#anthropic-api Repositories
Entdecke 35 aktive Open-Source-GitHub-Repositories, die mit #anthropic-api getaggt sind und insgesamt 105,125 Sterne gesammelt haben (durchschnittlich 3,003 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist anthropics/prompt-eng-interactive-tutorial mit 39,606 Sternen.
Insgesamt 35 Repositories
Der KI-Arbeitsbereich für Experten. Wechseln Sie während des Chats zwischen über 800 Modellen, passen Sie mehr als 40 Parameter an und vergleichen Sie Beam-Modelle nebeneinander. Verwenden Sie Ihre eigenen Schlüssel und hosten Sie es selbst. Auf unserer nativen Protokoll-Engine aufgebaut: zuverlässig, hochgradig konfigurierbar und schnell.
⚡️ Open-Source AI-Gateway — Verwenden Sie jedes SDK, um 100+ LLMs aufzurufen. Integrierte Failover-, Lastverteilungs-, Kostenkontroll- und End-to-End-Tracking-Funktionen.
Rapid-MLX ist ein Open-Source-LLM-Inferenzserver (Apache 2.0) für Apple Silicon, kompatibel mit OpenAI und Anthropic, auf MLX aufgebaut und auf zuverlässige Tool-Aufrufe für Coding-Agenten ausgerichtet. Mit denselben Gewichten bis zu 4× schneller als Apples MLX (mlx-lm).
Führen Sie GLM-5.3 (744B), DeepSeek-V4.1-Flash (748B), MiniMax-M3.1-Flash (428B), GLM-5.3-Flash (321B) und Hy4-Flash (220B) auf Ihren eigenen GPUs aus – ab 8 GB VRAM, mit Unterstützung für NVIDIA und AMD, einem einzigen Dashboard sowie einer mit OpenAI und Anthropic kompatiblen API.
Selbstgehosteter LLM-Router mit verwaltetem Sicherheitsnetz. OpenAI-kompatibel. BYOK. Einzelner Arbeitsbereich. Streaming. Für fortgeschrittenes Routing wählen Sie den gehosteten OrcaRouter.
Wechseln Sie zwischen Claude-Konten, Gemini, Copilot, OpenRouter (über 300 Modelle) über den CLIProxyAPI OAuth-Proxy. Visuelles Dashboard, Unterstützung für Remote-Proxy, WebSearch-Fallback. Von Null-Konfiguration bis zur Produktionsreife.
Minimal Claude Code Alternative. Eine einzelne Python-Datei, keine Abhängigkeiten, ~250 Zeilen.
Native LLM-Inferenzserver für Apple Silicon. Kompatibel mit den APIs von OpenAI und Anthropic. Ohne Python. macOS-App mit Zig-Backend und Swift-Frontend für die Generierung von Chats, Musik, Sprache und Videos.
Durchführen einfacher Abrufe von LLM-Modellen mit verschiedenen Kontextlängen zur Messung der Genauigkeit
Zugriff auf Anthropic's "Safety-First"-Sprachmodell-APIs in TypeScript
Hochleistungs-LLM-Inferenzserver, kompatibel mit OpenAI und Anthropic, für Apple Silicon. Natives MLX, kontinuierliches Batching, multimodale Modelle, MCP-Toolaufrufe und Claude-Code-Unterstützung.
Das "Company Researcher"-Tool hilft Ihnen, jedes Unternehmen sofort bis ins kleinste Detail zu verstehen.
Führen Sie große KI-Modelle auf Ihrem eigenen PC aus: Qwen3.8-Flash-Next mit der Engine von Strata sowie GLM 5.3 Flash, DeepSeek V4 Flash, LFM2.5, Qwen3.6, Ornith 1.5, Gemma 4, Tiel Coder und MiniCPM-V mit einer zweiten Engine, die für PolyStrata entwickelt wurde. Ein-Klick-Installation für Windows und Linux, mit OpenAI-/Anthropic-API auf localhost.
NeuroAPI: Russische KI-API für Codex CLI und Claude Code — sichere Ein-Klick-Installationsprogramme für Windows und macOS.
