#qwen3 Repositórios
Descubra 37 repositórios ativos de código aberto no GitHub marcados com #qwen3, acumulando um total de 217,169 estrelas (uma média de 5,869 por projeto). O líder deste tópico é vllm-project/vllm, com 97,302 estrelas.
37 repositórios no total
Um motor de inferência e serviço para LLMs de alto rendimento e eficiente em memória
🔥 MaxKB é uma plataforma de código aberto para a construção de agentes de nível empresarial. Uma plataforma de agentes empresariais de código aberto poderosa e fácil de usar.
Use PEFT ou treinamento com todos os parâmetros para realizar CPT/SFT/DPO/GRPO em mais de 600 LLMs (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) e mais de 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
Treinador de Reforço de Agentes: treine agentes de várias etapas para tarefas do mundo real usando GRPO. Dê aos seus agentes treinamento no trabalho. Aprendizado por reforço para Qwen3.6, GPT-OSS, Llama e muito mais!
Família de modelos de decisão semelhantes ao Jev, desenvolvidos com base no Qwen3.5/3.8, que você pode treinar e executar por conta própria
Execute LLMs e VLMs de ponta localmente em dispositivos Qualcomm através de NPU, GPU e CPU com algumas linhas de código
Alternativa de Pesquisa Profunda de Código Aberto para Razão e Busca em Dados Privados. Escrito em Python.
📚Uma lista selecionada de artigos incríveis sobre Inferência de LLM/VLM com Códigos: Flash-Attention, Paged-Attention, WINT8/4, Parallelism, etc.🎉
Um aplicativo nativo para macOS que permite aos usuários conversar com um LLM local que pode responder com informações de arquivos, pastas e sites no seu Mac sem instalar nenhum outro software. Potencializado por llama.cpp.
Execute modelos Qwen grandes rapidamente nas GPUs que você realmente possui. Qwen3.8-27B em uma única placa de 24 GB com vLLM: 127 tok/s para um único usuário (381 quando a resposta cita o prompt), cerca de 1.035 tok/s com 64 requisições simultâneas e contexto de 150k–262k. Patches do vLLM, pipeline de requantização e benchmarks.
Gerador de legendas ASR/STT. Usa Qwen3-ASR, LLM local, Whisper, TEN-VAD. Resistência a ruído para JAV.
Chat2API permite acesso gratuito a modelos de IA líderes utilizando interfaces web oficiais. Suporta provedores como DeepSeek, GLM, Kimi, MiniMax, Qwen e Z.ai, e se integra perfeitamente com ferramentas como openlcaw, Cline e Roo-Code.
Inferência local com comportamento semelhante ao de uma API de ponta: Qwen3.8-Flash-Next no AMD Strix Halo, além de pequenos modelos NPU, pelas APIs da OpenAI e da Anthropic em uma única porta.
Inferência em CPU sem GPU para modelos MoE de 30B–284B (Qwen3.8 176.5B certificado com cache fria no Cgroup v2 com 28,26/48,35 GiB, DeepSeek-V4 284B, Nemotron-30B) + RouteCrack 2.0.
Ferramenta alimentada por IA para triagem eficiente de resumos e PDFs em revisões sistemáticas.
Estrutura Totalmente Aberta para Treinamento Multimodal Democratizado
🚀 Biblioteca de treinamento nativo distribuído Pytorch para LLMs/VLMs com suporte imediato ao Hugging Face
🎬 Gere imagens a partir de qualquer ponto de vista da câmera usando controles interativos em 3D. Arraste a câmera no espaço 3D ou use os controles deslizantes para definir o azimute, a elevação e a distância; em seguida, gere a imagem. Desenvolvido com Three.js + Gradio, com interface bilíngue em chinês e inglês.
A implementação oficial para [NeurIPS2025 Oral] Gated Attention para Grandes Modelos de Linguagem: Não-linearidade, Esparsidade e Livre de Attention-Sink
Um Modelo de Fundação Aberto e Benchmark para Acelerar Recomendação Generativa
Modelos abertos de nível de fronteira em uma TPU v5e-8 gratuita da Kaggle: GLM-5.3-Flash 320B MoE (~165 tokens/s, com nosso próprio mecanismo JAX) e Qwen3.8-27B bf16 (~130 tokens/s), contexto de 262k e cache de prefixos. Funciona com Claude Code, Codex, opencode e pi.
