#qwen3 Repository
Scopri 37 repository GitHub open source attivi contrassegnati con #qwen3, che raccolgono un totale di 217,169 stelle (con una media di 5,869 stelle per progetto). Il progetto leader di questo argomento è vllm-project/vllm, con 97,302 stelle.
37 repository in totale
Un motore di inferenza e serving per LLM ad alta produttività ed efficiente in termini di memoria
🔥 MaxKB è una piattaforma open source per la creazione di agenti di livello aziendale. Una piattaforma di agenti aziendali open source potente e facile da usare.
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).
Agent Reinforcement Trainer: addestra agenti multi-step per attività del mondo reale utilizzando GRPO. Fornisci ai tuoi agenti una formazione sul campo. Apprendimento per rinforzo per Qwen3.6, GPT-OSS, Llama e altro ancora!
Famiglia di modelli decisionali simili a Jev, basati su Qwen3.5/3.8, che puoi addestrare ed eseguire autonomamente
Esegui LLM e VLM all'avanguardia localmente su dispositivi Qualcomm attraverso NPU, GPU e CPU con poche righe di codice
Alternativa Open Source per la Ricerca Approfondita a Reason e Search su Dati Privati. Scritto in Python.
📚Un elenco curato di Awesome LLM/VLM Inference Papers con codici: Flash-Attention, Paged-Attention, WINT8/4, Parallelism, ecc.🎉
Un'app nativa per macOS che consente agli utenti di chattare con un LLM locale in grado di rispondere con informazioni da file, cartelle e siti Web sul tuo Mac senza installare altro software. Basato su llama.cpp.
Esegui rapidamente modelli Qwen di grandi dimensioni sulle GPU che possiedi davvero. Qwen3.8-27B su una singola scheda da 24 GB con vLLM: 127 tok/s per un singolo utente (381 quando la risposta cita il prompt), circa 1.035 tok/s con 64 richieste simultanee e un contesto di 150k–262k. Patch per vLLM, pipeline di requantizzazione e benchmark.
Generatore di sottotitoli ASR/STT. Usa Qwen3-ASR, LLM locale, Whisper, TEN-VAD. Resistente al rumore per JAV.
Chat2API consente l'accesso gratuito ai principali modelli di IA sfruttando le interfacce web ufficiali. Supporta fornitori come DeepSeek, GLM, Kimi, MiniMax, Qwen e Z.ai e si integra perfettamente con strumenti come openlcaw, Cline e Roo-Code.
Inferenza locale con un comportamento simile a quello di un’API all’avanguardia: Qwen3.8-Flash-Next su AMD Strix Halo, insieme a piccoli modelli NPU, tramite le API di OpenAI e Anthropic su un’unica porta.
Inferenza su CPU senza GPU per modelli MoE da 30B a 284B (Qwen3.8 176.5B certificato con cache fredda in Cgroup v2 a 28,26/48,35 GiB, DeepSeek-V4 284B, Nemotron-30B) + RouteCrack 2.0.
Strumento basato sull'IA per lo screening efficiente di abstract e PDF nelle revisioni sistematiche.
Framework completamente aperto per l'addestramento multimodale democratizzato
🚀 Libreria di addestramento nativo distribuito Pytorch per LLM/VLM con supporto immediato per Hugging Face
🎬 Genera immagini da qualsiasi punto di vista della fotocamera tramite un controllo interattivo 3D. Trascina la fotocamera nello spazio 3D oppure usa i cursori per impostare azimut, elevazione e distanza, quindi genera l’immagine. Realizzato con Three.js + Gradio, con interfaccia bilingue cinese/inglese.
L'implementazione ufficiale per [NeurIPS2025 Oral] Gated Attention per Modelli Linguistici di Grandi Dimensioni: Non-linearità, Sparsità e Senza Attention-Sink
Un Modello di Base Aperto e Benchmark per Accelerare la Raccomandazione Generativa
Modelli open di livello frontier su una TPU v5e-8 gratuita di Kaggle: GLM-5.3-Flash 320B MoE (~165 token/s, con il nostro motore JAX) e Qwen3.8-27B bf16 (~130 token/s), contesto da 262k e caching dei prefissi. Funziona con Claude Code, Codex, opencode e pi.
🚀🚀🚀Una raccolta di alcuni fantastici progetti pubblici su Large Language Model (LLM), Vision Language Model (VLM), Vision Language Action (VLA), AI Generated Content (AIGC), i relativi Dataset e Applicazioni.
MimikaStudio - Un'applicazione local-first per macOS (Apple Silicon) + Supporto Agentic MCP
Motore di inferenza LLM puro Rust + CUDA — nessun PyTorch, compatibile con OpenAI, serve da Qwen3 a Kimi-K2
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.
Gateway API per LLM - Un nuovissimo sistema di gestione delle interfacce per modelli AI e di aggregazione e distribuzione API. Supporta la conversione di vari LLM in interfacce unificate compatibili con OpenAI, Claude e Gemini. Adatto per la gestione unificata e la distribuzione dei canali API per uso personale o aziendale (gestione delle chiavi e distribuzione secondaria). Supporta tutti i principali modelli internazionali e nazionali come Gemini, Claude, Qwen3, Kimi-k2, Doubao, ecc. Disponibile come file eseguibile singolo o immagine Docker, distribuzione con un clic, pronto all'uso, completamente open source e autonomo! Questo progetto si basa su New-API e One-API, integrando tutte le funzionalità di NewAPI e OneAPI insieme a numerosi plugin di terze parti. Funzionalità estremamente potenti!
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.
È stato eseguito il fine-tuning concatenato della testa visiva di SmolVLM2 con il modello Qwen3-0.6B.
Motore di inferenza mini qwen3-0.6B statico, minimalista, batch singolo, solo CUDA
Un motore di inferenza interamente basato su Rust per LLM, VLM, VLA, TTS e OCR, basato su Candle e Rust. Un’alternativa a llama.cpp, molto più semplice e pulita.
Ablazione completamente senza censura e con capacità potenziate di Qwen3.6-27B. Decodifica speculativa NVFP4 + z-lab DFlash (n=12) nel container unificato ghcr.io/aeon-7/aeon-vllm-ultimate:latest, ottimizzata per l’accettazione delle proposte in contesti lunghi su DGX Spark. 6 varianti HF (BF16/NVFP4/MTP/MTP-XS), docker-compose e guida QuickStart.
Domande frequenti
Qual è il repository #qwen3 più popolare su GitHub?
Il progetto open source #qwen3 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
Quali linguaggi di programmazione sono più utilizzati nei repository #qwen3?
Tra i progetti #qwen3 più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Go, Swift, TypeScript.
Come viene calcolata la classifica dei repository #qwen3?
Monitoriamo 37 repository open source attivi contrassegnati con #qwen3 (500+ stelle), per un totale di 217,169 stelle e una media di 5,869 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.