#qwen3 Dépôts
Découvrez 37 dépôts GitHub open source actifs associés à #qwen3, cumulant 217,169 étoiles au total (soit une moyenne de 5,869 étoiles par projet). Le projet en tête de ce thème est vllm-project/vllm, avec 97,302 étoiles.
37 dépôts au total
Un moteur d'inférence et de service pour LLM à haut débit et efficace en mémoire
🔥 MaxKB est une plateforme open source pour la construction d'agents d'entreprise. Une plateforme d'agents d'entreprise open source puissante et facile à utiliser.
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).
Entraîneur par renforcement d'agents : entraînez des agents multi-étapes pour des tâches réelles en utilisant GRPO. Offrez à vos agents une formation en cours d'emploi. Apprentissage par renforcement pour Qwen3.6, GPT-OSS, Llama et plus encore !
Famille de modèles de décision de type Jev, développés sur Qwen3.5/3.8, que vous pouvez entraîner et exécuter vous-même
Exécutez localement des LLM et VLM de pointe sur les appareils Qualcomm via NPU, GPU et CPU avec quelques lignes de code
Alternative Open Source de Recherche Approfondie à Reason et Search sur les Données Privées. Écrit en Python.
📚Une liste organisée d'articles impressionnants sur l'inférence LLM/VLM avec codes : Flash-Attention, Paged-Attention, WINT8/4, Parallélisme, etc.🎉
Une application macOS native qui permet aux utilisateurs de discuter avec un LLM local capable de répondre avec des informations provenant de fichiers, de dossiers et de sites Web sur votre Mac sans installer d'autres logiciels. Propulsé par llama.cpp.
Exécutez rapidement de grands modèles Qwen sur les GPU que vous possédez réellement. Qwen3.8-27B sur une seule carte de 24 Go avec vLLM : 127 tok/s pour un seul utilisateur (381 lorsque la réponse cite le prompt), environ 1 035 tok/s avec 64 requêtes simultanées, et un contexte de 150k à 262k. Correctifs vLLM, pipeline de re-quantification et benchmarks.
Générateur de sous-titres ASR/STT. Utilise Qwen3-ASR, LLM local, Whisper, TEN-VAD. Résistant au bruit pour JAV.
Chat2API permet un accès gratuit aux principaux modèles d'IA en exploitant les interfaces web officielles. Il prend en charge des fournisseurs tels que DeepSeek, GLM, Kimi, MiniMax, Qwen et Z.ai, et s'intègre parfaitement avec des outils comme openlcaw, Cline et Roo-Code.
Inférence locale au comportement comparable à celui d’une API de pointe : Qwen3.8-Flash-Next sur AMD Strix Halo, ainsi que de petits modèles NPU, via les API d’OpenAI et d’Anthropic sur un seul port.
Inférence sur CPU sans GPU pour les modèles MoE de 30B à 284B (Qwen3.8 176.5B certifié avec cache froide dans Cgroup v2 à 28,26/48,35 Gio, DeepSeek-V4 284B, Nemotron-30B) + RouteCrack 2.0.
Outil alimenté par l'IA pour un criblage efficace des résumés et des PDF dans les revues systématiques.
Cadre entièrement ouvert pour la formation multimodale démocratisée
🚀 Bibliothèque d'entraînement natif distribué Pytorch pour LLMs/VLMs avec prise en charge immédiate de Hugging Face
🎬 Générez des images depuis n’importe quel point de vue de caméra grâce à un contrôle interactif en 3D. Faites glisser la caméra dans l’espace 3D ou utilisez les curseurs pour définir l’azimut, l’élévation et la distance, puis générez l’image. Développé avec Three.js + Gradio, avec une interface bilingue chinois/anglais.
L'implémentation officielle pour [NeurIPS2025 Oral] Gated Attention pour les Grands Modèles de Langage : Non-linéarité, Sparsité et Sans Attention-Sink (Attention-Sink-Free)
Un Modèle de Fondation Ouvert et Benchmark pour Accélérer la Recommandation Générative
Modèles ouverts de niveau frontière sur un TPU v5e-8 gratuit de Kaggle : GLM-5.3-Flash 320B MoE (~165 tok/s, avec notre propre moteur JAX) et Qwen3.8-27B bf16 (~130 tok/s), contexte de 262k et mise en cache des préfixes. Compatible avec Claude Code, Codex, opencode et pi.
🚀🚀🚀Une collection de quelques projets publics impressionnants sur les grands modèles de langue (LLM), les modèles de vision et de langue (VLM), l'action vision-langage (VLA), le contenu généré par l'IA (AIGC), les ensembles de données et applications associés.
MimikaStudio - Une application local-first pour macOS (Apple Silicon) + Support Agentic MCP
Implémenter des architectures de LLM à partir de zéro avec PyTorch
Moteur d'inférence LLM pur Rust + CUDA — pas de PyTorch, compatible OpenAI, sert de Qwen3 à Kimi-K2
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.
Passerelle API pour LLM - Un tout nouveau système de gestion d'interfaces de modèles d'IA et d'agrégation/distribution d'API. Il permet de convertir divers LLM en interfaces unifiées compatibles avec OpenAI, Claude et Gemini. Adapté à la gestion unifiée et à la distribution de canaux d'API pour les modèles de grande taille, pour un usage personnel ou en entreprise (gestion des clés et distribution secondaire). Prend en charge tous les modèles internationaux et nationaux majeurs tels que Gemini, Claude, Qwen3, Kimi-k2, Doubao, etc. Disponible sous forme de fichier exécutable unique ou d'image Docker, déploiement en un clic, prêt à l'emploi, entièrement open-source et auto-hébergeable ! Ce projet est basé sur New-API et One-API, intégrant toutes les fonctionnalités de NewAPI et OneAPI ainsi que de nombreux plugins tiers. Fonctionnalités ultra-puissantes !
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.
un client de bureau LLM magique qui permet *à quiconque* d'utiliser facilement les LLM et MCP
Nous avons effectué un ajustement fin (fine-tuning) par concaténation de la tête visuelle de SmolVLM2 avec le modèle Qwen3-0.6B.
Moteur d'inférence statique minimaliste, lot unique, uniquement CUDA, qwen3-0.6B, mini
Un moteur d’inférence entièrement écrit en Rust pour les LLM, VLM, VLA, TTS et l’OCR, propulsé par Candle et Rust. Une alternative à llama.cpp, bien plus simple et épurée.
Ablation entièrement sans censure et aux capacités améliorées de Qwen3.6-27B. Décodage spéculatif NVFP4 + z-lab DFlash (n=12) dans le conteneur unifié ghcr.io/aeon-7/aeon-vllm-ultimate:latest, optimisé pour l’acceptation des brouillons en contexte long sur DGX Spark. 6 variantes HF (BF16/NVFP4/MTP/MTP-XS), docker-compose et guide de démarrage rapide.
Foire aux questions
Quel est le dépôt #qwen3 le plus populaire sur GitHub ?
Le projet #qwen3 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
Quels langages de programmation sont les plus utilisés dans les dépôts #qwen3 ?
Parmi les projets #qwen3 les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Go, Swift, TypeScript.
Comment le classement des dépôts #qwen3 est-il calculé ?
Nous suivons 37 dépôts open source actifs associés à #qwen3 (500+ étoiles), totalisant 217,169 étoiles, avec une moyenne de 5,869 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.