🚀🚀🚀Uma coleção de projetos públicos incríveis sobre Modelos de Linguagem Grandes (LLM), Modelos de Linguagem Visual (VLM), Ação de Linguagem Visual (VLA), Conteúdo Gerado por IA (AIGC), os Datasets e Aplicações relacionados.
MimikaStudio - Um aplicativo local-first para macOS (Apple Silicon) + Suporte Agentic MCP
Implementação de arquiteturas de LLM do zero com PyTorch
Motor de inferência LLM puro Rust + CUDA — sem PyTorch, compatível com OpenAI, atende de Qwen3 a Kimi-K2
37 tok/s com Qwen3-Next-80B (48 GB) num portátil com 32 GB; 24 sem rascunhos, contra 2,8 com llama.cpp; leitura a 62 contra 16 tok/s. Mais rápido que llama.cpp em todos os 13 modelos comparados em Q4_K_M. LLMs maiores do que a sua RAM, em C puro, para CPU ou GPU.
Gateway de API para LLM - Um novo sistema de gerenciamento de interfaces de modelos de IA e agregação e distribuição de API. Suporta a conversão de vários LLMs em interfaces unificadas compatíveis com OpenAI, Claude e Gemini. Adequado para gerenciamento unificado de API e distribuição de canais para uso pessoal ou empresarial (gerenciamento de chaves e distribuição secundária). Suporta todos os principais modelos internacionais e nacionais, como Gemini, Claude, Qwen3, Kimi-k2, Doubao, etc. Disponível como arquivo executável único ou imagem Docker, implantação com um clique, pronto para uso, totalmente de código aberto e autogerenciável! Este projeto é baseado no New-API e One-API, integrando todas as funcionalidades do NewAPI e OneAPI, além de inúmeros plugins de terceiros. Funcionalidade extremamente poderosa!
Execute um modelo de IA de 105 GB em um Mac que não tem espaço para armazená-lo. Qwen3.8-Flash-Next de 4 bits, transmitido por streaming a partir de um SSD em Macs com Apple Silicon e 16–64 GB de memória. Totalmente nativo em Swift, MLX e Metal. Funciona offline, sem Python. CLI, biblioteca Swift e APIs Ollama/OpenAI/Anthropic. Compatível com Claude Code e Codex.
um cliente de desktop LLM mágico que facilita para *qualquer pessoa* usar LLMs e MCP
Foi realizado o ajuste fino concatenado (fine-tuning) da cabeça visual do SmolVLM2 com o modelo Qwen3-0.6B.
Motor de inferência CUDA-only qwen3-0.6B mini estático e sem frescuras de lote único
Um mecanismo de inferência totalmente desenvolvido em Rust para LLMs, VLMs, VLAs, TTS e OCR, baseado no Candle e no Rust. Uma alternativa ao llama.cpp, muito mais simples e enxuta.
Ablation totalmente sem censura e com capacidades aprimoradas do Qwen3.6-27B. Decodificação especulativa NVFP4 + z-lab DFlash (n=12) no contêiner unificado ghcr.io/aeon-7/aeon-vllm-ultimate:latest, otimizada para a aceitação de rascunhos em contextos longos no DGX Spark. 6 variantes HF (BF16/NVFP4/MTP/MTP-XS), docker-compose e QuickStart.
Perguntas Frequentes
Qual é o repositório de #qwen3 mais popular no GitHub?
O projeto de código aberto de #qwen3 mais bem classificado no GitHub é vllm-project/vllm, com 97,302 estrelas. Um motor de inferência e serviço para LLMs de alto rendimento e eficiente em memória
Quais linguagens de programação são mais usadas nos repositórios de #qwen3?
Entre os projetos de #qwen3 mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Go, Swift, TypeScript.
Como é calculada a classificação dos repositórios de #qwen3?
Acompanhamos 37 repositórios ativos de código aberto marcados com #qwen3 (com mais de 500 estrelas), totalizando 217,169 estrelas e uma média de 5,869 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.