#mixture-of-experts Repositorios
Descubre 78 repositorios activos de código abierto de GitHub etiquetados con #mixture-of-experts, que acumulan 392,641 estrellas en total (una media de 5,033 estrellas por proyecto). El líder de este tema es deepseek-ai/DeepSeek-V3, con 104,417 estrellas.
78 repositorios en total
DeepSpeed es una biblioteca de optimización de aprendizaje profundo que hace que el entrenamiento distribuido y la inferencia sean fáciles, eficientes y efectivos.
Un modelo Kimi K3 de 2,78 billones de parámetros ejecutando inferencia en una sola CPU con 8,24 GB de RAM. C99 portátil: sin BLAS, sin framework, sin GPU.
Kimi K2 es la serie de grandes modelos de lenguaje desarrollada por el equipo de Moonshot AI.
《Comprender en profundidad la infraestructura de IA: análisis cuantitativo y diseño de sistemas》 (por Li Bojie), un manuscrito de libro de código abierto: partiendo de las restricciones del hardware y de las arquitecturas de los modelos, deriva cuantitativamente el diseño de sistemas de inferencia y entrenamiento de LLM. Incluye el texto completo, el PDF, herramientas de cálculo complementarias y experimentos.
Herramientas de infraestructura de IA probadas en producción para el desarrollo eficiente de AGI y la innovación impulsada por la comunidad
DeepSeek-Coder-V2: Rompiendo la barrera de los modelos de código cerrado en inteligencia de código
DeepSeek-VL2: Modelos de Visión-Lenguaje Mixture-of-Experts para la Comprensión Multimodal Avanzada
fastllm es una biblioteca de inferencia de modelos de lenguaje grandes de alto rendimiento que no depende de ningún backend y le ayuda a ejecutar inferencias de forma eficiente en la mayoría de los dispositivos.
DeepSeek-V2: Un modelo de lenguaje de mezcla de expertos fuerte, económico y eficiente
Memoria condicional mediante búsqueda escalable: Un nuevo eje de esparsidad para modelos de lenguaje grandes
Qwen3.8 es una serie de modelos de lenguaje de gran escala desarrollada por el equipo de Qwen de Alibaba Group.
Miles es un marco de aprendizaje por refuerzo orientado a empresas para el post-entrenamiento de LLM y VLM, derivado de y co-evolucionando con slime.
Ejecuta GLM-5.3 (744B), DeepSeek-V4.1-Flash (748B), MiniMax-M3.1-Flash (428B), GLM-5.3-Flash (321B) y Hy4-Flash (220B) en tus propias GPU: desde 8 GB de VRAM, compatibles con NVIDIA y AMD, un solo panel de control y una API compatible con OpenAI y Anthropic.
Construyendo grandes modelos desde cero: una práctica completa desde el preentrenamiento hasta RLHF
Aprendizaje profundo descentralizado en PyTorch. Construido para entrenar modelos en miles de voluntarios en todo el mundo.
Monkey (LMM): La resolución de imagen y la etiqueta de texto son importantes para los modelos multimodales grandes (CVPR 2024 Highlight)
DeepSeekMoE: Hacia la especialización definitiva de expertos en modelos de lenguaje Mixture-of-Experts
Una familia de modelos de lenguaje grandes Mixture-of-Experts (MoE) de código abierto
Reimplementación del modelo pi0 de visión-lenguaje-acción (VLA) de Physical Intelligence
Grandes Modelos de Spiking inspirados en el Cerebro, que integran atención híbrida eficiente, módulos MoE y codificación de espigas en su arquitectura
Inferencia local con un comportamiento similar al de una API de vanguardia: Qwen3.8-Flash-Next en AMD Strix Halo, junto con pequeños modelos NPU, a través de las API de OpenAI y Anthropic en un mismo puerto.
MiMo-V2-Flash: Razonamiento, codificación y modelo fundacional agentico eficiente
Inferencia en CPU sin GPU para modelos MoE de 30B–284B (Qwen3.8 176.5B certificado con caché fría en Cgroup v2 de 28,26/48,35 GiB, DeepSeek-V4 284B, Nemotron-30B) + RouteCrack 2.0.
Ejecuta grandes modelos de IA en tu propio PC: Qwen3.8-Flash-Next con el motor de Strata, y GLM 5.3 Flash, DeepSeek V4 Flash, LFM2.5, Qwen3.6, Ornith 1.5, Gemma 4, Tiel Coder y MiniCPM-V con un segundo motor creado para PolyStrata. Instalación con un clic para Windows y Linux, con una API de OpenAI/Anthropic en localhost.
Ejecuta modelos que superan la capacidad de tu RAM o VRAM transmitiendo expertos MoE desde un SSD. Basado en llama.cpp.
Una colección de cosas IMPRESIONANTES sobre modelos de mezcla de expertos
Reimplementación en PyTorch de "The Sparsely-Gated Mixture-of-Experts Layer" por Noam Shazeer et al. https://arxiv.org/abs/1701.06538
Kimi-VL: Modelo Visión-Lenguaje de Mezcla de Expertos para Razonamiento Multimodal, Comprensión de Largo Contexto y Fuertes Capacidades de Agente
Preguntas frecuentes
¿Cuál es el repositorio de #mixture-of-experts más popular en GitHub?
El proyecto de código abierto de #mixture-of-experts mejor posicionado en GitHub es deepseek-ai/DeepSeek-V3, con 104,417 estrellas.
¿Qué lenguajes de programación se utilizan más en los repositorios de #mixture-of-experts?
Entre los proyectos de #mixture-of-experts mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Jupyter Notebook, C.
¿Cómo se calcula la clasificación de los repositorios de #mixture-of-experts?
Seguimos 78 repositorios activos de código abierto etiquetados con #mixture-of-experts (500+ estrellas), que suman un total de 392,641 estrellas, con una media de 5,033 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.