripts de treinamento para inferência, bem como algumas experiências práticas e conclusões.
41. MLX-VLM: MLX-VLM é um pacote para inferência e ajuste fino de modelos de linguagem de visão (VLMs) em seu Mac usando MLX.
42. RL-Factory: Treine o seu modelo Agent através do nosso framework fácil e eficiente.
43. RM-Gallery: Uma plataforma modelo de recompensa de uma parada.
44. ART: agentes multi-passo de chuva para tarefas do mundo real usando GRPO. Dá treino aos teus agentes.
45. LMMs-Engine: Um quadro simples, qualquer-a-qualquer modalidade para pré-treinamento e afinação. Lean, flexível, e construído para pesquisa.
46. dLLM: uma biblioteca que unifica o treinamento e avaliação de modelos de linguagem de difusão, trazendo transparência e reprodutibilidade para todo o gasoduto de desenvolvimento. diffusion
47. Miles: um quadro de aprendizagem de reforço voltado para a empresa para cargas de trabalho pós-formação e produção em larga escala.
48. Skills: uma coleção de oleodutos para melhorar “competências” de grandes modelos de linguagem (LMLs).
49. Twinkle: uma estrutura leve de treinamento cliente-servidor projetada com interfaces modulares de alta coesão.
50. NeMo AutoModel: Pytorch Distribuído biblioteca de treinamento nativo para LLMs / VLMs com suporte OOTB Hugging Face.
51. VeOmni: Escala Qualquer Modelo de Modalidade Treinamento com Modelo-Centric Distributed Recipe Zoo.
52. Soup: CLI de uma configuração para LLM pós-treinamento (SFT/DPO/GRPO/KTO/ORPO). O streaming de camadas treina um modelo 8B em um laptop de 4 GB GPU, transmitindo a base congelada da RAM host uma camada decodificadora de cada vez.

Voltar ao topo

RL agente

• veRL (🔥): https://github.com/volcengine/verl
• AReaL: https://github.com/inclusionAI/AReaL
• slime (🔥): https://github.com/THUDM/slime
• Agent Lightning: https://github.com/microsoft/agent-lightning
• Molt: https://github.com/NVIDIA-NeMo/labs-molt
• prime-rl: https://github.com/PrimeIntellect-ai/prime-rl

Voltar ao topo

Inferência

1. ollama (🔥): Comece a correr com Llama 3, Mistral, Gemma, e outros modelos de linguagem grande.
2. Open WebUI: WebUI amigável para LLMs (Ollama WebUI antigo).
3. Text Generation WebUI: Uma interface web Gradio para modelos de línguas grandes. Suporta transformadores, GPTQ, AWQ, EXL2, llama.cpp (GGUF), modelos Llama.
4. Xinference: Uma biblioteca poderosa e versátil projetada para servir linguagem, reconhecimento de fala e modelos multimodais.
5. LangChain: Crie aplicações de raciocínio conscientes do contexto.
6. LlamaIndex: Um framework de dados para suas aplicações LLM.
7. lobe-chat: uma estrutura de chat LLMs/AI de código aberto. Suporta Multi AI Providers, Multi-Modals (Visão/TTS) e sistema de plugins.
8. TensorRT-LLM: TensorRT-LLM fornece aos usuários uma API Python fácil de usar para definir modelos de linguagem grandes (LLMs) e construir motores tensorRT que contêm otimizações de última geração para realizar inferências de forma eficiente em GPUs NVIDIA.
9. vllm (🔥): Uma inferência de alto rendimento e memória eficiente e serviço de motor para LLMs.
10. LlamaChat: Converse com seus modelos LLaMA favoritos em um aplicativo macOS nativo.
11. NVIDIA ChatRTX: ChatRTX é um aplicativo de demonstração que permite personalizar um modelo de linguagem GPT de grande porte (LLM) conectado ao seu próprio conteúdo—docs, notas ou outros dados.
12. Estudio LM (`’): Descubra, baixe e execute LLMs locais.
13. chat-with-mlx: Converse com seus dados nativamente no Apple Silicon usando MLX Framework.
14. Preços LLM: Encontre rapidamente a API perfeita de modelos de idioma grande (LLM) para o seu orçamento! Use nossa ferramenta gratuita para acesso instantâneo aos preços mais recentes de fornecedores de topo.
15. Open Interpreter: Uma interface de linguagem natural para computadores.
16. Chat-ollama: Um chatbot de código aberto baseado em LLMs. Ele suporta uma ampla gama de modelos de linguagem e gerenciamento de base de conhecimento.
17. chat-ui: Open source codebase alimentando o aplicativo HuggingChat.
18. MemGPT: Crie agentes LLM com memória de longo prazo e ferramentas personalizadas.
19. koboldcpp: Uma forma simples de executar vários modelos GGML e GGUF com a interface de Koboldai.
20. LLMFarm: lhama e outros modelos de linguagem grande em iOS e MacOS offline usando a biblioteca GGML.
21. enchanted: Enchanted é iOS e app macOS para conversar com modelos privados de linguagem, como Llama2, Mistral ou Vicuna usando Ollama.
22. Flowise: Drag & drop UI para construir seu fluxo LLM personalizado.
23. Jan: Jan é uma alternativa de código aberto para ChatGPT que funciona 100% offline em seu computador. Suporte ao motor múltiplo (llama.cpp, TensorRT-LLM).
24. LMDeploy: LMDeploy é um kit de ferramentas para comprimir, implantar e servir LLMs.
25. RouteLLM: Um framework para servir e avaliar roteadores LLM - economizar custos LLM sem comprometer a qualidade!
26. MInference: Sobre Para acelerar a inferência de Long-context LLMs, esparso aproximado e dinâmico calcular a atenção, o que reduz a latência da inferência em até 10x para pré-preenchimento em um A100, mantendo a precisão.
27. Mem0: A camada de memória para IA Personalizada.
28. SGLang (🔥): SGLang é mais um framework rápido para modelos de linguagem de grandes dimensões e modelos de linguagem de visão.
29. AirLLM: AirLLM otimiza o uso de memória de inferência, permitindo que modelos de linguagem de grande porte 70B executem inferência em um único cartão GPU de 4GB sem quantização, destilação e poda. E você pode executar 405B Llama3.1 em 8GB vram agora.
30. LLMHubLLMHub é uma plataforma de gerenciamento leve projetada para simplificar a operação e interação com vários modelos de linguagem (LLMs).
31. YuanChat
32. LiteLLM (🔥): Chame todas as APIs LLM usando o formato OpenAI [Bedrock, Huggingface, VertexAI, TogetherAI, Azure, OpenAI, Groq etc.]
33. GuideLLM: GuideLLM é uma ferramenta poderosa para avaliar e otimizar a implantação de modelos de grande linguagem (LLMs).
34. LLM-Engines: Um mecanismo de inferência unificado para modelos de linguagem grande (LLMs), incluindo modelos de código aberto (VLLM, SGLang, Together) e modelos comerciais (OpenAI, Mistral, Claude).
35. OARC: ollama agent roll cage (OARC) é um agente python local que funde ollama llm’s com modelos de fala Coqui-TTS, classificadores Keras, visão Llava, reconhecimento Whisper, e muito mais para criar um agente chatbot unificado para automação local e personalizada.
36. g1: Usando Llama-3.1 70b em Groq para criar cadeias de raciocínio semelhantes a o1.
37. MemoryScope: MemoryScope fornece chatbots LLM com recursos de memória de longo prazo poderosos e flexíveis, oferecendo um framework para construir tais habilidades.
38. OpenLLM: Execute qualquer LLMs de código aberto, como Llama 3.1, Gemma, como um endpoint de API compatível com OpenAI na nuvem.
39. Infinity: O banco de dados AI-native construído para aplicações LLM, fornecendo busca híbrida incrivelmente rápida de incorporação densa, incorporação esparsa, tensor e texto completo.
40. optillm: uma API OpenAI compatível otimizando proxy de inferência que implementa várias técnicas de ponta que podem melhorar a precisão e desempenho de LLMs.
41. LLaMA Box: Implementação de servidor de inferência LLM baseado em lhama.cpp.
42. ZhiLight: Um motor de aceleração de inferência altamente otimizado para Llama e suas variantes.
43. DashInfer: DashInfer é um motor de inferência LLM nativo com o objetivo de entregar desempenho líder da indústria em várias arquiteturas de hardware.
44. LocalAI: A alternativa livre, Open Source para OpenAI, Claude e outros. Auto-anfitrião e primeiro local. Substituição do OpenAI, em funcionamento em hardware de nível de consumo. Nenhuma GPU necessária.
45. ktransformers: Um Framework flexível para experimentar Otimizações de inferência LLM de ponta.
46. SkyPilot: Executar trabalhos de IA e lote em qualquer infra (Kubernetes ou 14+ nuvens). Obtenha execução unificada, economia de custos e alta disponibilidade de GPU através de uma interface simples.
47. Chitu: Framework de inferência de alto desempenho para grandes modelos de linguagem, com foco na eficiência, flexibilidade e disponibilidade.
48. TokenSwift: De Horas a Minutos: Aceleração sem perdas da Geração de Sequência Ultra Longa.
49. Cherry Studio (🔥): um cliente desktop que suporta vários provedores de LLM, disponível no Windows, Mac e Linux.
50. Shimmy: Python-free Rust inference server — OpenAI-API compatível. GGUF + SafeTensores, troca de modelo quente, auto-descoberta, binário único.
51. LlamaBarn: Execute LLMs locais no seu Mac com um aplicativo de barras de menu simples.
52. Parallax: um framework de serviço de modelo distribuído que permite construir seu próprio cluster de IA em qualquer lugar.
53. xLLM: Um motor de inferência de alto desempenho para LLMs, otimizado para diversos aceleradores de IA.
54. Rapid-MLX: Servidor de inferência LLM local compatível com OpenAI para Apple Silicon, 2-4x mais rápido que Ollama.
55. TokenSpeed: um motor de inferência de velocidade de luz LLM projetado para cargas de trabalho agentic, com TensorRT-LLM-nível de desempenho e usabilidade de nível vLLM. Nosso objetivo é ser o motor de inferência mais eficiente para cargas de trabalho de produção.
56. FreeToken: Desbloqueie a inteligência da classe datacenter no hardware que você já possui.

