Git Stars Git Stars

#rwkv Repository

Scopri 10 repository GitHub open source attivi contrassegnati con #rwkv, che raccolgono un totale di 47,107 stelle (con una media di 4,710 stelle per progetto). Il progetto leader di questo argomento è BlinkDL/RWKV-LM, con 14,786 stelle.

10
Totale Repository
47,107
Totale stelle
4,710
Media Stelle/Repo

10 repository in totale

1
BlinkDL/RWKV-LM

RWKV (pronunciato RwaKuv) è un RNN con ottime prestazioni LLM, che può anche essere addestrato direttamente come un transformer GPT (parallelizzabile). Siamo a RWKV-7 "Goose". Quindi combina il meglio di RNN e transformer - ottime prestazioni, tempo lineare, spazio costante (nessuna cache kv), addestramento veloce, ctx_len infinito e embedding di frasi gratuito.

BlinkDL
⭐ 14,786 Python 👤 BlinkDL User 🕐 Aggiornato 2026-11-04 📅 Creato 2021-08-08
2
BlinkDL/ChatRWKV

ChatRWKV è come ChatGPT ma alimentato dal modello linguistico RWKV (100% RNN) ed è open source.

BlinkDL
⭐ 9,482 Python 👤 BlinkDL User 🕐 Aggiornato 2026-07-19 📅 Creato 2023-01-13
3
josStorer/RWKV-Runner

Uno strumento di gestione e avvio di RWKV, completamente automatizzato, solo 8 MB. E fornisce un'interfaccia compatibile con l'API di OpenAI. RWKV è un modello linguistico di grandi dimensioni completamente open source e disponibile per uso commerciale.

josStorer
⭐ 6,503 TypeScript 👤 josStorer User 🕐 Aggiornato 2026-11-02 📅 Creato 2023-05-05
4
wenda-LLM/wenda

Wenda: Una piattaforma di invocazione LLM. L'obiettivo è la generazione efficiente di contenuti per ambienti specifici, tenendo conto dei limiti delle risorse computazionali di individui e PMI, nonché delle questioni di sicurezza e privacy della conoscenza.

wenda-LLM
⭐ 6,175 JavaScript 👤 wenda-LLM Organization 🕐 Aggiornato 2025-01-23 📅 Creato 2023-03-25
5
datawhalechina/llms-from-scratch-cn

Solo basi di Python necessarie, costruisci modelli linguistici di grandi dimensioni da zero; Costruisci gradualmente GLM4\Llama3\RWKV6 da zero, comprendendo a fondo i principi dei grandi modelli.

datawhalechina
⭐ 4,470 Jupyter Notebook 👤 datawhalechina Organization 🕐 Aggiornato 2026-09-17 📅 Creato 2024-02-28
6
guinmoon/LLMFarm

llama e altri modelli linguistici di grandi dimensioni su iOS e MacOS offline utilizzando la libreria GGML.

guinmoon
⭐ 2,081 C 👤 guinmoon User 🕐 Aggiornato 2026-01-30 📅 Creato 2023-06-14
7
RWKV/rwkv.cpp

Inferenza INT4/INT5/INT8 e FP16 su CPU per il modello linguistico RWKV

RWKV
⭐ 1,570 C++ 👤 RWKV Organization 🕐 Aggiornato 2025-03-23 📅 Creato 2023-03-30
8
Pangu-Immortal/MagicWX

Prototipo di LLM locale per Android 17 con Jetpack Compose e ONNX Runtime per esperimenti di inferenza AI offline.

Pangu-Immortal
⭐ 864 Kotlin 👤 Pangu-Immortal User 🕐 Aggiornato 2026-11-09 📅 Creato 2019-05-08
9
Ai00-X/ai00_server

La box runtime RWKV all-in-one con embed, RAG, agenti AI e altro ancora.

Ai00-X
⭐ 624 Rust 👤 Ai00-X Organization 🕐 Aggiornato 2026-06-09 📅 Creato 2023-07-10
10
OpenGVLab/Vision-RWKV

[ICLR 2025 Spotlight] Vision-RWKV: Percezione visiva efficiente e scalabile con architetture simili a RWKV

OpenGVLab
⭐ 553 Python 👤 OpenGVLab Organization 🕐 Aggiornato 2025-02-18 📅 Creato 2024-02-29

Domande frequenti

1

Qual è il repository #rwkv più popolare su GitHub?

Il progetto open source #rwkv più alto in classifica su GitHub è BlinkDL/RWKV-LM, con 14,786 stelle. RWKV (pronunciato RwaKuv) è un RNN con ottime prestazioni LLM, che può anche essere addestrato direttamente come un transformer GPT (parallelizzabile). Siamo a RWKV-7 "Goose". Quindi combina il meglio di RNN e transformer - ottime prestazioni, tempo lineare, spazio costante (nessuna cache kv), addestramento veloce, ctx_len infinito e embedding di frasi gratuito.

2

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

Tra i progetti #rwkv più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, JavaScript, Jupyter Notebook.

3

Come viene calcolata la classifica dei repository #rwkv?

Monitoriamo 10 repository open source attivi contrassegnati con #rwkv (500+ stelle), per un totale di 47,107 stelle e una media di 4,710 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.