bytedance

एक ओपन-सोर्स लॉन्ग-हॉरिजन SuperAgent हार्नेस जो रिसर्च, कोडिंग और निर्माण करता है। सैंडबॉक्स, मेमोरी, टूल्स, स्किल, सबएजेंट और मैसेज गेटवे की मदद से, यह विभिन्न स्तरों के कार्यों को संभालता है जिनमें मिनटों से लेकर घंटों तक का समय लग सकता है।

The Open-Source Multimodal AI Agent Stack: अत्याधुनिक AI मॉडल और एजेंट इन्फ्रा को जोड़ना

Trae Agent सामान्य-उद्देश्य सॉफ़्टवेयर इंजीनियरिंग कार्यों के लिए एक LLM-आधारित एजेंट है।

नेटिव एजेंट्स के साथ स्वचालित GUI इंटरैक्शन में अग्रणी।

एक अत्यधिक तेज़ JSON सीरियलाइज़िंग और डीसीरियलाइज़िंग लाइब्रेरी

एक पार्सर के साथ HTML5 वीडियो प्लेयर जो डेटा बचाता है

“Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025 के लिए आधिकारिक रेपो।

FlowGram एक विस्तार योग्य वर्कफ़्लो विकास फ्रेमवर्क है जिसमें अंतर्निहित कैनवास, फॉर्म, वेरिएबल और सामग्रियां हैं जो डेवलपर्स को तेजी से और सरल तरीके से AI वर्कफ़्लो प्लेटफॉर्म बनाने में मदद करती हैं।

लिप सिंक के लिए Stable Diffusion को नियंत्रित करना!

🔥 [ICCV 2025 Highlight] InfiniteYou: आपकी पहचान को सुरक्षित रखते हुए लचीला फोटो रीक्राफ्टिंग

Elkeid एक ओपन सोर्स समाधान है जो होस्ट, कंटेनर और K8s, और सर्वरलेस जैसे विभिन्न वर्कलोड की सुरक्षा आवश्यकताओं को पूरा कर सकता है। यह ByteDance की आंतरिक सर्वोत्तम प्रथाओं से लिया गया है।

एक सार्वभौमिक Android PLT हुक लाइब्रेरी, जो armeabi-v7a, arm64-v8a, x86, x86_64 को सपोर्ट करती है

🔥🔥 btrace (जिसे RheaTrace भी कहा जाता है) Perfetto पर निर्मित एक उच्च-प्रदर्शन Android और iOS ट्रेसिंग टूल है। यह न केवल आपके तरीकों का समय तय करता है बल्कि यह भी बताता है कि वे धीमे क्यों हैं।

Fragment के साथ संगत Android Single Activity Framework।

सार्वभौमिक Android inline hook लाइब्रेरी, जो thumb, arm32, arm64 को सपोर्ट करती है

बेहतर प्रदर्शन के साथ एक RocksDB संगत KV स्टोरेज इंजन

Go के लिए यूनिवर्सल यूटिलिटीज़।

उच्च-सटीकता वाले ओपन-सोर्स बायोमॉलिक्यूलर संरचना पूर्वानुमान की ओर।

Appshark एंड्रॉइड ऐप में कमजोरियों को स्कैन करने के लिए एक स्टैटिक टेंट एनालिसिस प्लेटफॉर्म है।

Pixel-LLM कोडबेस के लिए आधिकारिक रेपो: Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (LSVOS के लिए पहला समाधान)

PaSa -- बड़े भाषा मॉडल द्वारा संचालित एक उन्नत पेपर सर्च एजेंट। यह जटिल विद्वानों के प्रश्नों के लिए व्यापक और सटीक परिणाम प्राप्त करने के लिए खोज टूल का आह्वान करने, पेपर पढ़ने और प्रासंगिक संदर्भों का चयन करने सहित स्वायत्त रूप से निर्णय ले सकता है।

[SIGGRAPH Asia 2025] DreamO: छवि अनुकूलन के लिए एक एकीकृत फ्रेमवर्क।

SALMONN परिवार: उन्नत मल्टी-मोडल LLMs का एक सूट

[ICCV 2025] 🔥🔥 UNO: सिंगल और मल्टी-सब्जेक्ट कंडीशनिंग दोनों के लिए एक यूनिवर्सल कस्टमाइजेशन मेथड

