Git Stars Git Stars

#moe Dépôts

Découvrez 34 dépôts GitHub open source actifs associés à #moe, cumulant 317,125 étoiles au total (soit une moyenne de 9,327 étoiles par projet). Le projet en tête de ce thème est vllm-project/vllm, avec 97,302 étoiles.

34
Total des Dépôts
317,125
Nombre total d'étoiles
9,327
Moyenne d'Étoiles/Dépôt
1
vllm-project/vllm

Un moteur d'inférence et de service pour LLM à haut débit et efficace en mémoire

vllm-project
⭐ 97,302 Python 👤 vllm-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-02-09
2
hiyouga/LlamaFactory

Affinage efficace unifié de plus de 100 LLM et VLM (ACL 2024)

hiyouga
⭐ 76,171 Python 👤 hiyouga User 🕐 Mis à jour 2026-11-21 📅 Créé 2023-05-28
3
sgl-project/sglang

SGLang est un framework de service haute performance pour les grands modèles linguistiques et les modèles multimodaux.

sgl-project
⭐ 38,899 Python 👤 sgl-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-01-08
4
FlashML-org/FreeToken

FreeToken apporte le déploiement de modèles à l'échelle des centres de données sur votre bureau. Exécutez des modèles massifs localement, rapidement et efficacement.

FlashML-org
⭐ 17,522 Python 👤 FlashML-org User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-07-20
5
modelscope/ms-swift

Utilisez le PEFT ou l’entraînement de tous les paramètres pour appliquer CPT/SFT/DPO/GRPO à plus de 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) et plus de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).

modelscope
⭐ 16,138 Python 👤 modelscope Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-08-01
6
NVIDIA/TensorRT-LLM

TensorRT LLM fournit aux utilisateurs une API Python facile à utiliser pour définir des grands modèles linguistiques (LLM) et prend en charge des optimisations de pointe pour effectuer des inférences efficacement sur les GPU NVIDIA. TensorRT LLM contient également des composants pour créer des runtimes Python et C++ qui orchestrent l'exécution de l'inférence de manière performante.

NVIDIA
⭐ 15,112 Python 👤 NVIDIA Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-08-16
7
FareedKhan-dev/kimi-k3-in-c

Un modèle Kimi K3 de 2 780 milliards de paramètres effectuant une inférence sur un seul CPU avec 8,24 Go de RAM. C99 portable : sans BLAS, sans framework, sans GPU.

FareedKhan-dev
⭐ 12,523 C 👤 FareedKhan-dev User 🕐 Mis à jour 2026-11-16 📅 Créé 2026-08-01
8
flashinfer-ai/flashinfer

FlashInfer: Bibliothèque de Noyaux pour le Service LLM

flashinfer-ai
⭐ 6,982 Cuda 👤 flashinfer-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-07-22
9
czy0729/Bangumi

:electron: Un client d'application non officiel https://bgm.tv avec UI first pour Android et iOS, construit avec React Native. Une application sans publicité, motivée par le hobby, sans but lucratif, spécialisée dans l'ACG, similaire à Douban pour le suivi d'animes, client tiers pour bgm.tv. Redesignée pour les appareils mobiles, intégrant de nombreuses fonctionnalités améliorées difficiles à implémenter sur la version web, et offrant des options de personnalisation substantielles. Actuellement adaptée pour iOS / Android.

czy0729
⭐ 6,268 TypeScript 👤 czy0729 User 🕐 Mis à jour 2026-11-20 📅 Créé 2019-05-08
10
zai-org/GLM-4.5

GLM-4.5 : Modèles fondamentaux d'agentivité, de raisonnement et de codage (ARC)

zai-org
⭐ 4,426 Python 👤 zai-org Organization 🕐 Mis à jour 2026-02-01 📅 Créé 2025-07-20
11
mw00/project-maya

Exécutez GLM-5.3 (744B), DeepSeek-V4.1-Flash (748B), MiniMax-M3.1-Flash (428B), GLM-5.3-Flash (321B) et Hy4-Flash (220B) sur vos propres GPU — à partir de 8 Go de VRAM, avec prise en charge de NVIDIA et AMD, un tableau de bord unique et une API compatible avec OpenAI et Anthropic.

mw00
⭐ 3,140 C++ 👤 mw00 User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-10-06
12
PKU-YuanGroup/MoE-LLaVA

【TMM 2025🔥】 Mixture-of-Experts pour les grands modèles Vision-Langage

PKU-YuanGroup
⭐ 2,321 Python 👤 PKU-YuanGroup Organization 🕐 Mis à jour 2025-07-15 📅 Créé 2023-12-14
13
MoonshotAI/MoBA