Voltar ao topo

Avaliação

1. lm-evaluation-harness: Um framework para avaliação de poucos lançamentos de modelos de linguagem.
2. opencompass (🔥): OpenCompass é uma plataforma de avaliação LLM, suportando uma ampla gama de modelos (Llama3, Mistral, InternLM2, GPT-4, LLAMa2, Qwen, GLM, Claude, etc) mais de 100+ conjuntos de dados.
3. llm-comparator: LLM O comparador é uma ferramenta interativa de visualização de dados para avaliação e análise de respostas LLM lado a lado, desenvolvida.
4. EvalScope (🔥)
5. Tecelagem: Um kit de ferramentas leve para rastrear e avaliar aplicações LLM.
6. MixEval: Sabedoria Derivando da Multidão da LLM Benchmark Mixtures.
7. Evaluation guidebook: Se você já se perguntou como garantir que um LLM funcione bem em sua tarefa específica, este guia é para você!
8. Ollama Benchmark: LLM Benchmark for Throughput via Ollama (LLMs Locais).
9. VLMEvalKit: Kit de ferramentas de avaliação de código aberto de grandes modelos de linguagem de visão (LVLMs), suporte ~100 VLMs, 40+ benchmarks.
10. AGI-Eval
11. EvalScope: Um framework simplificado e personalizável para avaliação eficiente de grandes modelos e benchmarking de desempenho.
12. DeepEval: uma estrutura de avaliação LLM de código aberto, simples de usar, para avaliar e testar sistemas de modelos de grande linguagem.
13. Lighteval: Lighteval é o seu kit de ferramentas tudo-em-um para avaliar LLMs em várias infra-estruturas.
14. QwQ/eval: QwQ é a série de modelos de raciocínio desenvolvida pela equipe Qwen, Alibaba Cloud.
15. Evalchemy: Um kit de ferramentas unificado e fácil de usar para avaliar modelos de linguagem pós-treinado.
16. MathArena: Avaliação das LLMs nas últimas competições de matemática.
17. YourBench: A Dynamic Benchmark Generation Framework.
18. MedEvalKit: Um Quadro Único de Avaliação Médica.
19. OpenJudge: Um quadro unificado para avaliação holística e recompensas de qualidade.

Voltar ao topo

Experiência

1. Arena LM
2. Arena de Desenho
3. Vals AI evaluation
4. Contagem de formigas

Voltar ao topo

Base de conhecimentos RAG

1. AnythingLLM: O aplicativo de IA tudo-em-um para qualquer LLM com RAG completo e AI Agent capacibilites.
2. MaxKB: Knowledge base question and response system baseado no LLM Big Language Model. Abra a caixa para suportar a incorporação rápida em operações de terceiros.
3. RAGFlow: Um motor RAG de código aberto (Retrieval-Augmented Generation) baseado no entendimento profundo do documento.
4. Dify: Uma plataforma de desenvolvimento de aplicativos LLM de código aberto. A interface intuitiva da Dify combina fluxo de trabalho de IA, pipeline RAG, recursos de agente, gerenciamento de modelos, recursos de observação e muito mais, permitindo que você vá rapidamente do protótipo para a produção.
5. FastGPT: Uma plataforma baseada no conhecimento construída na LLM, oferece processamento de dados fora da caixa e recursos de invocação de modelo, permite orquestração de fluxo de trabalho através da visualização de fluxo.
6. Langchain-ChatchatBase de conhecimento local baseada em diferentes modelos de linguagem grande, como Langchain e ChatGM Answer
7. QAnything: Pergunta e Resposta baseada em Qualquer coisa.
8. Quivr: Um assistente de produtividade pessoal (RAG) Fale com seus documentos (PDF, CSV, …) & apps usando Langchain, GPT 3.5 / 4 turbo, Private, Anthropic, VertexAI, Ollama, LLMs, Groq que você pode compartilhar com usuários! Alternativa local e privada para OpenAI GPTs & ChatGPT alimentado por geração aumentada de recuperação.
9. RAG-GPT: RAG-GPT, alavancando a tecnologia LLM e RAG, aprende com bases de conhecimento customizadas pelo usuário para fornecer respostas contextualmente relevantes para uma ampla gama de consultas, garantindo a recuperação rápida e precisa de informações.
10. Verba: Retrieval Aumented Generation (RAG) chatbot alimentado por Weaviate.
11. FlashRAG: A Python Toolkit for Efficient RAG Research.
12. GraphRAG: Um sistema modular de geração aumentada de grafos (RAG).
13. LightRAG: LightRAG ajuda desenvolvedores com a construção e otimização de pipelines Retriever-Agent-Generator.
14. GraphRAG-Ollama-UI: GraphRAG usando Ollama com Gradio UI e Características Extra.
15. nano-GraphRAG: Uma simples e fácil implementação do GraphRAG.
16. RAG Techniques: Este repositório mostra várias técnicas avançadas para sistemas de geração aumentada por recuperação (RAG). Os sistemas RAG combinam recuperação de informação com modelos generativos para fornecer respostas precisas e contextualmente ricas.
17. ragas: Framework de avaliação para seus pipelines de geração aumentada de recuperação (RAG).
18. kotaemon: Um código aberto limpo e personalizável RAG UI para conversar com seus documentos. Construído com usuários finais e desenvolvedores em mente.
19. RAGapp: A maneira mais fácil de usar Agentic RAG em qualquer empresa.
20. TurboRAG: Acelerando a Geração Aumentada de Recuperação com Caches de KV Pré-Computados para Texto Chunked.
21. LightRAG: Geração simples e rápida de recuperação aumentada.
22. TEN: o Next-Gen AI-Agent Framework, o primeiro framework de agentes de IA multimodal em tempo real.
23. AutoRAG: Ferramenta RAG AutoML para encontrar automaticamente um oleoduto RAG ideal para seus dados.
24. KAG: KAG é um framework de geração de conhecimento baseado no OpenSPG, que é usado para construir serviços rigorosos de tomada de decisões e recuperação de informação.
25. Fast-GraphRAG: RAG que se adapta inteligentemente ao seu caso de uso, dados e consultas.
26. Tiny-GraphRAG
27. DB-GPT GraphRAG: O DB-GPT GraphRAG integra grafos de conhecimento baseados em trigêmeos e gráficos de estrutura de documentos ao mesmo tempo que aproveita os mecanismos de recuperação da comunidade e do documento para melhorar as capacidades de RAG, alcançando desempenho comparável ao consumir apenas 50% dos tokens exigidos pelo GraphRAG da Microsoft. Consulte o DB- GPT Manual do usuário do gráfico RAG para mais pormenores.
28. Chonkie: A biblioteca de blocos sem sentido que é leve, relâmpago rápido, e pronto para CHONK seus textos.
29. RAGLite: RAGLite é um kit de ferramentas Python para geração aumentada por recuperação (RAG) com PostgreSQL ou SQLite.
30. KAG: KAG é uma estrutura lógica de raciocínio e recuperação baseada no OpenSPG Engine e LLMs.
31. CAG: CAG aproveita as janelas de contexto estendidas de modelos de linguagem de grande porte (LLMs) modernos, pré-carregando todos os recursos relevantes no contexto do modelo e cacheando seus parâmetros de tempo de execução.
32. MiniRAG: uma estrutura de geração extremamente simples de recuperação-aumentada que permite que pequenos modelos para alcançar bom desempenho RAG através de indexação de gráficos heterogêneos e recuperação leve topologia-aumentada.
33. XRAG: um framework de benchmarking projetado para avaliar os componentes fundamentais de sistemas avançados de Geração Aumentada de Retrieval (RAG).
34. Rankify: Um Kit de Ferramentas Python abrangente para Recuperação, Re-Ranking e Retrieval-Augmentada Geração.
35. RAG-Anything: Sistema de RAG Tudo em Um.