Ein KI-gestütztes Smart-Vokabeltool mit Funktionen wie Ein-Klick-Vokabelaufbau und geschichtenbasiertem Auswendiglernen.
MLX Studio – Die einfachste Möglichkeit, LLMs auf deinem Mac auszuführen. Eine All-in-One-Engine.
Multi-Anbieter-Client für generative KI in Rust (Ollama, OpenAI, Anthropic, Gemini, DeepSeek, ZAI, OpenRouter, FireworksAI, xAI/Grok, Groq, ... )
vMLX – MLX-Modelle einfach verwenden – JANGQ (GGUF für MLX) – Keine Abhängigkeit von mlx_vlm
Lokales, Anthropic-kompatibles KI-Gateway mit Routing, das kostengünstige Optionen bevorzugt, Qualitätsprüfungen, sicheren Modellwechseln und integriertem Kosten-Dashboard.
Open-Modelle der Spitzenklasse auf einer kostenlosen Kaggle-TPU v5e-8: GLM-5.3-Flash 320B MoE (~165 Tok/s, mit unserer eigenen JAX-Engine) und Qwen3.8-27B bf16 (~130 Tok/s), 262k Kontext und Präfix-Caching. Funktioniert mit Claude Code, Codex, opencode und pi.
just-prompt ist ein MCP-Server, der eine einheitliche Schnittstelle zu führenden LLM-Anbietern (OpenAI, Anthropic, Google Gemini, Groq, DeepSeek und Ollama) bietet
Engine-agnostisches LLM-Gateway in Rust. Vollständige Kompatibilität mit den OpenAI- und Anthropic-APIs für vLLM, TRT-LLM, TokenSpeed, SGLang, OpenAI, Gemini und weitere. Branchenweit erste gRPC-Pipeline, KV-Cache-bewusstes Routing, Chatverlauf, Tokenisierungs-Caching, Responses API, Embeddings, WASM-Plugins, MCP und mandantenfähige Authentifizierung.
Ein Open-Source Multi-Provider KI-gestütztes CLI-Entwicklungswerkzeug. Verwenden Sie die LLM Ihrer Wahl, um in Ihrem Terminal zu codieren.
Ein automatisiertes KI-System (Python-Framework), das entwickelt wurde, um jede Art von Website-Inhalt zu analysieren und strukturierte Berichte unter Verwendung der Claude 3.5 Sonnet API und Firecrawl zu generieren. Während es derzeit für Enterprise-KI-Fallstudien konfiguriert ist, kann die Architektur für verschiedene Inhaltsanalyseanforderungen angepasst werden.
KI-Projekte für ein Wochenende. Für Entwickler: Erfordert Python oder Node.js, einen Anthropic-API-Schlüssel und Vertrautheit mit dem Terminal. Startcode und READMEs für jedes Projekt sind enthalten.
Verwandeln Sie Ihr Android-Telefon in einen mit OpenAI kompatiblen LLM-Inferenzserver – vollständig lokal, privat und Open Source
Erhalten Sie strukturierte, vollständig typisierte und validierte JSON-Ausgaben von OpenAI- und Anthropic-Modellen.
Lokaler API-Proxy für DeepSeek Web Chat mit Unterstützung für die OpenAI- und Anthropic-APIs, Streaming, Tool-Aufrufe, die Responses API und Open WebUI
Häufig gestellte Fragen
Welches ist das beliebteste #anthropic-api-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#anthropic-api-Projekt auf GitHub ist anthropics/prompt-eng-interactive-tutorial mit 39,606 Sternen. Anthropic's interaktiver Prompt-Engineering-Kurs
Welche Programmiersprachen werden in #anthropic-api-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #anthropic-api-Projekten auf GitHub sind Python, TypeScript, Jupyter Notebook, Go die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #anthropic-api-Repositories berechnet?
Wir verfolgen 35 aktive Open-Source-Repositories, die mit #anthropic-api getaggt sind (500+ Sterne), mit insgesamt 105,125 Sternen und durchschnittlich 3,003 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.