#on-device-ai リポジトリ
#on-device-aiのタグが付いた、GitHub上の68件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は183,992個で、プロジェクトあたりの平均は2,705個です。このトピックをリードしているのは、14,864個のスターを獲得しているcactus-compute/cactusです。
リポジトリ合計69件
デバイスネイティブな基盤モデル:ノートPCで145B、スマートフォンで35B。潜在MoE、SSDからストリーミングされる重み、負荷を1ステップ先まで予測するルーター。Mac、iPhone、Android、Windows。
このリポジトリには、「FastVLM: Efficient Vision Encoding for Vision Language Models」- CVPR 2025 の公式実装が含まれています。
LiteRT-LMは、エッジデバイス上で大規模言語モデルをデプロイするための、Googleのプロダクションレディで高性能なオープンソース推論フレームワークです。
エッジコンピューティングと連合学習のための、人間中心でリソースを考慮した Android ノード。プライバシーを最優先するローカライゼーションと、利用者に配慮したハードウェア管理により、分散型インテリジェンスを統括します。
Claude Codeの利用上限に達しましたか?ローカルモデルで無料・オフラインのまま続けられます。Qwen 3.8、Gemma 4、そしてリリース当日から使えるQwen 4に対応。Apple Silicon搭載Mac(MLX)、Linux、Windows(llama.cpp)で動作し、APIキーは不要。コードはローカルから外に出ません。
ローカルのテキストや画像を整理してプライバシーを確保するAI搭載ファイル管理ツール。Llama3.2 3BおよびLlava v1.6モデルとNexa SDKを使用し、ファイルを直感的にスキャン、再構築、整理して、迅速でシームレスなアクセスと簡単な取得を実現します。
Mano-P: エッジデバイス向けオープンソースGUI-VLAエージェント。OSWorldで1位(専門版、58.2%)。Apple M4 Mac mini/MacBookでローカル実行 — データはデバイスから出ません。Mano-PはオープンソースGUI-VLAプロジェクトで、Mac mini/MacBookまたはコンピュートスティックでのローカル推論をサポートし、純粋視覚駆動のクロスプラットフォームGUI自動化操作を実現します。データは完全にローカルで処理され、複雑な多段階タスクの計画と実行をサポートします。
Sophon、Rockchip RKNN、x86に対応した、動画分析およびデバイス上のVLM向け本番対応C++エッジAIエンジン。ビジュアルオーケストレーション、リアルタイムOSD、イベント処理、再現可能なベンチマークを搭載。
iOS/macOS向けCore MLモデルZoo — PyTorchモデルをすぐに使える.mlpackageに変換。各モデルには変換スクリプトとSwiftUIサンプルアプリが含まれています。関連リポジトリでは、AppleのCore AIフレームワーク(iOS/macOS 27)とオンデバイスLLMを扱っています。
PyTorch の ExecuTorch ランタイムを基盤とする、React Native 向けの高性能かつプライバシー重視のオンデバイス AI 推論ライブラリ
Muesli:macOS向け、エージェントネイティブなローカル会議文字起こし・音声入力(Granola + WisprFlow + Littlebirdの代替)
Apple Core ML と Neural Engine 上でのローカルな Laya 型付き意思決定。移植版を検証済み。M3 Max では短い意思決定を約 5 ms で実行し、速度とエネルギー消費の再現可能なベンチマークを実施。
Apple Silicon搭載のMacでLLMをファインチューニング。SFT、DPO、GRPO、Vision、TTS、STT、Embedding、OCRのファインチューニング — MLX上でネイティブ対応。Unsloth互換API。
PhoneClawは、デバイス上のモデル、ネイティブモバイルスキル、LiveLand、およびオプションのMac Gateway推論により、電話をローカルAIエージェントランタイムに変えます。
PokeClaw (PocketClaw) — Androidスマホを制御する初のオンデバイスAI。Gemma 4、クラウド不要、APIキー不要。PokeはPocketの略。
RAMの容量を超えるMoEモデルを実行。スマートフォン、ノートPC、エッジデバイスで最先端クラスのMoEを。ロスレスで、標準のllama.cpp上で動作。適応型ストリーミングオプティマイザー。あらゆるハードウェア、OS、モデル、量子化に対応し、ローカルのOpenAI互換サーバー経由で利用できます。
jevos:JevおよびMicrosoft-Decision-1に代わるオープンソースの選択肢。ノートPCのCPU上で、確率付きのYes/No判定、選択、スコアリングを実行できます。
ローカルファースト、オープンソースのデータ用AIアシスタント。タスク、メモ、ドキュメント、写真、ブックマークを統合。プライベート、セルフホスト型で、API経由で拡張可能。
すべてのエージェントで共有できる単一ファイルのメモリレイヤー。Apple Silicon上で、テキスト、写真、動画に対するサブミリ秒のRAGを実現。サーバー不要。API不要。1ファイル。Pure Swift。
オープンソースのローカルAI SDK — クラウドもAPIキーも不要で、デバイス上でAIを実行できます。GGUF、RAG、画像・音楽・動画生成、音声テキスト変換、P2P推論などに対応。クロスプラットフォーム:Linux、macOS、Windows、Android、iOS。
よくある質問
GitHubで最も人気のある#on-device-aiリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#on-device-aiプロジェクトは、14,864個のスターを獲得しているcactus-compute/cactusです。コンシューマーデバイス向けの、50 MB未満のエージェント型・音声・視覚インテリジェンス。
#on-device-aiリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#on-device-aiプロジェクトでは、Python, Swift, C++, TypeScriptが最も一般的なプログラミング言語です。
#on-device-aiリポジトリのランキングはどのように算出されていますか?
#on-device-aiのタグが付いた68件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は183,992個で、リポジトリあたりの平均は2,705個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。