Git Stars Git Stars

#moe Repository

Scopri 34 repository GitHub open source attivi contrassegnati con #moe, che raccolgono un totale di 317,125 stelle (con una media di 9,327 stelle per progetto). Il progetto leader di questo argomento è vllm-project/vllm, con 97,302 stelle.

34
Totale Repository
317,125
Totale stelle
9,327
Media Stelle/Repo

34 repository in totale

1
vllm-project/vllm

Un motore di inferenza e serving per LLM ad alta produttività ed efficiente in termini di memoria

vllm-project
⭐ 97,302 Python 👤 vllm-project Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2023-02-09
2
hiyouga/LlamaFactory

Fine-tuning unificato ed efficiente di oltre 100 LLM e VLM (ACL 2024)

hiyouga
⭐ 76,171 Python 👤 hiyouga User 🕐 Aggiornato 2026-11-21 📅 Creato 2023-05-28
3
sgl-project/sglang

SGLang è un framework di serving ad alte prestazioni per modelli linguistici di grandi dimensioni e modelli multimodali.

sgl-project
⭐ 38,899 Python 👤 sgl-project Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2024-01-08
4
FlashML-org/FreeToken

FreeToken porta il servizio di modelli su scala data center sul tuo desktop. Esegui modelli enormi localmente, in modo rapido ed efficiente.

FlashML-org
⭐ 17,522 Python 👤 FlashML-org User 🕐 Aggiornato 2026-11-21 📅 Creato 2026-07-20
5
modelscope/ms-swift

Utilizza PEFT o l’addestramento con tutti i parametri per CPT/SFT/DPO/GRPO su oltre 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) e oltre 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).

modelscope
⭐ 16,138 Python 👤 modelscope Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2023-08-01
6
NVIDIA/TensorRT-LLM

TensorRT LLM fornisce agli utenti un'API Python di facile utilizzo per definire Large Language Models (LLM) e supporta ottimizzazioni all'avanguardia per eseguire inferenze in modo efficiente sulle GPU NVIDIA. TensorRT LLM contiene anche componenti per creare runtime Python e C++ che orchestrano l'esecuzione dell'inferenza in modo performante.

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

Un modello Kimi K3 da 2,78 trilioni di parametri che esegue l'inferenza su una singola CPU con 8,24 GB di RAM. C99 portatile: niente BLAS, niente framework, niente GPU.

FareedKhan-dev
⭐ 12,523 C 👤 FareedKhan-dev User 🕐 Aggiornato 2026-11-16 📅 Creato 2026-08-01
8
flashinfer-ai/flashinfer

FlashInfer: Libreria di Kernel per LLM Serving

flashinfer-ai
⭐ 6,982 Cuda 👤 flashinfer-ai Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2023-07-22
9
czy0729/Bangumi

:electron: Un client app non ufficiale https://bgm.tv con UI first per Android e iOS, costruito con React Native. Un'app senza pubblicità, guidata dalla passione, non orientata al profitto, specializzata in ACG, simile a Douban per il tracciamento di anime, client di terze parti per bgm.tv. Riprogettata per dispositivi mobili, integra numerose funzioni migliorate difficili da realizzare sulla versione web, e offre opzioni di personalizzazione significative. Attualmente adattata per iOS / Android.

czy0729
⭐ 6,268 TypeScript 👤 czy0729 User 🕐 Aggiornato 2026-11-20 📅 Creato 2019-05-08
10
zai-org/GLM-4.5

GLM-4.5: Modelli Fondazionali Agentivi, di Ragionamento e di Codifica (ARC)

zai-org
⭐ 4,426 Python 👤 zai-org Organization 🕐 Aggiornato 2026-02-01 📅 Creato 2025-07-20
11
mw00/project-maya

Esegui GLM-5.3 (744B), DeepSeek-V4.1-Flash (748B), MiniMax-M3.1-Flash (428B), GLM-5.3-Flash (321B) e Hy4-Flash (220B) sulle tue GPU — a partire da 8 GB di VRAM, con supporto per NVIDIA e AMD, un’unica dashboard e un’API compatibile con OpenAI e Anthropic.

mw00
⭐ 3,140 C++ 👤 mw00 User 🕐 Aggiornato 2026-11-21 📅 Creato 2026-10-06
12
PKU-YuanGroup/MoE-LLaVA

【TMM 2025🔥】 Mixture-of-Experts per grandi modelli Vision-Language

PKU-YuanGroup
⭐ 2,321 Python 👤 PKU-YuanGroup Organization 🕐 Aggiornato 2025-07-15 📅 Creato 2023-12-14
13
MoonshotAI/MoBA

MoBA: Mixture of Block Attention per LLM a contesto lungo

MoonshotAI
⭐ 2,122 Python 👤 MoonshotAI Organization 🕐 Aggiornato 2025-04-03 📅 Creato 2025-02-17
14
uccl-project/uccl

UCCL è una libreria di comunicazione efficiente per GPU, che copre collettive, P2P (ad es. trasferimento cache KV, trasferimento pesi RL) ed EP (ad es. GPU-driven).

