Git Stars Git Stars

#mllm Repositorios

Descubre 39 repositorios activos de código abierto de GitHub etiquetados con #mllm, que acumulan 95,941 estrellas en total (una media de 2,460 estrellas por proyecto). El líder de este tema es microsoft/unilm, con 22,247 estrellas.

39
Total de Repositorios
95,941
Total de estrellas
2,460
Promedio de Estrellas/Repo

39 repositorios en total

1
microsoft/unilm

Entrenamiento previo auto-supervisado a gran escala a través de tareas, idiomas y modalidades

microsoft
⭐ 22,247 Python 👤 microsoft Organization 🕐 Actualizado 2026-09-21 📅 Creado 2019-07-23
2
simular-ai/Agent-S

Agent S: agentes de código abierto de última generación para interactuar con computadoras

simular-ai
⭐ 13,014 Python 👤 simular-ai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-10-09
3
X-PLUG/MobileAgent

Mobile-Agent: La potente familia de agentes GUI

X-PLUG
⭐ 9,396 Python 👤 X-PLUG Organization 🕐 Actualizado 2026-11-03 📅 Creado 2024-01-26
4
manycore-research/SpatialLM

[NeurIPS 2025] SpatialLM: Training Large Language Models for Structured Indoor Modeling

manycore-research
⭐ 5,165 Python 👤 manycore-research Organization 🕐 Actualizado 2026-06-26 📅 Creado 2025-03-14
5
NVlabs/Eagle

Eagle: Modelos de Visión-Lenguaje Frontier con Estrategias Centradas en los Datos

NVlabs
⭐ 3,861 Python 👤 NVlabs Organization 🕐 Actualizado 2026-11-07 📅 Creado 2024-06-27
6
atfortes/Awesome-LLM-Reasoning

Desde el prompting Chain-of-Thought hasta OpenAI o1 y DeepSeek-R1 🍓

atfortes
⭐ 3,713 👤 atfortes User 🕐 Actualizado 2026-04-20 📅 Creado 2022-11-05
7
robbyant-research/MagicQuill

[CVPR'25] Implementaciones Oficiales para Artículos - MagicQuill: Un Sistema Inteligente Interactivo de Edición de Imágenes

robbyant-research
⭐ 3,676 Python 👤 robbyant-research Organization 🕐 Actualizado 2025-12-03 📅 Creado 2024-11-12
8
NExT-GPT/NExT-GPT

Código y modelos para el artículo de ICML 2024, NExT-GPT: Modelo de lenguaje grande multimodal de cualquiera a cualquiera

NExT-GPT
⭐ 3,626 Python 👤 NExT-GPT User 🕐 Actualizado 2025-05-13 📅 Creado 2023-08-30
9
InternLM/InternLM-XComposer

InternLM-XComposer2.5-OmniLive: Un sistema multimodal completo para interacciones de audio y video en streaming a largo plazo

InternLM
⭐ 2,925 Python 👤 InternLM Organization 🕐 Actualizado 2025-05-26 📅 Creado 2023-09-26
10
X-PLUG/mPLUG-DocOwl

mPLUG-DocOwl: Modelo de lenguaje grande multimodal modularizado para la comprensión de documentos

X-PLUG
⭐ 2,407 Python 👤 X-PLUG Organization 🕐 Actualizado 2025-05-30 📅 Creado 2023-07-04
11
cambrian-mllm/cambrian

Cambrian-1 es una familia de LLM multimodales con un diseño centrado en la visión.

cambrian-mllm
⭐ 2,013 Python 👤 cambrian-mllm Organization 🕐 Actualizado 2025-11-07 📅 Creado 2024-06-17
12
coderonion/awesome-yolo-object-detection

🚀🚀🚀 Una colección de algunos fantásticos proyectos de series públicas de detección de objetos YOLO y los conjuntos de datos de detección de objetos relacionados.

coderonion
⭐ 1,747 👤 coderonion User 🕐 Actualizado 2025-05-31 📅 Creado 2022-02-19
13
bytedance/Sa2VA

Repositorio oficial para la base de código de Pixel-LLM: Sa2VA (T-PAMI-26), SAMTok (CVPR-26), VRT (Arxiv-25), SaSaSa2VA (1.ª solución para LSVOS)

bytedance
⭐ 1,702 Python 👤 bytedance Organization 🕐 Actualizado 2026-10-30 📅 Creado 2025-01-06
14
IDEA-Research/Rex-Omni

[CVPR2026] Detecte todo mediante la predicción del próximo punto

IDEA-Research
⭐ 1,642 Jupyter Notebook 👤 IDEA-Research Organization 🕐 Actualizado 2026-02-22 📅 Creado 2025-10-04
15
gokayfem/awesome-vlm-architectures

Catálogo visual seleccionado de más de 200 arquitecturas de modelos de visión y lenguaje (VLM/MLLM): artículos, diagramas, recetas de entrenamiento, conjuntos de datos y una cronología de lanzamientos de agentes de IA multimodales.

