Git Stars Git Stars

#multimodal Repositorios

Descubre 183 repositorios activos de código abierto de GitHub etiquetados con #multimodal, que acumulan 700,629 estrellas en total (una media de 3,828 estrellas por proyecto). El líder de este tema es Mintplex-Labs/anything-llm, con 68,480 estrellas.

183
Total de Repositorios
700,629
Total de estrellas
3,828
Promedio de Estrellas/Repo

183 repositorios en total

1
Mintplex-Labs/anything-llm

Deja de alquilar tu inteligencia. Posee con AnythingLLM. Todo lo que necesitas para una potente experiencia de agente local

Mintplex-Labs
⭐ 68,480 JavaScript 👤 Mintplex-Labs Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-06-04
2
bojieli/ai-agent-book

"Comprensión profunda de los agentes de IA: principios de diseño y práctica de ingeniería" (por Bojie Li) Repositorio principal de código abierto: texto completo, PDF compilado y código complementario por capítulos.

bojieli
⭐ 58,976 Python 👤 bojieli User 🕐 Actualizado 2026-10-08 📅 Creado 2025-09-09
3
bytedance/UI-TARS-desktop

El Stack de Agentes IA Multimodales de Código Abierto: Conectando Modelos de IA de Vanguardia e Infraestructura de Agentes

bytedance
⭐ 39,583 TypeScript 👤 bytedance Organization 🕐 Actualizado 2026-10-09 📅 Creado 2025-01-19
4
haotian-liu/LLaVA

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) se construyó para capacidades de nivel GPT-4V y superiores.

haotian-liu
⭐ 24,232 Python 👤 haotian-liu User 🕐 Actualizado 2024-08-12 📅 Creado 2023-04-17
5
screenpipe/screenpipe

YC (S26) | Screenpipe encuentra el trabajo que merece automatizarse | Registra continuamente el trabajo que realizas en el ordenador, descubre flujos de trabajo recurrentes y entrega el resultado a cualquier agente que ya utilices.

screenpipe
⭐ 22,492 Rust 👤 screenpipe Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-06-19
6
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
7
jina-ai/serve

☁️ Crea aplicaciones de IA multimodales con un stack nativo de la nube

jina-ai
⭐ 21,864 Python 👤 jina-ai Organization 🕐 Actualizado 2025-03-24 📅 Creado 2020-02-13
8
deepseek-ai/Janus

Serie Janus: Modelos Unificados de Comprensión y Generación Multimodal

deepseek-ai
⭐ 17,737 Python 👤 deepseek-ai Organization 🕐 Actualizado 2025-02-01 📅 Creado 2024-10-18
9
modelscope/ms-swift

Utiliza PEFT o entrenamiento con todos los parámetros para aplicar CPT/SFT/DPO/GRPO a más de 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) y más de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).

modelscope
⭐ 16,138 Python 👤 modelscope Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-08-01
10
datawhalechina/all-in-rag

🔍Desarrollo práctico de aplicaciones de modelos grandes Parte 1: Guía Full Stack de la tecnología RAG, dirección de lectura en línea: https://datawhalechina.github.io/all-in-rag/

datawhalechina
⭐ 13,275 Python 👤 datawhalechina Organization 🕐 Actualizado 2026-11-16 📅 Creado 2025-06-05
11
rerun-io/rerun

Visualiza, consulta y transmite para entrenar con datos robóticos multimodales.

rerun-io
⭐ 11,848 Rust 👤 rerun-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-04-08
12
StarTrail-org/PixelRAG

https://arxiv.org/abs/2606.28344. El fin del análisis web. El comienzo de la búsqueda nativa de píxeles escalable. enlace: https://pixelrag.ai/

StarTrail-org
⭐ 10,976 Python 👤 StarTrail-org Organization 🕐 Actualizado 2026-11-19 📅 Creado 2026-05-29
13
RunanywhereAI/runanywhere-sdks