MoBA: Mixture of Block Attention pour les LLM à long contexte

MoonshotAI
⭐ 2,122 Python 👤 MoonshotAI Organization 🕐 Mis à jour 2025-04-03 📅 Créé 2025-02-17
14
uccl-project/uccl

UCCL est une bibliothèque de communication efficace pour GPU, couvrant les collectives, le P2P (par exemple, transfert de cache KV, transfert de poids RL) et l'EP (par exemple, piloté par GPU).

uccl-project
⭐ 1,590 C++ 👤 uccl-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-01-06
15
wici-ai/inferssd

Exécutez des modèles dont la taille dépasse la capacité de votre RAM ou VRAM en diffusant les experts MoE depuis un SSD. Basé sur llama.cpp.

wici-ai
⭐ 1,277 C++ 👤 wici-ai Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2026-10-22
16
davidmrau/mixture-of-experts

Réimplémentation PyTorch de "The Sparsely-Gated Mixture-of-Experts Layer" par Noam Shazeer et al. https://arxiv.org/abs/1701.06538

davidmrau
⭐ 1,215 Python 👤 davidmrau User 🕐 Mis à jour 2024-04-19 📅 Créé 2019-07-19
17
Helldez/BigMoeOnEdge

Exécutez des modèles MoE plus volumineux que votre RAM. Des MoE de pointe sur un téléphone, un ordinateur portable ou un appareil edge. Sans perte, avec llama.cpp standard. Un optimiseur adaptatif en streaming. Tout matériel, tout système d’exploitation, tout modèle et toute quantification, via un serveur local compatible avec OpenAI.

Helldez
⭐ 1,066 C++ 👤 Helldez User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-07-10
18
microsoft/Tutel

Tutel MoE : bibliothèque optimisée de mélange d’experts, prenant en charge GLM/Kimi/GPT/DeepSeek/Qwen avec FP8/NVFP4/MXFP4

microsoft
⭐ 1,027 C 👤 microsoft Organization 🕐 Mis à jour 2026-11-06 📅 Créé 2021-08-06
19
wangeai/K3Flight

Exécutez Kimi K3 localement sur CPU avec environ 55 Go de RAM d'exécution mesurée. Un serveur d'inférence Linux à fichier unique propulsé par cPilot Runtime.

wangeai
⭐ 1,019 HTML 👤 wangeai Organization 🕐 Mis à jour 2026-07-31 📅 Créé 2026-07-30
20
NVIDIA/cudnn-frontend

cuDNN Frontend est le point d'entrée moderne et open source de NVIDIA vers la bibliothèque cuDNN et une collection croissante de noyaux open source hautes performances.

NVIDIA
⭐ 1,008 Cuda 👤 NVIDIA Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2021-01-22
21
pjlab-sys4nlp/llama-moe

⛷️ LLaMA-MoE : Construction de Mixture-of-Experts à partir de LLaMA avec pré-entraînement continu (EMNLP 2024)

pjlab-sys4nlp
⭐ 1,004 Python 👤 pjlab-sys4nlp Organization 🕐 Mis à jour 2024-12-06 📅 Créé 2023-07-24
22
whitecircle/halo

Halo est un framework open source développé par White Circle pour entraîner des modèles de langage de grande taille et des modèles multimodaux

whitecircle
⭐ 868 Python 👤 whitecircle Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-08-26
23
sail-sg/Adan

Adan : Algorithme adaptatif de momentum de Nesterov pour l'optimisation plus rapide des modèles profonds

sail-sg
⭐ 818 Python 👤 sail-sg Organization 🕐 Mis à jour 2025-06-08 📅 Créé 2022-09-01
24
ScienceOne-AI/DeepSeek-671B-SFT-Guide

Une solution open-source pour le réglage fin de tous les paramètres de DeepSeek-V3/R1 671B, comprenant le code complet et les scripts de l'entraînement à l'inférence, ainsi que quelques expériences pratiques et conclusions.

ScienceOne-AI
⭐ 806 Python 👤 ScienceOne-AI User 🕐 Mis à jour 2025-03-13 📅 Créé 2025-03-07
25
SharpAI/SwiftLM

⚡ Serveur d'inférence LLM MLX Swift natif pour Apple Silicon. API compatible OpenAI, streaming SSD pour modèles MoE 100B+, compression TurboQuant KV cache, app MACOS + iOS iPhone.

