Git Stars Git Stars

#multimodal-large-language-models Repositorios

Descubre 43 repositorios activos de código abierto de GitHub etiquetados con #multimodal-large-language-models, que acumulan 78,032 estrellas en total (una media de 1,814 estrellas por proyecto). El líder de este tema es BradyFU/Awesome-Multimodal-Large-Language-Models, con 18,090 estrellas.

43
Total de Repositorios
78,032
Total de estrellas
1,814
Promedio de Estrellas/Repo

43 repositorios en total

1
BradyFU/Awesome-Multimodal-Large-Language-Models

:sparkles::sparkles:Últimos avances en modelos de lenguaje grandes multimodales

BradyFU
⭐ 18,090 👤 BradyFU User 🕐 Actualizado 2026-10-29 📅 Creado 2023-05-19
2
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
3
joanrod/star-vector

StarVector es un modelo fundamental para la generación de SVG que transforma la vectorización en una tarea de generación de código. Utilizando una arquitectura de modelado de visión y lenguaje, StarVector procesa entradas visuales y textuales para producir código SVG de alta calidad con una precisión notable.

joanrod
⭐ 4,639 Python 👤 joanrod User 🕐 Actualizado 2025-11-07 📅 Creado 2023-12-11
4
ictnlp/LLaMA-Omni

LLaMA-Omni es un modelo de interacción por voz de extremo a extremo de baja latencia y alta calidad construido sobre Llama-3.1-8B-Instruct, que tiene como objetivo lograr capacidades de voz al nivel de GPT-4o.

ictnlp
⭐ 3,142 Python 👤 ictnlp Organization 🕐 Actualizado 2025-05-19 📅 Creado 2024-09-10
5
sherlockchou86/VideoPipe

Un marco multiplataforma de estructuración de video (análisis de video) basado en modelos de CV y mLLM.

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 Actualizado 2026-02-25 📅 Creado 2022-08-26
6
VITA-MLLM/VITA

✨✨[NeurIPS 2025] VITA-1.5: Hacia la Interacción de Visión y Voz en Tiempo Real Nivel GPT-4o

VITA-MLLM
⭐ 2,512 Python 👤 VITA-MLLM Organization 🕐 Actualizado 2025-03-28 📅 Creado 2024-08-10
7
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
8
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
9
YangLing0818/RPG-DiffusionMaster

[ICML 2024] Dominio de la difusión de texto a imagen: Recaptionamiento, planificación y generación con LLM multimodales (RPG)

YangLing0818
⭐ 1,841 Jupyter Notebook 👤 YangLing0818 User 🕐 Actualizado 2025-02-01 📅 Creado 2024-01-22
10
ByteDance-Seed/Seed1.5-VL

Seed1.5-VL, un modelo de base de visión y lenguaje diseñado para avanzar en la comprensión y el razonamiento multimodal de propósito general, logrando un rendimiento de vanguardia en 38 de los 60 puntos de referencia públicos.

ByteDance-Seed
⭐ 1,581 Jupyter Notebook 👤 ByteDance-Seed Organization 🕐 Actualizado 2025-06-14 📅 Creado 2025-05-11
11
Osilly/Vision-R1

[ICLR2026] Este es el primer documento que explora cómo usar eficazmente RL similar a R1 para MLLMs e introduce Vision‑R1, un MLLM de razonamiento que aprovecha la inicialización de arranque en frío y el entrenamiento RL para incentivar la capacidad de razonamiento.

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 Actualizado 2026-03-20 📅 Creado 2025-02-03
12
EvolvingLMMs-Lab/open-r1-multimodal

Una bifurcación para agregar el entrenamiento de modelos multimodales a open-r1

EvolvingLMMs-Lab
⭐ 1,556 Python 👤 EvolvingLMMs-Lab Organization 🕐 Actualizado 2025-02-08 📅 Creado 2025-01-27
13
ATH-MaaS/Ovis

Una novedosa arquitectura de Modelo de Lenguaje Grande Multimodal (MLLM), diseñada para alinear estructuralmente incrustaciones visuales y textuales.