Kit de herramientas listo para producción para ejecutar IA localmente

RunanywhereAI
⭐ 10,354 C++ 👤 RunanywhereAI Organization 🕐 Actualizado 2026-11-10 📅 Creado 2025-07-22
14
yzhao062/pyod

Una biblioteca de Python para la detección de anomalías en datos tabulares, series temporales, grafos, texto, imágenes y audio. Incluye más de 60 detectores, orquestación ADEngine respaldada por benchmarks y un flujo de trabajo agente para agentes de IA.

yzhao062
⭐ 10,098 Python 👤 yzhao062 User 🕐 Actualizado 2026-11-12 📅 Creado 2017-10-03
15
apache/seatunnel

SeaTunnel es una herramienta de integración de datos masivos, multimodal, de alto rendimiento y distribuida.

apache
⭐ 9,821 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2017-08-05
16
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
17
activeloopai/deeplake

Deeplake es una AI Data Runtime para Agents. Proporciona Postgres sin servidor con un datalake multimodal, permitiendo recuperación y entrenamiento escalables.

activeloopai
⭐ 9,273 C++ 👤 activeloopai Organization 🕐 Actualizado 2026-05-21 📅 Creado 2019-08-09
18
bentoml/BentoML

La forma más fácil de servir aplicaciones y modelos de IA - ¡Construye APIs de inferencia de modelo, colas de trabajos, apps LLM, pipelines multi-modelo y más!

bentoml
⭐ 8,944 Python 👤 bentoml Organization 🕐 Actualizado 2026-11-17 📅 Creado 2019-04-02
19
Neywa-Labs/mlx-audio

Una biblioteca de texto a voz (TTS), voz a texto (STT) y voz a voz (STS) construida sobre el framework MLX de Apple, que proporciona un análisis de voz eficiente en Apple Silicon.

Neywa-Labs
⭐ 8,315 Python 👤 Neywa-Labs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-11-27
20
vllm-project/vllm-omni

Un marco para la inferencia de modelo eficiente con modelos de omnimodalidad

vllm-project
⭐ 7,884 Python 👤 vllm-project Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-09-11
21
genkit-ai/genkit

Marco de código abierto para construir aplicaciones de agentes en JavaScript, Go, Dart y Python, construido y utilizado en producción por Google

genkit-ai
⭐ 6,609 TypeScript 👤 genkit-ai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-04-29
22
ARahim3/DigUp

Busca en tu ordenador según el contenido de tus archivos: fotos, PDF, documentos, grabaciones, vídeos y código. Se ejecuta en el dispositivo en Mac, Windows y Linux, y está basado en EmbeddingGemma 2 de Google DeepMind.

ARahim3
⭐ 6,484 Swift 👤 ARahim3 User 🕐 Actualizado 2026-10-26 📅 Creado 2026-10-08
23
swyxio/ai-notes

Notas para ingenieros de software que se ponen al día sobre los nuevos desarrollos en IA. Sirve como almacén de datos para la escritura y la lluvia de ideas sobre productos en https://latent.space, pero tiene referencias canónicas limpias en la carpeta /Resources.

swyxio
⭐ 6,257 HTML 👤 swyxio User 🕐 Actualizado 2026-02-16 📅 Creado 2022-09-04
24
SkalskiP/courses

Este repositorio es una colección curada de enlaces a varios cursos y recursos sobre Inteligencia Artificial (IA)

SkalskiP
⭐ 6,256 Python 👤 SkalskiP User 🕐 Actualizado 2024-04-22 📅 Creado 2023-04-02
25
om-ai-lab/VLM-R1

Resolver la comprensión visual con VLMs mejorados

om-ai-lab
⭐ 6,048 Python 👤 om-ai-lab Organization 🕐 Actualizado 2026-07-07 📅 Creado 2025-02-06
26
Eventual-Inc/Daft

Motor de datos de alto rendimiento para cargas de trabajo de IA y multimodales. Procese imágenes, audio, video y datos estructurados a cualquier escala.