SharpAI
⭐ 802 Swift 👤 SharpAI Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2026-03-21
26
Tencent/YOLO-Master

[CVPR2026]🚀🚀🚀Code officiel pour l'article "YOLO-Master : MOE-Accelerated avec des Transformers spécialisés pour une détection en temps réel améliorée." *(YOLO = You Only Look Once)* 🔥🔥🔥

Tencent
⭐ 790 Python 👤 Tencent Organization 🕐 Mis à jour 2026-11-15 📅 Créé 2025-12-26
27
YeonwooSung/llm-architecture-from-scratch

Implémenter des architectures de LLM à partir de zéro avec PyTorch

YeonwooSung
⭐ 751 Python 👤 YeonwooSung User 🕐 Mis à jour 2026-11-19 📅 Créé 2026-09-16
28
pegainfer-project/pegainfer

Moteur d'inférence LLM pur Rust + CUDA — pas de PyTorch, compatible OpenAI, sert de Qwen3 à Kimi-K2

pegainfer-project
⭐ 748 Rust 👤 pegainfer-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-02-17
29
prabanta-dev/janas

37 tok/s avec Qwen3-Next-80B (48 Go) sur un ordinateur portable de 32 Go ; 24 sans spéculation, contre 2,8 avec llama.cpp ; lecture à 62 contre 16 tok/s. Plus rapide que llama.cpp sur les 13 modèles comparés en Q4_K_M. Des LLM plus grands que votre RAM, en C pur, sur CPU ou GPU.

prabanta-dev
⭐ 738 C 👤 prabanta-dev Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2026-09-20
30
carloslfu/slotstream

Exécutez un modèle d’IA de 105 Go sur un Mac qui ne peut pas le stocker. Qwen3.8-Flash-Next en 4 bits, chargé en continu depuis un SSD sur les Mac Apple Silicon dotés de 16 à 64 Go de mémoire. Entièrement natif en Swift, MLX et Metal. Hors ligne, sans Python. CLI, bibliothèque Swift et API Ollama/OpenAI/Anthropic. Compatible avec Claude Code et Codex.

carloslfu
⭐ 674 Swift 👤 carloslfu User 🕐 Mis à jour 2026-11-17 📅 Créé 2026-08-28
31
wanshuiyin/ARIS-in-AI-Offer

Fiches de préparation bilingues (chinois + anglais) aux entretiens de ML / LLM / diffusion / agents pour le recrutement d’automne en IA — générées par ARIS /interview-cheatsheet, puis rendues par /render-html en fichiers HTML autonomes lisibles partout — ainsi qu’un générateur de pages d’accueil académiques vérifié par recoupement CV→DBLP et des articles longs rédigés par l’auteur 🌱

wanshuiyin
⭐ 661 Python 👤 wanshuiyin User 🕐 Mis à jour 2026-11-18 📅 Créé 2026-05-19
32
ymcui/Chinese-Mixtral

Grand modèle linguistique Mixtral Mixture-of-Experts chinois (Chinese Mixtral MoE LLMs)

ymcui
⭐ 613 Python 👤 ymcui User 🕐 Mis à jour 2026-04-19 📅 Créé 2024-01-11
33
kacper-daftcode/vLLM-Moet

Modèles MoE de pointe sur RTX PRO 6000 / RTX 5090 (sm_120) : DeepSeek-V4.1-Flash sur 4 RTX PRO 6000, en hybride GPU+CPU sur 4 RTX 5090, et experts à 2 bits sur vLLM v0.24.0

kacper-daftcode
⭐ 580 Sass 👤 kacper-daftcode User 🕐 Mis à jour 2026-11-18 📅 Créé 2026-06-15
34
Indras-Mirror/Xolotl

Xolotl : exécutez DeepSeek-V4.1-Flash, avec l’intégralité de ses 552B paramètres, comme agent de programmation local sur un seul PC gaming (RTX 4090 + 110 Go de RAM) : ~33 tok/s en mode agent, ~41 en mode rapide, avec un contexte de 512K. Également disponible : Inkling-2-Mini (Thinking Machines, moteur propriétaire + générateur d’ébauches MTP), GLM-5.3-Flash, Qwen3.8 et LFM3-Omni. Experts MoE répartis par niveaux entre la VRAM, la RAM et le NVMe (Xolotl Direct). API OpenAI + Anthropic.

Indras-Mirror
⭐ 549 C++ 👤 Indras-Mirror User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-10-06

Foire aux questions

1

Quel est le dépôt #moe le plus populaire sur GitHub ?

Le projet #moe open source le mieux classé sur GitHub est vllm-project/vllm, avec 97,302 étoiles. Un moteur d'inférence et de service pour LLM à haut débit et efficace en mémoire

2

Quels langages de programmation sont les plus utilisés dans les dépôts #moe ?

Parmi les projets #moe les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, C, Cuda.

3

Comment le classement des dépôts #moe est-il calculé ?

Nous suivons 34 dépôts open source actifs associés à #moe (500+ étoiles), totalisant 317,125 étoiles, avec une moyenne de 9,327 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.