Voltar ao topo

Inteligente

1. AutoGen: AutoGen é um framework que permite o desenvolvimento de aplicações LLM usando vários agentes que podem conversar entre si para resolver tarefas. AutoGen AIStudio
2. CrewAI: Framework para orquestrar agentes de IA autônomos. Ao promover a inteligência colaborativa, a CrewAI capacita os agentes a trabalharem em conjunto de forma perfeita, enfrentando tarefas complexas.
3. Coze
4. AgentGPT: Montar, configurar e implantar agentes de IA autônomos em seu navegador.
5. XAgent: Um agente autônomo da LLM para a resolução de tarefas complexas.
6. MobileAgent: A poderosa família assistente de operação de dispositivos móveis.
7. Lagent: Uma estrutura leve para a construção de agentes baseados em LLM.
8. Qwen-Agent: Framework de agente e aplicativos construídos em Qwen2, com Chamamento de função, Interpretador de código, RAG e extensão Chrome.
9. LinkAIPlataforma inteligente de IA de parada única
10. Baidu APPBuilder
11. agentUniverse: agentUniverse é um framework multi-agente LLM que permite aos desenvolvedores construir aplicativos multi-agentes facilmente. Além disso, através da comunidade, eles podem trocar e compartilhar práticas de padrões em diferentes domínios.
12. LazyLLMFerramenta de desenvolvimento para construção de código baixo de aplicações multiAgent de grande modelo
13. AgentScope: Comece a construir aplicações multi-agentes alimentadas por LLM de forma mais fácil.
14. AgentField: Plano de controle de código aberto para a construção e operação de agentes de IA como APIs em escala, com roteamento, memória, observação, identidade, autenticação e controles de política.
15. MoA: Mixture of Agents (MoA) é uma nova abordagem que aproveita as forças coletivas de múltiplos LLMs para melhorar o desempenho, alcançando resultados de última geração.
16. Agently: AI Agent Application Development Framework.
17. OmAgent: Um framework multimodal para resolver tarefas complexas.
18. Tribe: Nenhuma ferramenta de código para construir e coordenar rapidamente equipes multi-agentes.
19. CAMEL: Primeiro framework multi-agente LLM e uma comunidade de código aberto dedicada a encontrar a lei de escala de agentes.
20. PraisonAI: A aplicação PraisonAI combina AutoGen e CrewAI ou frameworks similares em uma solução de baixo código para a construção e gestão de sistemas LLM multi-agentes, com foco na simplicidade, personalização e colaboração eficiente de agentes humanos.
21. IoA: Um framework de código aberto para agentes colaborativos de IA, permitindo que diversos agentes distribuídos se juntem e enfrentem tarefas complexas através da conectividade tipo internet.
22. llama-agentic-system : Componentes ativos das APIs Llama Stack.
23. Agent Zero: Agent Zero não é um framework agente predefinido. Ela é projetada para ser dinâmica, crescer organicamente e aprender à medida que você a usa.
24. Agents: Um Framework de código aberto para Agentes de Linguagem Autônomos e Auto-evolutivos de Dados.
25. AgentScope: Comece a construir aplicações multi-agentes alimentadas por LLM de forma mais fácil.
26. FastAgency: A maneira mais rápida de trazer fluxos de trabalho multi-agente para a produção.
27. Swarm: Framework para construção, orquestração e implantação de sistemas multi-agentes. Gerenciado pela equipe OpenAI Solutions. Estrutura experimental.
28. Agent-S: um framework agente aberto que usa computadores como um humano.
29. PydanticAI: Agent Framework / shim para usar Pydantic com LLMs.
30. Agentarium: framework open-source para criar e gerenciar simulações povoadas com agentes movidos por IA.
31. smolagents: uma biblioteca para agentes. Agentes escrevem código python para chamar ferramentas e orquestrar outros agentes.
32. Cooragent: Cooragent é uma comunidade de colaboração de agentes de IA.
33. Agno: Agno é uma biblioteca leve para a construção de agentes com memória, conhecimento, ferramentas e raciocínio.
34. Suna: Open Source Generalist AI Agent.
35. rowboat: Deixe IA construir fluxos de trabalho multi-agente para você em minutos.
36. EvoAgentX: Construindo um ecossistema auto-evolutivo de agentes de IA.
37. ii-agent: uma nova estrutura de código aberto para construir e implantar agentes inteligentes.
38. OWL: Otimizado Workforce Learning para Assistência Multi-Agente Geral em Automação de Tarefas do Mundo Real.
39. OpenManus: Nenhuma fortaleza, terreno puramente aberto. OpenManus está a chegar.
40. JoyAgent-JDGenie: O primeiro produto genérico multi-inteligência de alta-completo da indústria com um baixo grau de conclusão.
41. coze-studio: Uma plataforma de desenvolvimento de agentes de IA com ferramentas visuais tudo-em-um, simplificando a criação de agentes, depuração e implantação como nunca antes.
42. OxyGent: Uma estrutura Python avançada que capacita os desenvolvedores a construir rapidamente sistemas inteligentes prontos para produção.
43. LazyCraft: LazyCraft é uma plataforma de desenvolvimento e gerenciamento de aplicativos AIAgent baseada na LazyLM projetada para ajudar desenvolvedores a rapidamente construir e publicar aplicações de grandes modelos em baixo limiar, baixo custo.
44. OpenAgents: AI Agent Networks for Open Collaboration.
45. SandBox: All-in-One Sandbox para agentes de IA que combina Browser, Shell, File, MCP e VSCOde Server em um único recipiente Docker.
46. DeepAnalyze: Primeiro LLM agente para ciência autônoma de dados, apoiando tarefas específicas de dados (preparação de dados, análise, modelagem, visualização e insight) e pesquisa profunda orientada a dados (produzir relatórios de pesquisa de nível analista).
47. Astron Agent: Plataforma de fluxo de trabalho empresarial e comercial para a construção de SuperAgents de próxima geração.
48. Youtu-Agent: Um framework de agente simples e poderoso que fornece com modelos de código aberto.
49. MiroThinker: um modelo de agente de busca de código aberto, construído para o raciocínio melhorado por ferramentas e busca de informações no mundo real, visando coincidir com a profunda experiência de pesquisa da OpenAI Deep Research e Gemini Deep Research.
50. Nexent: Uma plataforma de código zero para agentes geradores automáticos — sem orquestração, sem necessidade de arrastar e soltar complexos, usando linguagem pura para desenvolver qualquer agente que você quiser.
51. Yunjue-Agent: Um sistema de agente auto-evolutivo totalmente reprodutível e com zero-inicial para tarefas abertas.
52. Hindsight: Memória de longo prazo de última geração para agentes de IA por Vectorize. Código aberto, auto-hostável, com integrações para LangChain, CrewAI, LlamaIndex, MCP e muito mais.
53. AgentsMesh: A Plataforma do Agente de IA Workforce. Orquestração multi-agente self-hostable com estações de trabalho de IA remotas (AgentPods), PTY sandbox + git worktree isolamento, colaboração de agentes baseados em canais, built-in Kanban, e por-pod servidor MCP. Suporta Claude Code, Codex CLI, Gemini CLI, Aider, OpenCode.
54. BitFun: Ambiente de desenvolvimento agentic de código aberto com um aplicativo de desktop Rust/Tauri e CLI para codificação, pesquisa, trabalho de escritório, navegador e automação de desktop, extensível através de MCP, Skills e agentes personalizados.

Harness

1. pi: AI agente toolkit: unificada API LLM, loop de agente, TUI, agente de codificação CLI.
2. DeepSeek Harness: Tudo é um Plugin.
3. OpenSquilla: um agente de IA microkernel eficiente.
4. PenguinHarness: Seu Agent Builder automatizado, direito em seu desktop / servidor.
5. FrontierAgent: um agente de código aberto runtime, produto terminal e conjunto de avaliação para pesquisa de longo horizonte e trabalho baseado em arquivos.

Voltar ao topo

Investigação

Gravando

• PaperDebugger: https://github.com/PaperDebugger/PaperDebugger
  • XtraGPT served as refiner: https://github.com/Xtra-Computing/XtraGPT
• Chat Overleaf: https://github.com/anuin-cat/chat-overleaf
• 文智云助手: https://overleaf.top/
• LiteWrite: https://litewrite.ai/
• Prism: https://openai.com/zh-Hans-CN/prism/
• claude-prism: https://github.com/delibae/claude-prism

Projecto revisto

• PaperReview: https://paperreview.ai/
• aiXiv: https://aixiv.science/
• OpenJudge Review: https://openjudge.me/paper_review

PPT

• PPTAgent: https://github.com/icip-cas/PPTAgent
• Paper PPT Agent: https://github.com/CRui5in/paper-ppt-agent
• PPT Master: https://github.com/hugohe3/ppt-master
• LandPPT: https://github.com/sligter/LandPPT
• Kami: https://github.com/tw93/kami
• beautiful-html-templates: https://github.com/zarazhangrui/beautiful-html-templates
• guizang-ppt-skill: https://github.com/op7418/guizang-ppt-skill
• GordenSuperPPTSkills: https://github.com/GordenSun/GordenSuperPPTSkills
• dashiAI-ppt-skill: https://github.com/chuspeeism/dashiAI-ppt-skill

Outros

• Paper2Video: https://github.com/showlab/Paper2Video
• Paper2Poster: https://github.com/Paper2Poster/Paper2Poster
• AutoPR: https://github.com/irgolic/AutoPR
• Auto-Slides: https://github.com/Westlake-AGI-Lab/Auto-Slides
• EvoPresent: https://github.com/eric-ai-lab/EvoPresent
• Paper2All: https://github.com/YuhangChen1/Paper2All
• AutoPage: https://github.com/AutoLab-SAI-SJTU/AutoPage
• pdf2video: https://github.com/DangJin/pdf2video
• Idea2Paper: https://github.com/AgentAlphaAGI/Idea2Paper
• PaperX: https://github.com/yutao1024/PaperX
• figures4papers: https://github.com/ChenLiu-1996/figures4papers
• PaperBanana: https://github.com/dwzhu-pku/PaperBanana
• PaperBanana-Pro: https://github.com/elpsykongloo/PaperBanana-Pro
• AutoFigure: https://github.com/ResearAI/AutoFigure
  • FigureWeave: https://github.com/Krisocer/FigureWeave
  • EditDeck: https://github.com/Morgensonne/EditDeck
• AutoFigure-Edit: https://github.com/ResearAI/AutoFigure-Edit
• Kahneman4Review: https://huggingface.co/spaces/nuojohnchen/Kahneman4Review
• Academic Figure Generator: https://github.com/LigphiDonk/academic-figure-generator
• PaperFit: https://github.com/OpenRaiser/PaperFit

Ciência automática completa.