Eventual-Inc
⭐ 5,858 Rust 👤 Eventual-Inc Organization 🕐 Actualizado 2026-11-09 📅 Creado 2022-04-25
27
PySpur-Dev/pyspur

Un patio de juegos visual para flujos de trabajo de agentes: Itera sobre tus agentes 10 veces más rápido

PySpur-Dev
⭐ 5,809 TypeScript 👤 PySpur-Dev Organization 🕐 Actualizado 2026-06-29 📅 Creado 2024-09-23
28
OpenBMB/UltraRAG

Un framework MCP de bajo código para construir pipelines RAG complejos e innovadores

OpenBMB
⭐ 5,748 Python 👤 OpenBMB Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-01-16
29
facebookresearch/mmf

Un marco modular para la investigación multimodal de visión y lenguaje de Facebook AI Research (FAIR)

facebookresearch
⭐ 5,634 Python 👤 facebookresearch Organization 🕐 Actualizado 2026-10-06 📅 Creado 2018-06-27
30
InternLM/xtuner

Un motor de entrenamiento de próxima generación diseñado para modelos MoE ultragrandes

InternLM
⭐ 5,223 Python 👤 InternLM Organization 🕐 Actualizado 2026-11-20 📅 Creado 2023-07-11
31
liustack/modlens

El primer complemento de visión para DeepSeek Harness, y el puente de visión para cada agente de codificación solo de texto. Pega una imagen, obtén evidencia JSON estructurada (OCR, diseño, semántica).

liustack
⭐ 5,050 TypeScript 👤 liustack User 🕐 Actualizado 2026-11-15 📅 Creado 2026-02-22
32
PKU-Alignment/align-anything

Align Anything: Entrenamiento de un modelo multimodal con retroalimentación

PKU-Alignment
⭐ 4,669 Python 👤 PKU-Alignment Organization 🕐 Actualizado 2025-11-27 📅 Creado 2024-07-14
33
kyegomez/tree-of-thoughts

Implementación Plug and Play de "Tree of Thoughts": Resolución deliberada de problemas con modelos de lenguaje grandes que eleva el razonamiento del modelo en al menos un 70%

kyegomez
⭐ 4,592 Python 👤 kyegomez User 🕐 Actualizado 2026-09-29 📅 Creado 2023-05-21
34
crmne/ruby_llm

El framework de IA para Ruby.

crmne
⭐ 4,522 Ruby 👤 crmne User 🕐 Actualizado 2026-11-18 📅 Creado 2025-01-30
35
EvolvingLMMs-Lab/lmms-eval

Kit de evaluación multimodal One-for-All para tareas de texto, imagen, video y audio

EvolvingLMMs-Lab
⭐ 4,501 Python 👤 EvolvingLMMs-Lab Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-03-07
36
rom1504/img2dataset

Convierta fácilmente grandes conjuntos de URL de imágenes en un conjunto de datos de imágenes. Puede descargar, cambiar el tamaño y empaquetar 100 millones de URL en 20 horas en una sola máquina.

rom1504
⭐ 4,458 Python 👤 rom1504 User 🕐 Actualizado 2025-10-19 📅 Creado 2021-08-11
37
luban-agi/Awesome-AIGC-Tutorials

Tutoriales y recursos seleccionados para Modelos de Lenguaje Grandes, Pintura con IA y más.

luban-agi
⭐ 4,419 👤 luban-agi Organization 🕐 Actualizado 2024-03-31 📅 Creado 2023-08-22
38
OpenMOSS/MOSS-TTS

Una familia de modelos de código abierto para síntesis de voz de larga duración, síntesis de diálogos, diseño de voces, efectos de sonido y TTS en streaming en tiempo real

OpenMOSS
⭐ 4,356 Python 👤 OpenMOSS Organization 🕐 Actualizado 2026-09-06 📅 Creado 2026-02-07
39
IDEA-CCNL/Fengshenbang-LM

Fengshenbang-LM (封神榜大模型) es un sistema de grandes modelos de código abierto liderado por el Centro de Investigación de Computación Cognitiva y Procesamiento del Lenguaje Natural del Instituto IDEA, que se convierte en la infraestructura para el AIGC chino y la inteligencia cognitiva.