ATH-MaaS
⭐ 1,536 Python 👤 ATH-MaaS Organization 🕐 Actualizado 2026-07-15 📅 Creado 2024-06-13
14
Sun-Haoyuan23/Awesome-RL-based-Reasoning-MLLMs

¡Este repositorio proporciona referencias valiosas para los investigadores en el campo de la multimodalidad, comience su viaje exploratorio en MLLMs de Razonamiento basados en RL!

Sun-Haoyuan23
⭐ 1,449 👤 Sun-Haoyuan23 User 🕐 Actualizado 2026-09-29 📅 Creado 2025-02-21
15
Henry-23/VideoChat

Humano digital interactivo de voz en tiempo real, con apariencia y voz personalizables, que soporta la clonación de voz y presenta una latencia de diálogo de tan solo 3 segundos.

Henry-23
⭐ 1,333 Python 👤 Henry-23 User 🕐 Actualizado 2025-12-18 📅 Creado 2024-10-18
16
ATH-MaaS/Awesome-Unified-Multimodal-Models

Impresionantes modelos multimodales unificados

ATH-MaaS
⭐ 1,325 👤 ATH-MaaS Organization 🕐 Actualizado 2026-03-24 📅 Creado 2025-05-07
17
NVIDIA/audio-flamingo

Implementación en PyTorch de Audio Flamingo: Serie de Modelos de Lenguaje Avanzados para la Comprensión de Audio

NVIDIA
⭐ 1,224 👤 NVIDIA Organization 🕐 Actualizado 2025-12-15 📅 Creado 2024-05-20
18
yfzhang114/Awesome-Multimodal-Large-Language-Models

Notas de lectura sobre Modelos Grandes de Lenguaje Multimodales, Modelos Grandes de Lenguaje y Modelos de Difusión

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 Actualizado 2026-11-07 📅 Creado 2024-03-30
19
X-LANCE/SLAM-LLM

Un Marco para el Procesamiento de Voz, Lenguaje, Audio y Música con Modelos de Lenguaje de Gran Tamaño

X-LANCE
⭐ 1,072 Python 👤 X-LANCE Organization 🕐 Actualizado 2026-01-15 📅 Creado 2023-10-23
20
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
21
yaotingwangofficial/Awesome-MCoT

Razonamiento multimodal en cadena de pensamiento: una encuesta completa

yaotingwangofficial
⭐ 1,030 TeX 👤 yaotingwangofficial User 🕐 Actualizado 2026-10-03 📅 Creado 2025-02-15
22
richard-peng-xia/awesome-multimodal-in-medical-imaging

Una colección de recursos sobre aplicaciones de aprendizaje multimodal en imágenes médicas.

richard-peng-xia
⭐ 986 👤 richard-peng-xia User 🕐 Actualizado 2026-10-26 📅 Creado 2022-07-13
23
daixiangzi/Awesome-Token-Compress

Una lista de artículos sobre algunos trabajos recientes sobre compresión de tokens para Vit y VLM

daixiangzi
⭐ 966 👤 daixiangzi User 🕐 Actualizado 2026-11-13 📅 Creado 2024-09-06
24
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
25
MME-Benchmarks/Video-MME

✨✨[CVPR 2025] Video-MME: El primer y más completo benchmark de evaluación de LLM multimodales en análisis de video

MME-Benchmarks
⭐ 805 👤 MME-Benchmarks Organization 🕐 Actualizado 2025-12-08 📅 Creado 2024-06-02
27
LLaVA-VL/LLaVA-Plus-Codebase

LLaVA-Plus: Grandes asistentes de lenguaje y visión que se conectan y aprenden a usar habilidades

LLaVA-VL
⭐ 763 Python 👤 LLaVA-VL Organization 🕐 Actualizado 2024-02-01 📅 Creado 2023-11-07
28
vision-x-nyu/thinking-in-space

Repositorio oficial e implementación de evaluación de VSI-Bench

vision-x-nyu
⭐ 734 Python 👤 vision-x-nyu Organization 🕐 Actualizado 2025-08-05 📅 Creado 2024-12-14
29
deepglint/unicom