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 Actualizado 2026-10-27 📅 Creado 2024-02-15
16
EvolvingLMMs-Lab/LLaVA-OneVision-2.5

Marco totalmente abierto para el entrenamiento multimodal democratizado

EvolvingLMMs-Lab
⭐ 1,245 Python 👤 EvolvingLMMs-Lab Organization 🕐 Actualizado 2026-11-18 📅 Creado 2025-09-16
17
BAAI-DCAI/Bunny

Una familia de modelos multimodales ligeros.

BAAI-DCAI
⭐ 1,049 Python 👤 BAAI-DCAI User 🕐 Actualizado 2024-11-18 📅 Creado 2024-01-31
18
taco-group/OpenEMMA

OpenEMMA, una "reproducción" de código abierto con licencia permisiva del modelo EMMA de Waymo.

taco-group
⭐ 937 Python 👤 taco-group Organization 🕐 Actualizado 2025-05-13 📅 Creado 2024-10-30
19
EvolvingLMMs-Lab/NEO

Serie NEO: Modelos nativos de visión-lenguaje desde los primeros principios

EvolvingLMMs-Lab
⭐ 931 Python 👤 EvolvingLMMs-Lab Organization 🕐 Actualizado 2026-11-11 📅 Creado 2025-10-16
20
LYL1015/JarvisArt

[NeurIPS' 2025] JarvisArt: Liberando la creatividad artística humana a través de un agente inteligente de retoque fotográfico

LYL1015
⭐ 880 Python 👤 LYL1015 User 🕐 Actualizado 2026-04-04 📅 Creado 2025-06-24
21
CircleRadon/Osprey

[CVPR2024] El código para "Osprey: Pixel Understanding with Visual Instruction Tuning"

CircleRadon
⭐ 843 Python 👤 CircleRadon User 🕐 Actualizado 2025-08-19 📅 Creado 2023-12-17
22
taco-group/4KAgent

[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. ¡Un agente inteligente de visión por computadora que puede restaurar mágicamente cualquier imagen a 4K perfectos!

taco-group
⭐ 830 Python 👤 taco-group Organization 🕐 Actualizado 2025-09-24 📅 Creado 2025-05-27
23
MIV-XJTU/FSDrive

[NeurIPS 2025 spotlight] Implementación oficial de "FutureSightDrive: Pensando visualmente con CoT espaciotemporal para la conducción autónoma"

MIV-XJTU
⭐ 818 Python 👤 MIV-XJTU Organization 🕐 Actualizado 2026-05-08 📅 Creado 2025-05-27
24
coderonion/awesome-llm-and-aigc

🚀🚀🚀Una colección de algunos proyectos públicos impresionantes sobre Modelos de Lenguaje Grandes (LLM), Modelos de Visión y Lenguaje (VLM), Acción Visión-Lenguaje (VLA), Contenido Generado por IA (AIGC), los Datasets y Aplicaciones relacionados.

coderonion
⭐ 810 👤 coderonion User 🕐 Actualizado 2025-08-01 📅 Creado 2023-02-15
25
OpenSenseNova/SenseNova-Vision

La visión como generación multimodal unificada

OpenSenseNova
⭐ 733 Python 👤 OpenSenseNova Organization 🕐 Actualizado 2026-09-01 📅 Creado 2026-06-29
26
ChocoWu/Awesome-Scene-Graph-Generation

Este es un repositorio para listar artículos sobre generación y aplicación de grafos de escena.

ChocoWu
⭐ 731 👤 ChocoWu User 🕐 Actualizado 2026-10-28 📅 Creado 2024-07-07
27
Coobiw/MPP-LLaVA

Proyecto Personal: MPP-Qwen14B & MPP-Qwen-Next (Pipeline Paralelo Multimodal basado en Qwen-LM). Soporta [video/imagen/multi-imagen] {sft/conversations}. ¡No dejes que la pobreza limite tu imaginación! Entrena tu propio MLLM 8B/14B similar a LLaVA-training en RTX3090/4090 24GB.

