qwen

Eine neuartige Architektur für multimodale große Sprachmodelle (MLLM), die darauf ausgelegt ist, visuelle und textuelle Einbettungen strukturell auszurichten.

Lokale KI-App und Inferenz-Engine für Agenten. Führen Sie Open-Weight-LLMs lokal aus — privat, 100% offline auf Ihrem Computer. Treten Sie unserem Discord bei: https://discord.com/invite/8wGSsvmg4V

Parallax ist ein verteiltes Model-Serving-Framework, mit dem Sie überall Ihr eigenes KI-Cluster aufbauen können

Forschung zur DeepSeek-Engram-Architektur basierend auf der Qwen-3- und Stable-Diffusion-Serie.

Zusammenführung herausragender Open-Source-Projekte im Bereich der künstlichen Intelligenz (KI) aus der ganzen Welt.

Qwen3.8-27B on a single RTX 3090 with vLLM: ~1,000 tok/s at 64 concurrent (int8 tensor-core GEMMs, fp16 DeltaNet state), ~114 tok/s single-user at default sampling / ~124 greedy (MTP drafts, own-output draft vocab, calibrated int4 lm_head, split-KV verify attention), 150k-262k context; patches, requant scripts, benchmarks

GraphGen: Verbesserung des Supervised Fine-Tuning für LLMs durch wissensbasierte synthetische Datengenerierung

Ein Desktop-MCP-Client, konzipiert als einheitliche Werkzeugintegration, der die KI-Einführung durch das Model Context Protocol (MCP) beschleunigt und eine herstellerübergreifende LLM-API-Orchestrierung ermöglicht.

Chatte mit KI-Sprachmodellen, die nativ in deinem Browser laufen. Genieße private, serverfreie und nahtlose KI-Gespräche.

Ein LLM-gestützter Repository-Agent, der Entwickler und Teams dabei unterstützt, schnell Dokumentationen zu erstellen und Repositories zu verstehen.

Ein Full-Stack-Algorithmen-Tutorial von NLP bis LLM, Online-Leseadresse: https://datawhalechina.github.io/base-llm/

Open-Source-KI-Browser-Agent für Chrome und Firefox (Monorepo) 🧠

Multimodales RL-Trainingsframework für Diffusions- und Omni-Modelle

Generierung von Bildern aus beliebigen Kameraperspektiven mittels interaktiver 3D-Steuerung. Bewegen Sie die Kamera im 3D-Raum oder nutzen Sie Schieberegler für Azimut, Elevation und Distanz. Erstellt mit Three.js und Gradio, zweisprachige Benutzeroberfläche (ZH/EN).

MAC (Multi-Agent CAD): Ein entkoppeltes Multi-Agenten-Framework für Text-zu-CAD-Generierung über constrained test-time compute.

🚀 Codex Mobile überall ausführen: Linux, Windows oder Termux auf Android 🚀

Bereitsstellung beliebiger KI-Modelle, Agenten, Datenbanken, RAGs und Pipelines lokal oder remote innerhalb von Minuten

🤖✨ ChatMLX ist eine moderne, Open-Source-Hochleistungs-Chatanwendung für macOS basierend auf großen Sprachmodellen.

🚀🚀🚀 Eine Sammlung großartiger öffentlicher Projekte zu Large Language Models (LLM), Vision Language Models (VLM), Vision Language Action (VLA), AI Generated Content (AIGC) sowie den zugehörigen Datensätzen und Anwendungen.

Training und Fine-Tuning mit Lichtgeschwindigkeit

Ein 1B-LLM mit 1T Token von Grund auf selbst trainieren

♾️ Private Agenten-Flotte mit Spec Coding. Jeder Agent erhält seinen eigenen GPU-beschleunigten Desktop. Führen Sie Claude, Codex, Gemini und offene Modelle auf einem vollständigen privaten AI Stack aus ♾️

Verbalized Sampling, eine trainingsfreie Prompting-Strategie zur Minderung von Mode Collapse in LLMs durch Anforderung von Antworten mit Wahrscheinlichkeiten. Erreicht eine 2- bis 3-fache Verbesserung der Vielfalt bei gleichbleibender Qualität. Modellagnostisches Framework mit CLI/API für kreatives Schreiben, synthetische Datengenerierung und Dialogsimulation.

Echtzeit-Sprachassistent — WebRTC-Streaming, faster-whisper ASR, lokales LLM, Vui Nano (300M) TTS. Kompatibel mit der OpenAI Realtime API. Sprachklonen, Barge-in, ca. 9-fache Echtzeit auf einer 4090. Apache 2.0.

Dingo: Ein umfassendes Tool zur Qualitätsbewertung von KI-Daten, -Modellen und -Anwendungen

MimikaStudio - Eine Local-First-Anwendung für macOS (Apple Silicon) + Agentic MCP Support

🐋MindChat: Gespräche über den Lebensweg, dem Frost und Wind mit einem Lächeln begegnen

Persönliches Projekt: MPP-Qwen14B & MPP-Qwen-Next (Multimodale Pipeline-Parallelisierung basierend auf Qwen-LM). Unterstützt [Video/Bild/Multi-Bild] {SFT/Konversationen}. Lassen Sie sich nicht von Armut in Ihrer Vorstellungskraft einschränken! Trainieren Sie Ihr eigenes LLaVA-ähnliches MLLM (8B/14B) auf einer RTX3090/4090 mit 24 GB.

Reines Rust + CUDA LLM-Inferenz-Engine — kein PyTorch, OpenAI-kompatibel, bedient Qwen3 bis Kimi-K2

Awesome-LLM-Eval: eine kuratierte Liste von Tools, Datensätzen/Benchmarks, Demos, Bestenlisten, Papers, Dokumenten und Modellen, hauptsächlich zur Evaluierung von LLMs.