• EvoScientist: https://github.com/EvoScientist/EvoScientist
• Auto-claude-code-research-in-sleep: https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep
• ArgusBot: https://github.com/waltstephen/ArgusBot
• Station: https://github.com/dualverse-ai/station
• Dr.Claw: https://github.com/OpenLAIR/dr-claw
• Redigg: https://github.com/redigg/redigg
• AutoResearchClaw: https://github.com/aiming-lab/AutoResearchClaw
• NanoResearch: https://github.com/OpenRaiser/NanoResearch
• ScienceClaw: https://github.com/AgentTeam-TaichuAI/ScienceClaw
• EurekaClaw: https://github.com/EurekaClaw/EurekaClaw
• Claude-scholar: https://github.com/Galaxy-Dawn/claude-scholar/
• claude-scientific-skills: https://github.com/K-Dense-AI/claude-scientific-skills
• K-Dense BYOK: https://github.com/K-Dense-AI/k-dense-byok
• latex-paper-skills: https://github.com/yunshenwuchuxun/latex-paper-skills
• NeuriCo: https://github.com/ChicagoHAI/NeuriCo
• AutoResearch : https://github.com/karpathy/autoresearch
• RD-Agent : https://github.com/microsoft/RD-Agent
• DeepScientist : https://github.com/ResearAI/DeepScientist
• Deep Researcher Agent: https://github.com/Xiangyue-Zhang/auto-deep-researcher-24x7
• academic-research-skills: https://github.com/Imbad0202/academic-research-skills
• Supervisor-Skills: https://github.com/HKUSTDial/Supervisor-Skills

Voltar ao topo

Código

1. Cloi CLI: Agente local de depuração que é executado em seu terminal.
2. Devin
3. v0
4. Blot.new
5. cursor
6. Windsurf
7. cline
8. Trae
9. MGX
10. Roo Code
11. Kilo Code
12. AugmentCode
13. Claude Code (🔥)
14. Claude Code (🔥) + Happy Coder / CodePilot / cc-connect
15. Gemini CLI
16. Serena
17. Claudia
18. OpenCode
19. Kiro
20. CodeBuddy
21. Kiro
22. CodeX (🔥)
23. Kimi-CLI
24. opencode
25. Multica
26. Atomic Agent
27. DeepSeek Harness

Voltar ao topo

Vídeo

Modelo

[!NOTE] □Awesome-Video-Diffusion

1. HunyuanVideo
2. CogVideo
3. Wan2.1
4. Open-Sora
5. Open-Sora-Plan
6. LTX-Video
7. Step-Video-T2V
8. Step1X-Edit Editing
9. Wan2.1-VACE Editing
10. ICEdit Editing
11. mochi-1-preview
12. Wan2.1-Fun
13. Wan2.1-FLF2V 首尾帧
14. MAGI-1 自回归模型
15. SkyReels-V2
16. FramePack
17. Pusa-VidGen
18. Wan2.2
19. MoGA 长视频
20. LongCat-Video
21. HunyuanVideo-1.5
22. LTX-2
    • Training
23. daVinci-MagiHuman
24. LongLive
25. JoyAI-Echo
26. NAVA
27. LTX-2.3 (🔥)
28. LingBot-Video
29. MiniMax-H3 (🔥)
30. MAGI-2-preview
31. LTX-2.5 (🔥)

Editar

1. Wan2.1-VACE-14B: https://huggingface.co/Wan-AI/Wan2.1-VACE-14B
2. Ditto: https://github.com/EzioBy/Ditto
3. Bernini (🔥): https://github.com/bytedance/Bernini
4. JoyAI-Video-Edit: https://huggingface.co/jdopensource/JoyAI-Video-Edit

Formação

• https://github.com/hao-ai-lab/FastVideo
• https://github.com/tdrussell/diffusion-pipe
• https://github.com/VideoVerses/VideoTuna
• (🔥) https://github.com/modelscope/DiffSynth-Studio
• https://github.com/huggingface/diffusers
• https://github.com/kohya-ss/musubi-tuner
• https://github.com/spacepxl/HunyuanVideo-Training
• https://github.com/Tele-AI/TeleTron
• https://github.com/Yaofang-Liu/Mochi-Full-Finetuner
• https://github.com/bghira/SimpleTuner
• https://github.com/X-GenGroup/Flow-Factory
• https://github.com/shengshu-ai/minWM «Modelo mundial»

Argumentos

• https://github.com/ModelTC/LightX2V
• https://github.com/thu-ml/TurboDiffusion

Ferramentas práticas

• PySceneDetect: Programa de detecção de corte/transição baseado em Python e OpenCV.
• DOVER: Avaliação de Qualidade de Vídeo sobre Conteúdos Gerados pelo Usuário de Perspectivas Estéticas e Técnicas.
• ArtiMuse: Avaliação estética de imagem fina com pontuação conjunta e compreensão de nível de especialista.

Voltar ao topo

Imagem

Gerar

• awesome-nano-banana
• Awesome-Nano-Banana-images
• HunyuanImage-3.0：https://github.com/Tencent-Hunyuan/HunyuanImage-3.0
• Seedream 4.0：https://arxiv.org/abs/2509.20427
• LongCat-Image：https://huggingface.co/meituan-longcat/LongCat-Image
• Z-Image-Turbo：https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
  • https://huggingface.co/inclusionAI/TwinFlow
• Qwen-Image：https://huggingface.co/Qwen/Qwen-Image
• Qwen-Image-2512：https://huggingface.co/Qwen/Qwen-Image-2512
• Z-Image：https://huggingface.co/Tongyi-MAI/Z-Image
• ERNIE-Image: https://huggingface.co/baidu/ERNIE-Image
  • ERNIE-Image-Turbo: https://huggingface.co/Baidu/ERNIE-Image-Turbo
• Nucleus-Image: https://huggingface.co/NucleusAI/Nucleus-Image
• HiDream-O1-Image: https://huggingface.co/HiDream-ai/HiDream-O1-Image
• Ideogram 4: https://github.com/ideogram-oss/ideogram4
• Boogu-Image: https://github.com/boogu-project/Boogu-Image
• Krea-2-Raw: https://huggingface.co/krea/Krea-2-Raw
• SenseNova-U1: https://github.com/OpenSenseNova/SenseNova-U1
• Mage-Flow: https://huggingface.co/collections/microsoft/mage
• Qwen-Image-2.1: https://huggingface.co/Qwen/Qwen-Image-2.1

Editar

• ChronoEdit-14B: https://huggingface.co/nvidia/ChronoEdit-14B-Diffusers
• Eigen-Banana-Qwen-Image-Edit: https://huggingface.co/eigen-ai-labs/eigen-banana-qwen-image-edit
• Qwen-Image-Edit-2509: https://huggingface.co/Qwen/Qwen-Image-Edit-2509
  • Upscale: https://huggingface.co/vafipas663/Qwen-Edit-2509-Upscale-LoRA
  • Multiple-angles: https://huggingface.co/dx8152/Qwen-Edit-2509-Multiple-angles
  • Multi-Angle-Lighting: https://huggingface.co/dx8152/Qwen-Edit-2509-Multi-Angle-Lighting
• LongCat-Image-Edit: https://huggingface.co/meituan-longcat/LongCat-Image-Edit
• Qwen-Image-Edit-2511: https://huggingface.co/Qwen/Qwen-Image-Edit-2511
  • Qwen-Image-Edit-2511-Upscale2K: https://huggingface.co/valiantcat/Qwen-Image-Edit-2511-Upscale2K
  • Qwen-Image-Edit-2511-Multiple-Angles-LoRA: https://huggingface.co/fal/Qwen-Image-Edit-2511-Multiple-Angles-LoRA
• FireRed-Image-Edit: https://huggingface.co/FireRedTeam/FireRed-Image-Edit-1.0
• JoyAI-Image-Edit: https://huggingface.co/jdopensource/JoyAI-Image-Edit

Harmonização

• GLM-Image: https://huggingface.co/zai-org/GLM-Image
• https://huggingface.co/black-forest-labs/FLUX.2-klein-4B
  • https://huggingface.co/black-forest-labs/FLUX.2-klein-9B
• DreamLite: https://github.com/ByteVisionLab/DreamLite
• SenseNova-U1: https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-SFT

Formação

• Ostris：https://github.com/ostris/ai-toolkit
• FlymyAI：https://github.com/FlyMyAI/flymyai-lora-trainer
• Nitro-T：https://github.com/AMD-AGI/Nitro-T
• (🔥) DiffSynth-Studio：https://github.com/modelscope/DiffSynth-Studio
• Musubi Tuner: https://github.com/kohya-ss/musubi-tuner
• SimpleTuner: https://github.com/bghira/SimpleTuner
• MS Training: https://www.modelscope.cn/aigc/modelTraining
• Finetune HunyuanImage-3.0: https://github.com/PhotonAISG/hunyuan-image3-finetune
• OneTrainer: https://github.com/Nerogar/OneTrainer
• Finetune LongCat-Image and Edit: https://github.com/meituan-longcat/LongCat-Image/tree/main/train_examples
• Flow-Factory: https://github.com/X-GenGroup/Flow-Factory
• UniRL: https://github.com/Tencent-Hunyuan/UniRL

Avaliação

• ULMEvalKit：https://github.com/ULMEvalKit/ULMEvalKit

Argumentos

• TypemovieInfer: https://github.com/typemovie/TypemovieInfer

Voltar ao topo

Procurar

1. OpenSearch GPT: SearchGPT / clone Perplexity, mas personalizado para você.
2. MindSearch: Um Framework multi-agente baseado em LLM do Web Search Engine (como Perplexity.ai Pro e SearchGPT).
3. nanoPerplexityAI: A implementação open-source mais simples de perplexity.ai.
4. curiosity: Tente construir uma experiência de usuário parecida com Perplexidade.
5. MiniPerplx: Um mecanismo de busca minimalista alimentado por IA que ajuda você a encontrar informações na internet.