Coobiw
⭐ 678 Jupyter Notebook 👤 Coobiw User 🕐 Actualizado 2025-03-10 📅 Creado 2023-10-24
28
VITA-MLLM/Woodpecker

✨✨Woodpecker: Corrección de alucinaciones para modelos lingüísticos grandes multimodales

VITA-MLLM
⭐ 642 Python 👤 VITA-MLLM Organization 🕐 Actualizado 2024-12-23 📅 Creado 2023-09-26
29
zhipeixu/FakeShield

[ICLR 2025] FakeShield: Detección y localización explicable de falsificación de imágenes mediante modelos de lenguaje grandes multimodales

zhipeixu
⭐ 633 Python 👤 zhipeixu User 🕐 Actualizado 2026-02-21 📅 Creado 2024-10-03
30
ZebangCheng/Emotion-LLaMA

Emotion-LLaMA: Reconocimiento y Razonamiento Emocional Multimodal con Ajuste de Instrucciones

ZebangCheng
⭐ 632 Python 👤 ZebangCheng User 🕐 Actualizado 2026-09-23 📅 Creado 2024-05-22
31
MIV-XJTU/JanusVLN

[ICLR2026] Implementación oficial para "JanusVLN: Desacoplando Semántica y Espacialidad con Memoria Implícita Dual para Navegación Visión-Lenguaje"

MIV-XJTU
⭐ 599 Python 👤 MIV-XJTU Organization 🕐 Actualizado 2026-08-17 📅 Creado 2025-09-26
32
gokayfem/ComfyUI_VLM_nodes

Nodos de ComfyUI para modelos de visión-lenguaje: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Además de detección de vocabulario abierto, segmentación SAM2/SAM3, razonamiento temporal de video, GGUF a través de llama.cpp y APIs de LLM/VLM alojadas.

gokayfem
⭐ 592 Python 👤 gokayfem User 🕐 Actualizado 2026-08-08 📅 Creado 2024-01-24
33
FoundationVision/Groma

[ECCV2024] Modelo de Lenguaje Grande Multimodal Fundamentado con Tokenización Visual Localizada

FoundationVision
⭐ 582 Python 👤 FoundationVision Organization 🕐 Actualizado 2024-06-07 📅 Creado 2024-04-21
34
SkyworkAI/Vitron

NeurIPS 2024 Paper: Un LLM visual unificado a nivel de píxeles para comprender, generar, segmentar y editar

SkyworkAI
⭐ 578 Python 👤 SkyworkAI Organization 🕐 Actualizado 2024-10-20 📅 Creado 2024-03-18
35
uclanlp/OpenVLHarness

Código oficial de OpenVLHarness: uso de herramientas por agentes visuales en el mundo real con memoria multimodal

uclanlp
⭐ 557 Python 👤 uclanlp Organization 🕐 Actualizado 2026-11-10 📅 Creado 2026-10-15
36
OpenEnvision/Awesome-Multimodal-Modeling

Modelado multimodal impresionante [Cubre MLLM, UMM y NMM]

OpenEnvision
⭐ 552 JavaScript 👤 OpenEnvision Organization 🕐 Actualizado 2026-11-15 📅 Creado 2026-03-27
37
YingqingHe/Awesome-LLMs-meet-Multimodal-Generation

🔥🔥🔥 Una lista curada de artículos sobre generación multimodal basada en LLM (imagen, video, 3D y audio).

YingqingHe
⭐ 550 HTML 👤 YingqingHe User 🕐 Actualizado 2026-11-10 📅 Creado 2023-11-17
38
lucasjinreal/Crane

Un motor de inferencia puro en Rust para LLM, VLM, VLA, TTS y OCR, impulsado por Candle y Rust. Una alternativa a llama.cpp, mucho más sencilla y limpia.

lucasjinreal
⭐ 534 Rust 👤 lucasjinreal User 🕐 Actualizado 2026-11-16 📅 Creado 2025-03-19
39
vulab-AI/Awesome-Spatial-VLMs

[Awesome-Spatial-VLMs] Este repositorio es el recurso oficial, mantenido por la comunidad, para el artículo de revisión: Spatial Intelligence in Vision-Language Models: A Comprehensive Survey;

vulab-AI
⭐ 525 Python 👤 vulab-AI Organization 🕐 Actualizado 2026-07-30 📅 Creado 2025-07-10

Preguntas frecuentes

1

¿Cuál es el repositorio de #mllm más popular en GitHub?

El proyecto de código abierto de #mllm mejor posicionado en GitHub es microsoft/unilm, con 22,247 estrellas. Entrenamiento previo auto-supervisado a gran escala a través de tareas, idiomas y modalidades

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #mllm?

Entre los proyectos de #mllm mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Markdown, JavaScript.

3

¿Cómo se calcula la clasificación de los repositorios de #mllm?

Seguimos 39 repositorios activos de código abierto etiquetados con #mllm (500+ estrellas), que suman un total de 95,941 estrellas, con una media de 2,460 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.