GPU पर टेंसर/एक्सपर्ट पैरेललिज्म के लिए एक तेज़ कम्युनिकेशन-ओवरलैपिंग लाइब्रेरी।

छवि और वीडियो को समझने, जनरेट करने और संपादित करने के लिए एक 3B-सक्रिय-पैरामीटर मूल एकीकृत मल्टीमॉडल मॉडल।

Bernini वीडियो जनरेशन और संपादन के लिए एक एकीकृत फ्रेमवर्क है जो MLLM-आधारित सिमेंटिक प्लानर को DiT-आधारित रेंडरर के साथ जोड़ता है।

[CVPR 2026] 🔥🔥 USO की आधिकारिक रिपॉजिटरी: डिसेंटैंगल्ड और रिवार्ड लर्निंग के माध्यम से यूनिफाइड स्टाइल और सब्जेक्ट-ड्रिवन जनरेशन

Fastbot(2.0) ऐप स्थिरता समस्याओं का पता लगाने के लिए GUI ट्रांज़िशन की मॉडलिंग करने हेतु एक मॉडल-आधारित परीक्षण टूल है

इस रिपो में 1D टोकेनाइज़र और जनरेटर के लिए कोड है

SIMD द्वारा त्वरित, एक तेज़ JSON सीरियलाइजिंग और डीसीरियलाइजिंग लाइब्रेरी।

ByteDance की आंतरिक सर्वोत्तम प्रथाओं से प्राप्त एक सरल और उपयोग में आसान Go मॉकिंग लाइब्रेरी।

एक बहु-पक्षीय सहयोगात्मक मशीन लर्निंग फ़्रेमवर्क

एंटरप्राइज-उन्मुख जेनेरिक प्रॉक्सी समाधान। अब मेंटेनेंस मोड में है, कृपया नए विकास कार्यों के लिए [VEY](https://github.com/VEY-OSS/vey) का उपयोग करें

[AAAI 2025] "ResAdapter: Domain Consistent Resolution Adapter for Diffusion Models" का आधिकारिक कोड।

एक अत्यधिक कस्टमाइज़ेबल स्ट्रीमिंग फ़्लो बिल्डर।

[ECCV 2026 Oral] DreamID-V: डिफ्यूजन ट्रांसफॉर्मर के माध्यम से हाई-फिडेलिटी फेस स्वैपिंग के लिए इमेज-टू-वीडियो गैप को पाटना

Vidi: Large Multimodal Models for Video Understanding and Editing के लिए आधिकारिक रिपॉजिटरी

ComfyUI Lumi Batcher, ComfyUI के लिए डिज़ाइन किया गया एक बैच प्रोसेसिंग एक्सटेंशन प्लगइन है, जिसका उद्देश्य वर्कफ़्लो डिबगिंग दक्षता में सुधार करना है। पारंपरिक डिबगिंग विधियों में मापदंडों को एक-एक करके समायोजित करने की आवश्यकता होती है, जबकि यह टूल बैच प्रोसेसिंग क्षमताओं के माध्यम से कार्य दक्षता को काफी बढ़ाता है।

[CVPR2024] SchurVINS: Schur कॉम्प्लीमेंट-आधारित हल्का विज़ुअल इनर्शियल नेविगेशन सिस्टम

[NeurIPS 2025] "XVerse: Consistent Multi-Subject Control of Identity and Semantic Attributes via DiT Modulation" का आधिकारिक कार्यान्वयन।

Tarsier -- बड़े पैमाने के वीडियो-लैंग्वेज मॉडल का एक परिवार, जिसे उच्च गुणवत्ता वाले वीडियो विवरण तैयार करने और सामान्य वीडियो समझ की अच्छी क्षमता के लिए डिज़ाइन किया गया है

SIGGRAPH 2024 पेपर "X-Portrait: Expressive Portrait Animation with Hierarchical Motion Attention" के लिए सोर्स कोड