Modelo de representación visual a gran escala

deepglint
⭐ 704 Python 👤 deepglint Organization 🕐 Actualizado 2025-12-08 📅 Creado 2023-02-15
30
wenhaochai/MovieChat

[CVPR 2024] MovieChat: De tokens densos a memoria dispersa para la comprensión de videos largos

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 Actualizado 2025-01-29 📅 Creado 2023-06-26
31
NVlabs/OmniVinci

OmniVinci es un LLM omnimodal para la comprensión conjunta de la visión, el audio y el lenguaje.

NVlabs
⭐ 683 Python 👤 NVlabs Organization 🕐 Actualizado 2026-08-31 📅 Creado 2025-09-24
32
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
33
FoundationVision/Liquid

(Aceptado por IJCV)Liquid: Los modelos de lenguaje son generadores multimodales escalables y unificados

FoundationVision
⭐ 642 Python 👤 FoundationVision Organization 🕐 Actualizado 2026-06-01 📅 Creado 2024-12-12
34
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
35
lwpyh/Awesome-MLLM-Reasoning-Collection

Una colección de artículos, códigos, conjuntos de datos, puntos de referencia (benchmarks) y recursos sobre razonamiento multimodal.

lwpyh
⭐ 598 👤 lwpyh User 🕐 Actualizado 2026-04-01 📅 Creado 2025-03-16
36
yfzhang114/Thyme

✨✨ [ICLR 2026] Piensa más allá de las imágenes

yfzhang114
⭐ 585 Python 👤 yfzhang114 User 🕐 Actualizado 2025-09-23 📅 Creado 2025-08-17
37
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
38
ictnlp/LLaVA-Mini

LLaVA-Mini es un modelo multimodal grande y unificado (LMM) que puede admitir la comprensión de imágenes, imágenes de alta resolución y videos de manera eficiente.

ictnlp
⭐ 575 Python 👤 ictnlp Organization 🕐 Actualizado 2025-06-29 📅 Creado 2025-01-07
39
cambrian-mllm/cambrian-s

Cambrian-S: Hacia la Supersensibilidad Espacial en Video

cambrian-mllm
⭐ 573 Python 👤 cambrian-mllm Organization 🕐 Actualizado 2026-04-03 📅 Creado 2025-10-13
40
AILab-CVC/SEED-X

Modelos multimodales en el mundo real

AILab-CVC
⭐ 560 Jupyter Notebook 👤 AILab-CVC Organization 🕐 Actualizado 2025-02-24 📅 Creado 2024-03-30
41
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
42
worldbench/awesome-vla-for-ad

🌐 Modelos de visión, lenguaje y acción para la conducción autónoma: pasado, presente y futuro

worldbench
⭐ 530 HTML 👤 worldbench Organization 🕐 Actualizado 2026-11-14 📅 Creado 2025-09-07
43
hustvl/EVF-SAM

Código oficial de «EVF-SAM: Fusión temprana visión-lenguaje para el modelo Segment Anything con prompt de texto»

hustvl
⭐ 500 Python 👤 hustvl Organization 🕐 Actualizado 2025-03-17 📅 Creado 2024-06-12

Preguntas frecuentes

1

¿Cuál es el repositorio de #multimodal-large-language-models más popular en GitHub?

El proyecto de código abierto de #multimodal-large-language-models mejor posicionado en GitHub es BradyFU/Awesome-Multimodal-Large-Language-Models, con 18,090 estrellas. :sparkles::sparkles:Últimos avances en modelos de lenguaje grandes multimodales

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #multimodal-large-language-models?

Entre los proyectos de #multimodal-large-language-models mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, HTML, C++.

3

¿Cómo se calcula la clasificación de los repositorios de #multimodal-large-language-models?

Seguimos 43 repositorios activos de código abierto etiquetados con #multimodal-large-language-models (500+ estrellas), que suman un total de 78,032 estrellas, con una media de 1,814 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.