IDEA-CCNL
⭐ 4,116 Python 👤 IDEA-CCNL Organization 🕐 Actualizado 2026-06-08 📅 Creado 2021-10-28
40
aiming-lab/SimpleMem

[ICML'26] SimpleMem: Memoria eficiente de por vida para agentes de LLM — Texto y multimodal

aiming-lab
⭐ 3,883 Python 👤 aiming-lab Organization 🕐 Actualizado 2026-07-24 📅 Creado 2026-01-01
41
open-mmlab/mmpretrain

OpenMMLab Pre-training Toolbox y Benchmark

open-mmlab
⭐ 3,807 Python 👤 open-mmlab Organization 🕐 Actualizado 2024-11-01 📅 Creado 2020-07-09
42
morphik-org/morphik-core

Motor de recuperación multimodal de código abierto (Morphik Core)

morphik-org
⭐ 3,722 Python 👤 morphik-org Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-11-11
43
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
44
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
45
embeddings-benchmark/mteb

MTEB: Evaluación de vanguardia de embeddings en múltiples idiomas y modalidades

embeddings-benchmark
⭐ 3,519 Python 👤 embeddings-benchmark Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-04-05
46
TanStack/ai

🤖 SDK de IA en TypeScript, con seguridad de tipos y agnóstico al proveedor, para chat en streaming, llamadas a herramientas, agentes y aplicaciones multimodales en OpenAI, Anthropic, Gemini, React, Vue, Svelte y Solid.

TanStack
⭐ 3,375 TypeScript 👤 TanStack Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-10-08
47
vortex-data/vortex

Un framework extensible y de vanguardia para compresión columnar, y el formato de archivo columnar FOSS más rápido. Anteriormente en @spiraldb, ahora un proyecto en etapa de incubación en LFAI&Data, parte de la Linux Foundation.

vortex-data
⭐ 3,337 Rust 👤 vortex-data Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-02-27
48
xlang-ai/OSWorld

[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments

xlang-ai
⭐ 3,273 Python 👤 xlang-ai Organization 🕐 Actualizado 2026-11-14 📅 Creado 2023-10-16
49
OpenGVLab/InternGPT

InternGPT (iGPT) es una plataforma de demostración de código abierto donde puedes mostrar fácilmente tus modelos de IA. Ahora admite DragGAN, ChatGPT, ImageBind, chat multimodal como GPT-4, SAM, edición interactiva de imágenes, etc. Pruébalo en igpt.opengvlab.com (sistema de demostración en línea que admite DragGAN, ChatGPT, ImageBind, SAM).

OpenGVLab
⭐ 3,223 Python 👤 OpenGVLab Organization 🕐 Actualizado 2024-08-20 📅 Creado 2023-05-08
50
microsoft/torchscale

Arquitectura Fundamental para (M)LLMs

microsoft
⭐ 3,128 Python 👤 microsoft Organization 🕐 Actualizado 2024-04-11 📅 Creado 2022-11-17

Preguntas frecuentes

1

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

El proyecto de código abierto de #multimodal mejor posicionado en GitHub es Mintplex-Labs/anything-llm, con 68,480 estrellas. Deja de alquilar tu inteligencia. Posee con AnythingLLM. Todo lo que necesitas para una potente experiencia de agente local

2

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

Entre los proyectos de #multimodal mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, Rust, C++.

3

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

Seguimos 183 repositorios activos de código abierto etiquetados con #multimodal (500+ estrellas), que suman un total de 700,629 estrellas, con una media de 3,828 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.