#foundation-models Repositórios
Descubra 155 repositórios ativos de código aberto no GitHub marcados com #foundation-models, acumulando um total de 525,346 estrelas (uma média de 3,389 por projeto). O líder deste tópico é facebookresearch/segment-anything, com 53,052 estrelas.
155 repositórios no total
O repositório fornece código para executar inferência com o SegmentAnything Model (SAM), links para download dos checkpoints do modelo treinado e notebooks de exemplo que mostram como usar o modelo.
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) construído em direção a capacidades de nível GPT-4V e além.
Pré-treinamento Autossupervisionado em Larga Escala Entre Tarefas, Idiomas e Modalidades
O repositório fornece código para executar inferência com o Meta Segment Anything Model 2 (SAM 2), links para baixar os pontos de verificação do modelo treinado e notebooks de exemplo que mostram como usar o modelo.
[EM ANDAMENTO] Recursos para engenheiros de IA. Também contém materiais de apoio para o livro Engenharia de IA (Chip Huyen, 2025)
YuE2: geração musical de ponta com planejamento simbólico, covers zero-shot e edição musical baseada em agentes.
O repositório fornece código para executar inferência e ajuste fino com o Meta Segment Anything Model 3 (SAM 3), links para baixar os pontos de verificação do modelo treinado e notebooks de exemplo que mostram como usar o modelo.
Moshi é um modelo fundamental de fala-texto e um framework de diálogo falado full-duplex. Ele usa Mimi, um codec de áudio neural de streaming de última geração.
Uma biblioteca Python para detecção de anomalias em dados tabulares, séries temporais, grafos, texto, imagens e áudio. Inclui mais de 60 detectores, orquestração ADEngine baseada em benchmarks e um fluxo de trabalho agente para agentes de IA.
OpenSquilla — Agente de IA eficiente em tokens com o mesmo orçamento, maior densidade de inteligência
Chronos: Modelos Pré-treinados para Previsão de Séries Temporais
LimiX: Liberando a capacidade de modelagem de dados estruturados para uma inteligência generalista https://arxiv.org/abs/2609.17488
Framework de código aberto para pesquisa e desenvolvimento de modelos de fundação.
TimeGPT-2.1: modelo fundacional de séries temporais pré-treinado e pronto para produção, para previsão e detecção de anomalias. Um transformador generativo pré-treinado para séries temporais, treinado com mais de 100 bilhões de pontos de dados. Ele é capaz de fazer previsões precisas em diversos domínios, como varejo, eletricidade, finanças e IoT, com apenas algumas linhas de código 🚀.
Código e modelos PyTorch para aprendizagem autossupervisionada V-JEPA a partir de vídeo.
Grounded SAM 2: Localizar e Rastrear Qualquer Coisa em Vídeos com Grounding DINO, Florence-2 e SAM 2
O repositório fornece o código para executar a inferência com o Meta Segment Anything Audio Model (SAM-Audio), links para baixar os checkpoints do modelo treinado e notebooks de exemplo que mostram como usar o modelo.
Código e modelos para o artigo ICML 2024, NExT-GPT: Modelo de Linguagem Grande Multimodal Qualquer-para-Qualquer
[Destaque CVPR2024][VideoChatGPT] ChatGPT com compreensão de vídeo! E muitos outros LMs suportados, como miniGPT4, StableLM e MOSS.
SuperCLUE: Padrão Abrangente para Modelos de Fundação em Chinês | A Benchmark for Foundation Models in Chinese
Otter, um modelo multimodal baseado no OpenFlamingo (versão de código aberto do Flamingo da DeepMind), treinado no MIMIC-IT e demonstrando melhoria na capacidade de seguir instruções e no aprendizado em contexto.
Repositório oficial do MOSS-Image, um modelo DiT base com 5 bilhões de parâmetros, renderização de texto de alta qualidade, geração de layouts e ajuste fino eficiente.
[Nomeação para Melhor Artigo CVPR 2025] FoundationStereo: Correspondência Estéreo Zero-Shot
Holistic Evaluation of Language Models (HELM) é um framework Python de código aberto criado pelo Center for Research on Foundation Models (CRFM) em Stanford para avaliação holística, reproduzível e transparente de modelos de fundação, incluindo grandes modelos de linguagem (LLMs) e modelos multimodais.
Imagens para inferência sem rotulagem (use modelos de base para treinar modelos supervisionados).
GigaBrain-0: Um Modelo Visão-Linguagem-Ação Alimentado por um Modelo de Mundo
[ECCV2024] Modelos Fundacionais de Vídeo e Dados para Compreensão Multimodal
Awesome-LLM-3D: uma lista selecionada de Recursos de Modelos de Linguagem Grande Multimodais no mundo 3D
[CVPR 2025] Implementação Oficial em PyTorch de MambaVision: Um Backbone Híbrido Mamba-Transformer para Visão
Coisas incríveis sobre agentes alimentados por LLM. Artigos / Repositórios / Blogs / ...
Este é um workshop projetado para o Amazon Bedrock, um serviço de modelo fundamental.
Um avaliador automático para modelos de linguagem que seguem instruções. Validado por humanos, de alta qualidade, barato e rápido.
Perguntas Frequentes
Qual é o repositório de #foundation-models mais popular no GitHub?
O projeto de código aberto de #foundation-models mais bem classificado no GitHub é facebookresearch/segment-anything, com 53,052 estrelas. O repositório fornece código para executar inferência com o SegmentAnything Model (SAM), links para download dos checkpoints do modelo treinado e notebooks de exemplo que mostram como usar o modelo.
Quais linguagens de programação são mais usadas nos repositórios de #foundation-models?
Entre os projetos de #foundation-models mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #foundation-models?
Acompanhamos 155 repositórios ativos de código aberto marcados com #foundation-models (com mais de 500 estrelas), totalizando 525,346 estrelas e uma média de 3,389 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.