Voltar ao topo

Discurso de voz

TTS

1. SpeechGPT-2.0-preview: https://github.com/OpenMOSS/SpeechGPT-2.0-preview
2. Moss-TTSD：https://github.com/OpenMOSS/MOSS-TTSD
3. Index-TTS：https://github.com/index-tts/index-tts
4. MegaTTS3：https://github.com/bytedance/MegaTTS3
5. F5-TTS：https://github.com/SWivid/F5-TTS
6. GPT-SoVITS：https://github.com/RVC-Boss/GPT-SoVITS
7. CosyVoice：https://github.com/FunAudioLLM/CosyVoice
8. Spark-TTS：https://github.com/SparkAudio/Spark-TTS
9. OpenVoice：https://github.com/myshell-ai/OpenVoice
10. Dia：https://github.com/nari-labs/dia
11. ChatTTS：https://github.com/2noise/ChatTTS
12. Fish Speech：https://github.com/fishaudio/fish-speech
13. Edge-TTS：https://github.com/rany2/edge-tts
14. Bark：https://github.com/suno-ai/bark
15. kokoro: https://github.com/hexgrad/kokoro
16. Higgs Áudio V2: https://github.com/boson-ai/higgs-audio □Training□
17. KittenTTS: https://github.com/KittenML/KittenTTS
18. ZipVoice: https://github.com/k2-fsa/ZipVoice
19. VyvoTTS: https://github.com/Vyvo-Labs/VyvoTTS
20. VibeVoice: https://github.com/microsoft/VibeVoice
21. Index-TTS-2: https://huggingface.co/IndexTeam/IndexTTS-2
22. FireRedTTS2: https://github.com/FireRedTeam/FireRedTTS2
23. VoxCPM: https://github.com/OpenBMB/VoxCPM/
24. Neutts-Air: https://github.com/neuphonic/neutts-air
25. Maya1: https://huggingface.co/maya-research/maya1
26. VibeVoice: https://huggingface.co/collections/microsoft/vibevoice
27. GLM-TTS: https://github.com/zai-org/GLM-TTS
28. Fun-CosyVoice3: https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512
29. Qwen3-TTS:https://huggingface.co/collections/Qwen/qwen3-tts
30. Ming-Omni-TTS: https://github.com/inclusionAI/Ming-omni-tts
31. VoxCPM2: https://huggingface.co/openbmb/VoxCPM2
32. OmniVoice: https://github.com/k2-fsa/OmniVoice
33. MOSS-TTS-v1.5: https://huggingface.co/OpenMOSS-Team/MOSS-TTS-v1.5
34. Higgs Audio v3 TTS: https://huggingface.co/bosonai/higgs-audio-v3-tts-4b
35. Confucius4-TTS: https://github.com/netease-youdao/Confucius4-TTS
36. Dia-1.6B: https://huggingface.co/nari-labs/Dia-1.6B-0626
37. FireRedTTS3: https://github.com/FireRedTeam/FireRedTTS3

STT/ASR

1. Kyutai: https://github.com/kyutai-labs/delayed-streams-modeling
2. Whisper: https://github.com/openai/whisper
3. Audio Flamingo 3: https://huggingface.co/nvidia/audio-flamingo-3
4. Voxtral: https://huggingface.co/mistralai/Voxtral-Mini-3B-2507
5. Step-Audio2: https://github.com/stepfun-ai/Step-Audio2
6. SoulX-Podcast: https://huggingface.co/collections/Soul-AILab/soulx-podcast
7. Omnilingual ASR: https://github.com/facebookresearch/omnilingual-asr
8. Fun-ASR: https://huggingface.co/FunAudioLLM/Fun-ASR-Nano-2512
9. FunASR: https://github.com/modelscope/FunASR
10. SenseVoice: https://github.com/FunAudioLLM/SenseVoice
11. VibeVoice-ASR: https://huggingface.co/microsoft/VibeVoice-ASR
12. Qwen3-ASR: https://github.com/QwenLM/Qwen3-ASR
13. Mega-ASR: https://github.com/xzf-thu/Mega-ASR
14. MOSS-Transcribe-Diarize: https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-Diarize

Interação Voz

1. Fun-Audio-Chat: https://huggingface.co/FunAudioLLM/Fun-Audio-Chat-8B
2. Chroma 1.0: https://huggingface.co/FlashLabs/Chroma-4B
3. AudioInteraction: https://huggingface.co/zhifeixie/AudioInteraction

Voltar ao topo

Modelos Mundiais

Modelo

• ShadowDancer: https://github.com/AlayaLab/ShadowDancer
• PhiZero: https://github.com/yaoyao-jpg/PhiZero
• Wonder: https://arxiv.org/pdf/2607.26037
• open-dreamer: https://github.com/next-state/open-dreamer
• Cosmos3-Edge: https://huggingface.co/nvidia/Cosmos3-Edge
• WorldWander: https://github.com/showlab/WorldWander
• Matrix-Game-3.5: https://github.com/Riemann-Dynamics/Matrix-Game-3.5
• ABot-World: https://github.com/amap-cvlab/ABot-World
• LingBot-World-V2: https://huggingface.co/collections/robbyant/lingbot-world-v2
• AlayaWorld: https://github.com/AlayaLab/AlayaWorld
• MoWorld: https://moxin-tech.github.io/moworld/
• Warp-as-History: https://github.com/yyfz/Warp-as-History
• MIRA: https://github.com/mira-wm/mira «Multiplayer»
• ActWorld: https://interactwm.github.io/ActWorld/
• Sana-WM: https://nvlabs.github.io/Sana/WM/
• Cosmos-3: https://github.com/nvidia/cosmos
• DreamX-World-5B: https://huggingface.co/GD-ML/DreamX-World-5B
• DreamX-World-5B-Cam: https://modelscope.cn/models/GD-ML/DreamX-World-5B-Cam
• Astra: https://eternalevan.github.io/Astra-project/
• Yume-5B: https://huggingface.co/stdstu123/Yume-5B-720P
• LingBot-World: https://github.com/robbyant/lingbot-world
• HY-WorldPlay: https://huggingface.co/tencent/HY-WorldPlay
• Matrix-Game-3.0: https://huggingface.co/Skywork/Matrix-Game-3.0
• Matrix-Game-2.0: https://huggingface.co/Skywork/Matrix-Game-2.0
• Waypoint-1.5-1B: https://huggingface.co/Overworld/Waypoint-1.5-1B
• Hunyuan-GameCraft: https://hunyuan-gamecraft.github.io/
• AlayaWorld: https://github.com/AlayaLab/AlayaWorld
• WorldWander: https://github.com/showlab/WorldWander

Frame

• nano-world-model: https://github.com/simchowitzlabpublic/nano-world-model
• minWM: https://github.com/shengshu-ai/minWM
• stable-worldmodel: https://github.com/galilai-group/stable-worldmodel
• OpenWorldLib: https://github.com/OpenDCAI/OpenWorldLib
• BiWM: https://github.com/LynnReal-AI/BiWM

Voltar ao topo

Claw Open de Lagosta

1. MultiUserClaw: https://github.com/johnson7788/MultiUserClaw
2. ClawManager: https://github.com/Yuan-lab-LLM/ClawManager
3. Qclaw: https://github.com/qiuzhi2046/Qclaw
4. NEXU: https://github.com/nexu-io/nexu
5. OpenHanako: https://github.com/liliMozi/openhanako

Voltar ao topo

Modelo Unificado

Agora o modelo unificado veio de理解+生成Transforma-te em理解+生成+编辑

• Emu-2：https://arxiv.org/abs/2312.13286
• Emu-3：https://arxiv.org/abs/2409.18869
• Emu-1：https://arxiv.org/abs/2307.05222
• Janus：https://github.com/deepseek-ai/Janus
• Janus-Pro：http://arxiv.org/abs/2508.05954
• show-o：https://arxiv.org/abs/2408.12528
• Any-GPT：https://arxiv.org/abs/2402.12226
• Next-GPT：https://arxiv.org/pdf/2309.05519.pdf
• CoDi：https://arxiv.org/abs/2305.11846
• Seed-X：https://arxiv.org/abs/2404.14396
• Dream-LLM：https://arxiv.org/abs/2309.11499
• Chameleon：https://arxiv.org/abs/2405.09818
• Spider：https://arxiv.org/abs/2411.09439
• MedViLaM：https://arxiv.org/abs/2409.19684
• VITRON：https://github.com/SkyworkAI/Vitron
• TokenFlow：https://github.com/ByteFlow-AI/TokenFlow
• OneDiffusion：https://github.com/lehduong/OneDiffusion
• MetaMorph: https://arxiv.org/abs/2412.14164
• LlamaFusion：https://arxiv.org/abs/2412.15188
• InstructSeg：https://arxiv.org/abs/2412.14006
• VILA-U：https://arxiv.org/abs/2409.04429
• Ullava: https://github.com/OPPOMKLab/u-LLaVA
• ILLUME: https://arxiv.org/abs/2412.06673
• Vitron:https://arxiv.org/abs/2412.19806
• SynerGen-VL：https://arxiv.org/abs/2412.09604
• Align Anything：https://arxiv.org/abs/2412.15838
• Mico：https://arxiv.org/abs/2406.09412
• OneLLM:https://arxiv.org/abs/2312.03700
• X-VILA:https://arxiv.org/abs/2405.19335
• OLA：https://arxiv.org/abs/2502.04328
• Transfusion: https://arxiv.org/abs/2408.11039
• JanusFlow: https://arxiv.org/abs/2411.07975
• HealthGPT：https://arxiv.org/abs/2502.09838 «Medical»
• BAGEL：https://arxiv.org/abs/2505.14683
• Qwen2.5-Omni：https://arxiv.org/abs/2503.20215
• X2I：https://arxiv.org/abs/2503.06134
• Bifrost-1：https://arxiv.org/abs/2508.05954
• OmniGen2：https://arxiv.org/abs/2506.18871
• UniPic：https://github.com/SkyworkAI/UniPic
• VeOmni：https://github.com/ByteDance-Seed/VeOmni «Formação»
• NextStep-1：https://arxiv.org/abs/2508.10711
• UniUGG: https://arxiv.org/abs/2508.11952 «3D»
• Omni-Video：https://arxiv.org/abs/2507.06119
• OneCAT：https://arxiv.org/abs/2509.03498
• Lumina-DiMOO：https://github.com/Alpha-VLLM/Lumina-DiMOO
• UAE：https://github.com/PKU-YuanGroup/UAE
• RecA：https://arxiv.org/abs/2509.07295
• UniLM：https://arxiv.org/abs/1905.03197
• Hyper-Bagel：https://arxiv.org/abs/2509.18824
• Ming-UniVision：https://arxiv.org/abs/2510.06590
• EditVerse：https://arxiv.org/abs/2509.20360
• LightBagel: https://arxiv.org/abs/2510.22946
• DreamLLM: https://arxiv.org/abs/2309.11499
• X-Omni: https://arxiv.org/abs/2507.22058
• Ming-flash-omni-Preview: https://huggingface.co/inclusionAI/Ming-flash-omni-Preview
• Omni-View: https://arxiv.org/abs/2511.07222
• NExT-OMNI: https://arxiv.org/abs/2510.13721
• Uni-MoE-2.0-Omni: https://arxiv.org/abs/2511.12609
• LongCat-Flash-Omni: https://huggingface.co/meituan-longcat/LongCat-Flash-Omni
• ShapeLLM-Omni: https://arxiv.org/abs/2506.01853
• UniGen-1.5: https://arxiv.org/abs/2511.14760
• Jodi: https://arxiv.org/abs/2505.19084
• UniModel: https://arxiv.org/abs/2511.16917
• TUNA: https://arxiv.org/abs/2512.02014
• HBridge: https://arxiv.org/abs/2511.20520
• EMMA: https://arxiv.org/abs/2512.04810
• OpenOmni: https://github.com/RainBowLuoCS/OpenOmni
• Ming-Flash-Omni: https://arxiv.org/abs/2510.24821
• STAR: https://github.com/mm-mvr/star
• InternVL-U: https://github.com/OpenGVLab/InternVL-U
• LongCat-Next: https://github.com/meituan-longcat/LongCat-Next
• SenseNova-U1: https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-SFT
• TUNA-2: https://github.com/facebookresearch/tuna-2
• Lance: https://github.com/bytedance/Lance
• JoyAI-VL-Interaction: https://arxiv.org/abs/2606.14777 «Interacção»
• MOSS-VL-Realtime: https://huggingface.co/OpenMOSS-Team/MOSS-VL-Realtime «Interacção»
• SenseNova-Vision: https://huggingface.co/collections/sensenova/sensenova-vision
• Mage-VL: https://huggingface.co/microsoft/Mage-VL «Interacção»