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

Esegui modelli più grandi della tua RAM o VRAM caricando in streaming gli esperti MoE da un SSD. Basato su llama.cpp.

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

Reimplementazione in PyTorch di "The Sparsely-Gated Mixture-of-Experts Layer" di Noam Shazeer et al. https://arxiv.org/abs/1701.06538

davidmrau
⭐ 1,215 Python 👤 davidmrau User 🕐 Aggiornato 2024-04-19 📅 Creato 2019-07-19
17
Helldez/BigMoeOnEdge

Esegui modelli MoE più grandi della tua RAM. MoE di frontiera su smartphone, laptop o dispositivo edge. Senza perdita, con llama.cpp standard. Un ottimizzatore adattivo in streaming. Qualsiasi hardware, sistema operativo, modello e quantizzazione, tramite un server locale compatibile con OpenAI.

Helldez
⭐ 1,066 C++ 👤 Helldez User 🕐 Aggiornato 2026-11-21 📅 Creato 2026-07-10
18
microsoft/Tutel

Tutel MoE: libreria ottimizzata Mixture-of-Experts, con supporto per GLM/Kimi/GPT/DeepSeek/Qwen tramite FP8/NVFP4/MXFP4

microsoft
⭐ 1,027 C 👤 microsoft Organization 🕐 Aggiornato 2026-11-06 📅 Creato 2021-08-06
19
wangeai/K3Flight

Esegui Kimi K3 localmente su CPU con circa 55 GB di RAM di runtime misurata. Un server di inferenza Linux a file singolo basato su cPilot Runtime.

wangeai
⭐ 1,019 HTML 👤 wangeai Organization 🕐 Aggiornato 2026-07-31 📅 Creato 2026-07-30
20
NVIDIA/cudnn-frontend

cuDNN Frontend è il moderno punto di accesso open source di NVIDIA alla libreria cuDNN e a una crescente raccolta di kernel open source ad alte prestazioni.

NVIDIA
⭐ 1,008 Cuda 👤 NVIDIA Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2021-01-22
21
pjlab-sys4nlp/llama-moe

⛷️ LLaMA-MoE: Costruzione di Mixture-of-Experts da LLaMA con pre-addestramento continuo (EMNLP 2024)

pjlab-sys4nlp
⭐ 1,004 Python 👤 pjlab-sys4nlp Organization 🕐 Aggiornato 2024-12-06 📅 Creato 2023-07-24
22
whitecircle/halo

Halo è un framework open source sviluppato da White Circle per addestrare modelli linguistici di grandi dimensioni e modelli multimodali

whitecircle
⭐ 868 Python 👤 whitecircle Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2026-08-26
23
sail-sg/Adan

Adan: Algoritmo Adattivo di Momentum di Nesterov per l'Ottimizzazione più Veloce di Modelli Profondi

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

Una soluzione open-source per il fine-tuning completo dei parametri di DeepSeek-V3/R1 671B, che include codice completo e script dall'addestramento all'inferenza, nonché alcune esperienze pratiche e conclusioni.

ScienceOne-AI
⭐ 806 Python 👤 ScienceOne-AI User 🕐 Aggiornato 2025-03-13 📅 Creato 2025-03-07
25
SharpAI/SwiftLM

⚡ Server di inferenza LLM MLX Swift nativo per Apple Silicon. API compatibile con OpenAI, streaming SSD per modelli MoE 100B+, compressione TurboQuant KV cache, app MACOS + iOS iPhone.

