#qwen3 Repositorios
Descubre 37 repositorios activos de código abierto de GitHub etiquetados con #qwen3, que acumulan 217,169 estrellas en total (una media de 5,869 estrellas por proyecto). El líder de este tema es vllm-project/vllm, con 97,302 estrellas.
37 repositorios en total
Un motor de inferencia y servicio para LLM de alto rendimiento y eficiente en memoria
🔥 MaxKB es una plataforma de código abierto para construir agentes de grado empresarial. Una plataforma de agentes empresariales de código abierto potente y fácil de usar.
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).
Entrenador de refuerzo de agentes: entrena agentes de varios pasos para tareas del mundo real usando GRPO. Brinda a tus agentes capacitación en el trabajo. ¡Aprendizaje por refuerzo para Qwen3.6, GPT-OSS, Llama y más!
Familia de modelos de decisión similares a Jev, creados sobre Qwen3.5/3.8, que puedes entrenar y ejecutar por tu cuenta
Ejecute LLM y VLM de vanguardia localmente en dispositivos Qualcomm a través de NPU, GPU y CPU con unas pocas líneas de código
Alternativa de Investigación Profunda de Código Abierto a Reason y Search sobre Datos Privados. Escrito en Python.
📚Una lista seleccionada de increíbles artículos sobre inferencia LLM/VLM con códigos: Flash-Attention, Paged-Attention, WINT8/4, Paralelismo, etc.🎉
Una aplicación nativa de macOS que permite a los usuarios chatear con un LLM local que puede responder con información de archivos, carpetas y sitios web en tu Mac sin instalar ningún otro software. Impulsado por llama.cpp.
Ejecuta modelos Qwen grandes rápidamente en las GPU que realmente tienes. Qwen3.8-27B en una sola tarjeta de 24 GB con vLLM: 127 tok/s para un solo usuario (381 cuando la respuesta cita el prompt), aproximadamente 1.035 tok/s con 64 solicitudes concurrentes y un contexto de 150k–262k. Parches para vLLM, canalización de requantización y benchmarks.
Generador de subtítulos ASR/STT. Utiliza Qwen3-ASR, LLM local, Whisper, TEN-VAD. Resistente al ruido para JAV.
Chat2API permite el acceso sin costo a modelos de IA líderes aprovechando las interfaces web oficiales. Soporta proveedores como DeepSeek, GLM, Kimi, MiniMax, Qwen y Z.ai, e se integra perfectamente con herramientas como openlcaw, Cline y Roo-Code.
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.
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.
Herramienta impulsada por IA para la detección eficiente de resúmenes y PDF en revisiones sistemáticas.
Marco totalmente abierto para el entrenamiento multimodal democratizado
🚀 Biblioteca de entrenamiento nativo distribuido de Pytorch para LLMs/VLMs con soporte inmediato para Hugging Face
🎬 Genera imágenes desde cualquier punto de vista de la cámara mediante un control interactivo en 3D. Arrastra la cámara en el espacio 3D o usa los deslizadores para establecer el acimut, la elevación y la distancia; después, genera la imagen. Creado con Three.js + Gradio, con interfaz bilingüe en chino e inglés.
La implementación oficial para [NeurIPS2025 Oral] Atención con Compuerta (Gated Attention) para Grandes Modelos de Lenguaje: No linealidad, Esparsidad y Libre de Attention-Sink
Un Modelo de Fundamento Abierto y Benchmark para Acelerar la Recomendación Generativa
Modelos abiertos de nivel frontera en una TPU v5e-8 gratuita de Kaggle: GLM-5.3-Flash 320B MoE (~165 tokens/s, con nuestro propio motor JAX) y Qwen3.8-27B bf16 (~130 tokens/s), contexto de 262k y caché de prefijos. Funciona con Claude Code, Codex, opencode y pi.
🚀🚀🚀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.
MimikaStudio - Una aplicación local-first para macOS (Apple Silicon) + Soporte Agentic MCP
Implementación de arquitecturas de LLM desde cero en PyTorch
Motor de inferencia LLM puro Rust + CUDA — sin PyTorch, compatible con OpenAI, sirve desde Qwen3 hasta Kimi-K2
37 tok/s con Qwen3-Next-80B (48 GB) en un portátil de 32 GB; 24 sin borradores, frente a 2,8 con llama.cpp; lectura a 62 frente a 16 tok/s. Más rápido que llama.cpp en los 13 modelos comparados en Q4_K_M. LLM más grandes que tu RAM, en C puro, para CPU o GPU.
Puerta de enlace de API para LLM: un nuevo sistema de gestión de interfaces de modelos de IA y agregación y distribución de API. Permite convertir varios LLM en interfaces unificadas compatibles con OpenAI, Claude y Gemini. Ideal para la gestión unificada y distribución de canales de API de modelos grandes para uso personal o empresarial (gestión de claves y distribución secundaria). Admite todos los modelos principales internacionales y nacionales, como Gemini, Claude, Qwen3, Kimi-k2, Doubao, etc. Disponible como archivo ejecutable único o imagen Docker, despliegue con un solo clic, listo para usar, completamente de código abierto y autónomo. Este proyecto se basa en New-API y One-API, integrando todas las funciones de NewAPI y OneAPI junto con numerosos complementos de terceros. ¡Funcionalidad extremadamente potente!
Ejecuta un modelo de IA de 105 GB en un Mac que no puede almacenarlo. Qwen3.8-Flash-Next de 4 bits, transmitido desde un SSD en Macs con Apple Silicon y 16–64 GB de memoria. Totalmente nativo en Swift, MLX y Metal. Sin conexión y sin Python. CLI, biblioteca Swift y API de Ollama/OpenAI/Anthropic. Compatible con Claude Code y Codex.
un cliente de escritorio LLM mágico que facilita a *cualquiera* el uso de LLM y MCP
Se realizó un ajuste fino concatenado de la cabeza visual de SmolVLM2 con el modelo Qwen3-0.6B.
Motor de inferencia mini CUDA-only qwen3-0.6B de lote único, estático y minimalista
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.
Ablación totalmente sin censura y con capacidades mejoradas de Qwen3.6-27B. Decodificación especulativa NVFP4 + z-lab DFlash (n=12) en el contenedor unificado ghcr.io/aeon-7/aeon-vllm-ultimate:latest, optimizada para la aceptación de borradores en contextos largos en DGX Spark. 6 variantes de HF (BF16/NVFP4/MTP/MTP-XS), docker-compose y guía de inicio rápido.
Preguntas frecuentes
¿Cuál es el repositorio de #qwen3 más popular en GitHub?
El proyecto de código abierto de #qwen3 mejor posicionado en GitHub es vllm-project/vllm, con 97,302 estrellas. Un motor de inferencia y servicio para LLM de alto rendimiento y eficiente en memoria
¿Qué lenguajes de programación se utilizan más en los repositorios de #qwen3?
Entre los proyectos de #qwen3 mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Go, Swift, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #qwen3?
Seguimos 37 repositorios activos de código abierto etiquetados con #qwen3 (500+ estrellas), que suman un total de 217,169 estrellas, con una media de 5,869 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.