Voltar ao topo

Livro

1. Modelos de linguagem grandes: da teoria à prática
2. Modelo de linguagem grande
3. 《动手学大模型Dive into LLMs》
4. Fá-lo, Agente Al.
5. 《Build a Large Language Model (From Scratch)》
6. 《多模态大模型》
7. Manual Generativo de IA: Um Roteiro para os Recursos de Aprendizagem
8. “Entendendo a Aprendizagem Profunda”
9. Livro ilustrado para aprender sobre Transformadores & LLMs
10. Construindo LLMs para Produção: Aumentando as Habilidades e Confiança da LLM com Prompting, Fine-Tuning e RAG
11. 《大型语言模型实战指南：应用实践与场景落地》
12. 《Hands-On Large Language Models》
13. Processo de Linguagem Natural: Teoria e Prática de Modelos Grandes
14. Aprendizagem Intensiva pelo Trabalho
15. Introdução do LLM aos Desenvolvedores
16. 《大模型基础》
17. Domar LLMs: Um Guia Prático para Pilhas LLM com Software de Código Aberto
18. Fundações de Modelos de Línguas Grandes
19. Textbook on reinforcement learning from human feedback
20. Algoritmos grandes do modelo: Aprendizagem melhorada, alinhamento e alinhamento
21. 《The Smol Training Playbook: The Secrets to Building World-Class LLMs》
22. 《从零开始构建智能体》——从零开始的智能体原理与实践教程
23. 《Hands-On Modern RL》

Voltar ao topo

Curso

Hub de recursos LLM

1. Stanford:
2. IA geral para todos
3. Funcionários de cursos LLM
4. Tutorial ACL 2023: Modelos e Aplicações de Linguagem com Base em Recuperação
5. llm-course: Course to get into Large Language Models (LLMs) with roadmaps and Colab notebooks.
6. 微软: Generative AI for Beginners
7. Microsoft: Estado do GPT
8. HuggingFace NLP Course
9. Qinghua, NLP, Liu Zhiyuan Modelo de Equipe Aberto
10. Stanford: Transformers United V4
11. Stanford:
12. Princeton COS 597G (queda de 2022)
13. Johns Hopkins CS 601.471/671 NLP: Modelos autoassinados
14. Curso Lee Hong Yi GenAI
15. openai-cookbook: Exemplos e guias para usar a API OpenAI.
16. Hands on llms: Aprenda sobre LLM, LLMOps e vetor DBS de graça, projetando, treinando e implementando um sistema LLM em tempo real.
17. Universidade de Waterloo
18. Mistral: Começando com Mistral
19. Stanford: Transformers United V4
20. Curso: Projeto de Dica de Aplicação Chatgpt
21. LangGPT: Empoderando todos para se tornar um especialista rápido!
22. mistralai-cookbook
23. Introdução à Primavera Gerativa da IA 2024
24. build nanoGPT: Palestra vídeo + código sobre construção de nanoGPT do zero.
25. LLM101n: Vamos construir um contador de histórias.
26. Gráficos de Conhecimento para RAG
27. LLMs From Scratch (Datawhale Version)
28. OpenRAG
29. Estrada para AGI
30. Andrej Karpathy - Redes Neurais: Zero para Herói
31. Visualização interativa do Transformador
32. andysingal/llm-course
33. Classe LM
34. Google Avançado: IA Gerativa para Desenvolvedores Caminho de Aprendizagem
35. Anthropics：Prompt Engineering Interactive Tutorial
36. LLMsBook
37. Agentes de Modelo de Língua Grande
38. COHERE LLM University
39. LLMs e transformadores
40. Smol Vision: Receitas para encolhimento, otimização, personalização de modelos de visão de ponta.
41. RAG multimodal: Conversar com Vídeos
42. LLMs Interview Note
43. RAG++ : Do POC à produção: Curso avançado de RAG.
44. Academia de pesos e vieses IA: Finetuning, construção com LLMs, saídas estruturadas e mais cursos LLM.
45. Tutoriais e Recursos de Engenharia e IA
46. Aprendinda RAG de Scratch – Python AI Tutorial de um Engenheiro LangChain
47. Avaliação LLM: Um curso completo
48. HuggingFace Learn
49. Andrej Karpathy: Mergulhe profundidade em LLMs como ChatGPT
50. LLM技术科普
51. CS25: Transformers United V5
52. RAG_Techniques: Este repositório mostra várias técnicas avançadas para sistemas de geração aumentada por recuperação (RAG). Os sistemas RAG combinam recuperação de informação com modelos generativos para fornecer respostas precisas e contextualmente ricas.
53. 100+ LLM & RL Algorithm Maps | 原创 LLM / RL 100+原理图
54. Reforço da aprendizagem de grandes modelos de linguagem
55. NanoChat: O melhor ChatGPT que $100 pode comprar.
56. CS146S de Stanford: O Desenvolvimento de Software Moderno
57. Reforço da aprendizagem de grandes modelos de linguagem

Voltar ao topo

Tutórico

1. Saiba como aplicar grandes modelos.
2. Canal do Desenvolvimento de IA
3. Estação B: Five Mile Tea Club
4. Estação B: Kim Yu Cheney
5. YTB:AI a qualquer momento
6. Estação B: Penny.
7. Guia de Engenharia Prompt
8. YTB: hiperárea de IA
9. Estação B: TechBeat Comunidade de Inteligência Artificial
10. Estação B: Huang Huiga
11. Estação B: Estudo aprofundado do processo de línguas naturais
12. Visualização LLM
13. Conheça o homem de pedra
14. Estação B: Blacky fala sobre IA.
15. Local B: Engenheiro de veículos na parede frontal
16. Estação B: Ai Wen Cheol
17. Modelos de linguagem grandes (LMLs) com notebooks Colab
18. YTB: Tecnologia IBM
19. YTB: Unify Reading Paper Group
20. Chip Huyen
21. How Much VRAM
22. Blog: Espaço científico (Swordlin)
23. YTB: Hyung Won Chung
24. Blog: Tejaswi kashyap
25. Blogue: Blog pequeno
26. Saber: ybq
27. Artigos W&B
28. Huggingface Blog
29. Blog: GbyAI
30. Blog: mlabonne
31. LLM-Action
32. Blog: Lil’Log (OponAI)
33. Estação B: Mao Yuen
34. AI-Guide-and-Demos
35. cnblog: sétimo filho
36. Implementation of all RAG techniques in a simpler way.
37. Aprendido teórico da máquina: um manual para todos
38. 鱼皮的 Vibe Coding 零基础教程