SharpAI
⭐ 802 Swift 👤 SharpAI Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2026-03-21
26
Tencent/YOLO-Master

[CVPR2026]🚀🚀🚀Codice ufficiale per il paper "YOLO-Master: MOE-Accelerated con Transformer specializzati per un rilevamento in tempo reale migliorato." *(YOLO = You Only Look Once)* 🔥🔥🔥

Tencent
⭐ 790 Python 👤 Tencent Organization 🕐 Aggiornato 2026-11-15 📅 Creato 2025-12-26
27
YeonwooSung/llm-architecture-from-scratch

Implementare architetture LLM da zero con PyTorch

YeonwooSung
⭐ 751 Python 👤 YeonwooSung User 🕐 Aggiornato 2026-11-19 📅 Creato 2026-09-16
28
pegainfer-project/pegainfer

Motore di inferenza LLM puro Rust + CUDA — nessun PyTorch, compatibile con OpenAI, serve da Qwen3 a Kimi-K2

pegainfer-project
⭐ 748 Rust 👤 pegainfer-project Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2026-02-17
29
prabanta-dev/janas

37 tok/s con Qwen3-Next-80B (48 GB) su un laptop da 32 GB; 24 senza draft contro 2,8 con llama.cpp; lettura a 62 contro 16 tok/s. Più veloce di llama.cpp in tutti i 13 modelli confrontati in Q4_K_M. LLM più grandi della tua RAM, in puro C, per CPU o GPU.

prabanta-dev
⭐ 738 C 👤 prabanta-dev Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2026-09-20
30
carloslfu/slotstream

Esegui un modello IA da 105 GB su un Mac che non può contenerlo. Qwen3.8-Flash-Next a 4 bit, trasmesso in streaming da SSD sui Mac Apple Silicon con 16–64 GB di memoria. Completamente nativo in Swift, MLX e Metal. Offline, senza Python. CLI, libreria Swift e API Ollama/OpenAI/Anthropic. Compatibile con Claude Code e Codex.

carloslfu
⭐ 674 Swift 👤 carloslfu User 🕐 Aggiornato 2026-11-17 📅 Creato 2026-08-28
31
wanshuiyin/ARIS-in-AI-Offer

Schede bilingui (cinese + inglese) per i colloqui su ML / LLM / diffusion / agenti nella selezione autunnale per l’AI — generate da ARIS /interview-cheatsheet e trasformate da /render-html in file HTML singoli leggibili ovunque — oltre a un generatore di homepage accademiche verificato rispetto a CV→DBLP e blog in formato lungo scritti personalmente 🌱

wanshuiyin
⭐ 661 Python 👤 wanshuiyin User 🕐 Aggiornato 2026-11-18 📅 Creato 2026-05-19
32
ymcui/Chinese-Mixtral

Modello linguistico di grandi dimensioni Mixtral Mixture-of-Experts in cinese (Chinese Mixtral MoE LLMs)

ymcui
⭐ 613 Python 👤 ymcui User 🕐 Aggiornato 2026-04-19 📅 Creato 2024-01-11
33
kacper-daftcode/vLLM-Moet

Modelli MoE all’avanguardia su RTX PRO 6000 / RTX 5090 (sm_120): DeepSeek-V4.1-Flash su 4 RTX PRO 6000, in configurazione ibrida GPU+CPU su 4 RTX 5090 e modelli esperti a 2 bit su vLLM v0.24.0

kacper-daftcode
⭐ 580 Sass 👤 kacper-daftcode User 🕐 Aggiornato 2026-11-18 📅 Creato 2026-06-15
34
Indras-Mirror/Xolotl

Xolotl: esegui DeepSeek-V4.1-Flash, con tutti i 552B parametri, come agente di programmazione locale su un singolo PC da gaming (RTX 4090 + 110 GB di RAM): ~33 tok/s come agente, ~41 in modalità veloce, contesto da 512K. Inoltre, Inkling-2-Mini (Thinking Machines, motore proprietario + generatore di bozze MTP), GLM-5.3-Flash, Qwen3.8 e LFM3-Omni. Esperti MoE organizzati a livelli tra VRAM, RAM e NVMe (Xolotl Direct). API OpenAI + Anthropic.

Indras-Mirror
⭐ 549 C++ 👤 Indras-Mirror User 🕐 Aggiornato 2026-11-21 📅 Creato 2026-10-06

Domande frequenti

1

Qual è il repository #moe più popolare su GitHub?

Il progetto open source #moe più alto in classifica su GitHub è vllm-project/vllm, con 97,302 stelle. Un motore di inferenza e serving per LLM ad alta produttività ed efficiente in termini di memoria

2

Quali linguaggi di programmazione sono più utilizzati nei repository #moe?

Tra i progetti #moe più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, C, Cuda.

3

Come viene calcolata la classifica dei repository #moe?

Monitoriamo 34 repository open source attivi contrassegnati con #moe (500+ stelle), per un totale di 317,125 stelle e una media di 9,327 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.