Voltar ao topo

Papel

[!NOTE] □Huggingface Daily Papers□Cool Papers□ML Papers Explained

1. Hermes-3-Relatório Técnico
2. O relatório de modelos Llama 3
3. Relatório técnico Qwen
4. Qwen2 Relatório técnico
5. Relatório técnico
6. DeepSeek LLM: Escala de modelos de linguagem de código aberto com longo prazo
7. DeepSeek-V2: Modelo de linguagem forte, economia e eficiência
8. Baichuan 2: Abra modelos de linguagem em grande escala
9. DataComp-LM: Em busca da próxima geração de conjuntos de treinamento para modelos de linguagem
10. OLMo: Acelerando a Ciência dos Modelos Linguísticos
11. MAP-Neo: Altamente Capaz e Transparente Bilíngue Série de Modelo de Língua Grande
12. Chinês pequeno LLM: Pré-treino de um modelo de língua grande chinês-Centro
13. Relatório técnico Phi-3: Um modelo de linguagem altamente capaz de localizar em seu telefone
14. Jamba-1.5: Modelos híbrido-mamba em Atlántico
15. Jamba: Um modelo de linguagem híbrido transformador-mamba
16. Livros de texto são tudo o que você precisa
17. Libertando o poder dos dados Tsunami: Uma pesquisa abrangente sobre avaliação de dados e seleção para a integração de instrumentos de modelos de linguagem data
18. OLMoE: Modelos de linguagem de mistura aberta de especialistas
19. Model Merging Paper
20. Relatório Técnico Baichuan-Omni
21. Relatório Técnico de 1.5-Pints: Pré-treino em Dias, Não Meses – Seu Modelo de Linguagem Gosta de Dados de Qualidade
22. Relatório Técnico de Alinhamento de Baichuan
23. Hunyuan-Large: Um modelo de MoE de código aberto com 52 parâmetros ativados de bilhões por Tencent
24. Molmo e PixMo: Pesos abertos e dados abertos para modelos multimodais de ponta
25. TÜLU 3: empurando frentes em linguagem aberta modelo pós-treino
26. Relatório Técnico Phi-4
27. Expandindo limites de desenvolvimento de modelos multimodais de código aberto com modelo, dados e escala de tempo de teste
28. Qwen2.5 Relatório técnico
29. YuLan-Mini: um modelo de linguagem aberta eficiente em dados
30. Introdução à modelagem da visão-língue
31. DeepSeek V3 Technical Report
32. 2 OLMo 2 Furioso
33. Relatório Técnico Yi-Lightning
34. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
35. KIMI K1.5
36. Águia 2: Construindo estratégias de dados pós-treino de Scratch para modelos de visão-língua de fronteira
37. Relatório técnico Qwen2.5-VL
38. Baichuan-M1: Empreendendo a capacidade médica de grandes modelos de linguagem
39. Escala pré-visível: Parte I — Lei de escala de hiperparâmetros ideais em modelo de linguagem grande Pré-treino
40. SkyLadder: Melhor e Mais Rápido Pré-treino via Programação de Janelas de Contexto
41. Qwen2.5-Omni technical report
42. Cada contagem de FLOP: escalando uma mistura 300B de especialistas LING LLM sem GPUs Premium
43. Gemma 3 Relatório Técnico
44. Open-Qwen2VL: Pré-Formação Computador-Eficiente de LLMs Multimodal Totalmente Abertos em Recursos Acadêmicos
45. Pangu Ultra: Empreendendo os limites dos modelos de linguagem grande densa em NPUs ascendentes
46. MiMo: Unlocking the Reasoning Potential of Language Model – From Pretraining to Posttraining
47. Relatório Técnico Phi-4
48. Llama- Nemotron: Modelos de Raciocínio Eficientes
49. Qwen3 Technical Report
50. Relatório técnico MiMo- VL
51. ERNIE Technical Report
52. Relatório técnico Kwai Keye-VL
53. Kimi K2 Technical Report
54. KAT- V1: Relatório Técnico Kwai- AutoThink
55. Step3
56. Relatório técnico SAIL-VL2
57. LLaVA-OneVision-1.5: Framework totalmente aberto para Treino Multimodal Democratizado 85M-Midtraining Data 22M Instruct Data
58. Olmo3: Traçando um caminho através do fluxo do modelo para liderar AI de código aberto. Sítio Web
59. OpenMMReasoner
60. Relatório técnico Qwen3-VL

Voltar ao topo

Comunidade

1. A Comunidade Mágica.
2. HuggingFace
3. ModeloScope
4. Modelo Sábio
5. OpenCSG

Voltar ao topo

Modelo de protocolo de contexto MCP

1. O que é MCP? Qual é a tecnologia? Um vídeo compreende tudo sobre o MCP. Configuração do Windows MCP, Cursor, Cline usando MCP
2. O que é o MCP? Por que a próxima geração de normas de IA? Princípios MCP + Prática de Desenvolvimento! Use o MCP em Cursor, Claude, Cline para rasgar a IA verdadeiramente automatizada!
3. Escreva MCP de zero e libere-o online. É tão simples! Cheng

Agregação da ferramenta MCP:

1. Ferradura.
2. mcp.so
3. modelcontextprotocol/servers
4. mcp.ad
5. pulsemcp.com
6. awesome-mcp-servers
7. glama.ai
8. mcp.composio.dev
9. awesome-mcp-list
10. mcpo
11. FastMCP
12. sharemcp.cn
13. mcpstore.co
14. FastAPI-MCP
15. modelscope/mcp
16. mcpm.sh

Voltar ao topo

Competências

1. Agente Skills (Claude Skills) planjamento detalhado, um excelente vídeo.

2. Openclaw

3. awesome-claude-skills

4. Anthropics Skills

5. Competênciassmp

6. awesome-claude-skills

7. GarraHub

8. Mercado da aquicultura

9. Habilidades. Sh

10. awesome-agent-skills

11. llmbase

12. awesome-openclaw-skills

13. claude-scientific-skills

14. LLMs-Universal-Life-Science-and-Clinical-Skills-

15. SkillHub

16. LabClaw

17. Habilidades do modelcópio

18. Agente Habilidade

19. mmx-cli

20. hub cocoloop

Voltar ao topo

Abrir o1

[!NOTE]

A tecnologia aberta é a nossa busca eterna.

1. https://github.com/atfortes/Awesome-LLM-Reasoning
2. https://github.com/hijkzzz/Awesome-LLM-Strawberry
3. https://github.com/wjn1996/Awesome-LLM-Reasoning-Openai-o1-Survey
4. https://github.com/srush/awesome-o1
5. https://github.com/open-thought/system-2-research
6. https://github.com/ninehills/blog/issues/121
7. https://github.com/OpenSource-O1/Open-O1
8. https://github.com/GAIR-NLP/O1-Journey
9. https://github.com/marlaman/show-me
10. https://github.com/bklieger-groq/g1
11. https://github.com/Jaimboh/Llamaberry-Chain-of-Thought-Reasoning-in-AI
12. https://github.com/pseudotensor/open-strawberry
13. https://huggingface.co/collections/peakji/steiner-preview-6712c6987110ce932a44e9a6
14. https://github.com/SimpleBerry/LLaMA-O1
15. https://huggingface.co/collections/Skywork/skywork-o1-open-67453df58e12f6c3934738d0
16. https://huggingface.co/collections/Qwen/qwq-674762b79b75eac01735070a
17. https://github.com/SkyworkAI/skywork-o1-prm-inference
18. https://github.com/RifleZhang/LLaVA-Reasoner-DPO
19. https://github.com/ADaM-BJTU
20. https://github.com/ADaM-BJTU/OpenRFT
21. https://github.com/RUCAIBox/Slow_Thinking_with_LLMs
22. https://github.com/richards199999/Thinking-Claude
23. https://huggingface.co/AGI-0/Art-v0-3B
24. https://huggingface.co/deepseek-ai/DeepSeek-R1
25. https://huggingface.co/deepseek-ai/DeepSeek-R1-Zero
26. https://github.com/huggingface/open-r1
27. https://github.com/hkust-nlp/simpleRL-reason
28. https://github.com/Jiayi-Pan/TinyZero
29. https://github.com/baichuan-inc/Baichuan-M1-14B
30. https://github.com/EvolvingLMMs-Lab/open-r1-multimodal
31. https://github.com/open-thoughts/open-thoughts
32. Mini-R1: https://www.philschmid.de/mini-deepseek-r1
33. LLaMA-Berry: https://arxiv.org/abs/2410.02884
34. MCTS-DPO: https://arxiv.org/abs/2405.00451
35. OpenR: https://github.com/openreasoner/openr
36. https://arxiv.org/abs/2410.02725
37. LLaVA-o1: https://arxiv.org/abs/2411.10440
38. Marco-o1: https://arxiv.org/abs/2411.14405
39. OpenAI o1 report: https://openai.com/index/deliberative-alignment
40. DRT-o1: https://github.com/krystalan/DRT-o1
41. Virgo：https://arxiv.org/abs/2501.01904
42. HuatuoGPT-o1：https://arxiv.org/abs/2412.18925
43. o1 roadmap：https://arxiv.org/abs/2412.14135
44. Mulberry：https://arxiv.org/abs/2412.18319
45. https://arxiv.org/abs/2412.09413
46. https://arxiv.org/abs/2501.02497
47. Search-o1:https://arxiv.org/abs/2501.05366v1
48. https://arxiv.org/abs/2501.18585
49. https://github.com/simplescaling/s1
50. https://github.com/Deep-Agent/R1-V
51. https://github.com/StarRing2022/R1-Nature
52. https://github.com/Unakar/Logic-RL
53. https://github.com/datawhalechina/unlock-deepseek
54. https://github.com/GAIR-NLP/LIMO
55. https://github.com/Zeyi-Lin/easy-r1
56. https://github.com/jackfsuia/nanoRLHF/tree/main/examples/r1-v0
57. https://github.com/FanqingM/R1-Multimodal-Journey
58. https://github.com/dhcode-cpp/X-R1
59. https://github.com/agentica-project/deepscaler
60. https://github.com/ZihanWang314/RAGEN
61. https://github.com/sail-sg/oat-zero
62. https://github.com/TideDra/lmm-r1
63. https://github.com/FlagAI-Open/OpenSeek
64. https://github.com/SwanHubX/ascend_r1_turtorial
65. https://github.com/om-ai-lab/VLM-R1
66. https://github.com/wizardlancet/diagnosis_zero
67. https://github.com/lsdefine/simple_GRPO
68. https://github.com/brendanhogan/DeepSeekRL-Extended
69. https://github.com/Wang-Xiaodong1899/Open-R1-Video
70. https://github.com/lsdefine/simple_GRPO
71. https://github.com/Open-Reasoner-Zero/Open-Reasoner-Zero
72. https://github.com/lucasjinreal/Namo-R1
73. https://github.com/hiyouga/EasyR1
74. https://github.com/Fancy-MLLM/R1-Onevision
75. https://github.com/tulerfeng/Video-R1
76. https://huggingface.co/qihoo360/TinyR1-32B-Preview
77. https://github.com/facebookresearch/swe-rl
78. https://github.com/turningpoint-ai/VisualThinker-R1-Zero
79. https://github.com/yuyq96/R1-Vision
80. https://github.com/sungatetop/deepseek-r1-vision
81. https://huggingface.co/qihoo360/Light-R1-32B
82. https://github.com/Liuziyu77/Visual-RFT
83. https://github.com/Mohammadjafari80/GSM8K-RLVR
84. https://github.com/ModalMinds/MM-EUREKA
85. https://github.com/joey00072/nanoGRPO
86. https://github.com/PeterGriffinJin/Search-R1
87. https://openi.pcl.ac.cn/PCL-Reasoner/GRPO-Training-Suite
88. https://github.com/dvlab-research/Seg-Zero
89. https://github.com/HumanMLLM/R1-Omni
90. https://github.com/OpenManus/OpenManus-RL
91. https://arxiv.org/pdf/2503.07536
92. https://github.com/Osilly/Vision-R1
93. https://github.com/LengSicong/MMR1
94. https://github.com/phonism/CP-Zero
95. https://github.com/SkyworkAI/Skywork-R1V
96. https://arxiv.org/abs/2503.13939v1
97. https://github.com/0russwest0/Agent-R1
98. https://github.com/MetabrainAGI/Awaker2.5-R1
99. https://github.com/LG-AI-EXAONE/EXAONE-Deep
100. https://github.com/qiufengqijun/open-r1-reprod
101. https://github.com/SUFE-AIFLM-Lab/Fin-R1
102. https://github.com/sail-sg/understand-r1-zero
103. https://github.com/baibizhe/Efficient-R1-VLLM
104. https://github.com/hkust-nlp/simpleRL-reason
105. https://arxiv.org/abs/2502.19655
106. https://arxiv.org/abs/2503.21620v1
107. https://arxiv.org/abs/2503.16081
108. https://github.com/ShadeCloak/ADORA
109. https://github.com/appletea233/Temporal-R1
110. https://github.com/inclusionAI/AReaL
111. https://github.com/lzhxmu/CPPO
112. https://arxiv.org/abs/2503.23829
113. https://github.com/TencentARC/SEED-Bench-R1
114. https://github.com/McGill-NLP/nano-aha-moment
115. https://github.com/VLM-RL/Ocean-R1
116. https://github.com/OpenGVLab/VideoChat-R1
117. https://github.com/ByteDance-Seed/Seed-Thinking-v1.5
118. https://github.com/SkyworkAI/Skywork-OR1
119. https://github.com/MoonshotAI/Kimi-VL
120. https://arxiv.org/abs/2504.08600
121. https://github.com/ZhangXJ199/TinyLLaVA-Video-R1
122. https://arxiv.org/abs/2504.11914
123. https://github.com/policy-gradient/GRPO-Zero
124. https://github.com/linkangheng/PR1
125. https://github.com/jiangxinke/Agentic-RAG-R1
126. https://github.com/shangshang-wang/Tina
127. https://github.com/aliyun/qwen-dianjin
128. https://github.com/RAGEN-AI/RAGEN
129. https://github.com/XiaomiMiMo/MiMo
130. https://github.com/yuanzhoulvpi2017/nano_rl
131. https://huggingface.co/a-m-team/AM-Thinking-v1
132. https://huggingface.co/Intelligent-Internet/II-Medical-8B
133. https://github.com/CSfufu/Revisual-R1

Voltar ao topo

Abrir o3

1. Mini-o3: https://arxiv.org/abs/2509.07969
2. Simple-o3: https://arxiv.org/abs/2508.12109
3. Thyme: https://arxiv.org/abs/2508.11630
4. Open o3 Video: https://arxiv.org/abs/2510.20579

Voltar ao topo

Modelo de linguagem pequena

1. https://github.com/jiahe7ay/MINI_LLM
2. https://github.com/jingyaogong/minimind
3. https://github.com/DLLXW/baby-llama2-chinese
4. https://github.com/charent/ChatLM-mini-Chinese
5. https://github.com/wdndev/tiny-llm-zh
6. https://github.com/Tongjilibo/build_MiniLLM_from_scratch
7. https://github.com/jzhang38/TinyLlama
8. https://github.com/AI-Study-Han/Zero-Chatgpt
9. https://github.com/loubnabnl/nanotron-smol-cluster (使用Cosmopedia训练cosmo-1b)
10. https://github.com/charent/Phi2-mini-Chinese
11. https://github.com/allenai/OLMo
12. https://github.com/keeeeenw/MicroLlama
13. https://github.com/Chinese-Tiny-LLM/Chinese-Tiny-LLM
14. https://github.com/leeguandong/MiniLLaMA3
15. https://github.com/Pints-AI/1.5-Pints
16. https://github.com/zhanshijinwat/Steel-LLM
17. https://github.com/RUC-GSAI/YuLan-Mini
18. https://github.com/Om-Alve/smolGPT
19. https://github.com/skyzh/tiny-llm
20. https://github.com/qibin0506/Cortex
21. https://github.com/huggingface/picotron
22. https://github.com/Alic-Li/Mini_RWKV_7
23. https://huggingface.co/Nanbeige/Nanbeige4-3B-Thinking-2511 23T tokens Modelo de Formação Preparatória
24. https://github.com/stepfun-ai/SteptronOss
25. https://github.com/huggingface/nanowhale
26. https://github.com/OpenBMB/ForgeTrain
27. https://github.com/vukrosic/glm-5.3-flash-from-scratch

Voltar ao topo

Modelo de linguagem de vídeo pequeno

1. https://github.com/jingyaogong/minimind-v
2. https://github.com/yuanzhoulvpi2017/zero_nlp/tree/main/train_llava
3. https://github.com/AI-Study-Han/Zero-Qwen-VL
4. https://github.com/Coobiw/MPP-LLaVA
5. https://github.com/qnguyen3/nanoLLaVA
6. https://github.com/TinyLLaVA/TinyLLaVA_Factory
7. https://github.com/ZhangXJ199/TinyLLaVA-Video
8. https://github.com/Emericen/tiny-qwen
9. https://github.com/merveenoyan/smol-vision
10. https://github.com/huggingface/nanoVLM
11. https://github.com/GeeeekExplorer/nano-vllm
12. https://github.com/ritabratamaiti/AnyModal
13. https://github.com/yujunhuics/Reyes
14. https://github.com/Victorwz/Open-Qwen2VL
15. https://github.com/jingyaogong/minimind-o

Voltar ao topo

Dicas de Habilidades

1. O que nos prendemos de um ano de construção com LLMs (Parte I)
2. O que nos prendemos de um ano de construção com LLMs (Parte II)
3. O que nos prendemos de um ano de construção com LLMs (Parte III): Estratégia
4. LLM
5. LLMs para Classificação de Texto: Um Guia para Aprendizagem Supervisionada
6. Classificação de texto não supervisionado: categorizar linguagem natural com LLMs
7. Classificação de texto com LLMs: Um resumo dos melhores métodos
8. Preços LLM
9. Uncensor any LLM with abliteration
10. Tiny LLM Universe
11. Zero-Chatgpt
12. Zero-Qwen-VL
13. finetune-Qwen2-VL
14. MPP-LLaVA
15. build_MiniLLM_from_scratch
16. Tiny LLM zh
17. MiniMind: 3 horas para treinar totalmente de 0 um GPT com um pequeno parâmetro de apenas 26M, com um mínimo de 2G placas gráficas para raciocinar.
18. LLM-TravelPara compreender, explorar e realizar tecnologias, princípios e aplicações associados a grandes modelos
19. Descrição de conhecimento: Ensinando LLM’s com dados sintéticos
20. Parte 1: Métodos de adaptação de grandes modelos linguísticos
21. Parte 2: Afinar ou não
22. Parte 3: Como ajustar: Foto em conjunto de dados eficazes
23. Reader-LM: Modelos de linguagem pequenos para limpeza e conversação de HTML para Markdown
24. LLMs se aplicam para construir o coração de um ano
25. LLM Treinário - Pré-treino
26. pytorch-llama: LLaMA 2 implementado do zero em PyTorch.
27. Preference Optimization for Vision Language Models with TRL □support model□
28. Fine-tuning visual language models using SFTTrainer □docs□
29. Um Guia Visual para Mistura de Especialistas (MoE)
30. Role-Playing em grandes modelos de linguagem como ChatGPT
31. Distributed Training Guide: Melhores práticas e guias sobre como escrever código de treinamento distribuído pytorch.
32. Modelos de conversação
33. Top 20+ Perguntas de entrevista do RAG
34. LLM-Dojo 开源大模型学习场所，使用简洁且易阅读的代码构建模型训练框架
35. o1 não é um modelo de chat (e esse é o ponto)
36. Feito Pesquisar rápida compreensão e resolução de código
37. Diversificação da geração de texto baseado no método transformador(): significativo de parâmetro e compreensão algorítmica Read
38. The Ultra-Scale Playbook: Training LLMs on GPU Clusters

Voltar ao topo

Contribuidor:

Se você acha que este projeto vai ajudá-lo, por favor, cite:

@misc{wang2024llm,
      title={awesome-LLM-resourses},
      author={Rongsheng Wang},
      year={2024},
      publisher = {GitHub},
      journal = {GitHub repository},
      howpublished = {\url{https://github.com/WangRongsheng/awesome-LLM-resourses}},
}