#qwen3 Репозитории
Откройте для себя 37 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #qwen3, с общим числом 217,169 звёзд (в среднем 5,869 на проект). Лидером этой темы является vllm-project/vllm, набравший 97,302 звёзд.
Всего репозиториев: 37
Высокопроизводительный и эффективный по памяти движок для инференса и обслуживания LLM
🔥 MaxKB — это платформа с открытым исходным кодом для создания агентов корпоративного уровня. Мощная и простая в использовании платформа с открытым исходным кодом для корпоративных агентов.
Используйте PEFT или обучение всех параметров для выполнения CPT/SFT/DPO/GRPO на более чем 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4 и др.) и более чем 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4 и др.) (AAAI 2025).
Тренажер обучения агентов с подкреплением: обучайте многошаговых агентов для реальных задач с помощью GRPO. Проводите обучение ваших агентов без отрыва от работы. Обучение с подкреплением для Qwen3.6, GPT-OSS, Llama и других моделей!
Семейство моделей принятия решений, подобных Jev, построенных на базе Qwen3.5/3.8, которые можно самостоятельно обучать и запускать
Запускайте передовые LLM и VLM локально на устройствах Qualcomm через NPU, GPU и CPU с помощью нескольких строк кода
Альтернатива Reason и Search для глубоких исследований с открытым исходным кодом на частных данных. Написано на Python.
📚Подборка отличных статей об инференсе LLM/VLM с кодами: Flash-Attention, Paged-Attention, WINT8/4, Parallelism и т.д.🎉
Нативное приложение для macOS, позволяющее пользователям общаться с локальной LLM, которая может отвечать информацией из файлов, папок и веб-сайтов на вашем Mac без установки какого-либо другого программного обеспечения. Работает на llama.cpp.
Быстро обслуживайте большие модели Qwen на тех GPU, которыми вы действительно располагаете. Qwen3.8-27B на одной карте объёмом 24 ГБ с vLLM: 127 ток/с для одного пользователя (381, когда ответ цитирует промпт), около 1 035 ток/с при 64 одновременных запросах, контекст 150k–262k. Патчи для vLLM, конвейер повторной квантизации и бенчмарки.
Генератор субтитров ASR/STT. Использует Qwen3-ASR, локальную LLM, Whisper, TEN-VAD. Работает в шумной среде для JAV.
Chat2API обеспечивает бесплатный доступ к ведущим моделям ИИ, используя официальные веб-интерфейсы. Поддерживает провайдеров, таких как DeepSeek, GLM, Kimi, MiniMax, Qwen и Z.ai, и бесшовно интегрируется с инструментами вроде openlcaw, Cline и Roo-Code.
Локальный инференс с поведением, как у передового API: Qwen3.8-Flash-Next на AMD Strix Halo и небольшие модели для NPU — через API OpenAI и Anthropic на одном порту.
Инференс на CPU без GPU для MoE-моделей размером 30B–284B (Qwen3.8 176.5B сертифицирован в режиме холодного кэша в Cgroup v2 с объёмом 28,26/48,35 ГиБ, DeepSeek-V4 284B, Nemotron-30B) + RouteCrack 2.0.
Инструмент на базе ИИ для эффективного отбора рефератов и PDF в систематических обзорах.
Полностью открытая структура для демократизированного мультимодального обучения
🚀 Библиотека для распределенного обучения Pytorch для LLM/VLM с поддержкой «из коробки» для Hugging Face
🎬 Создавайте изображения с любой точки обзора камеры с помощью интерактивного 3D-управления. Перетаскивайте камеру в 3D-пространстве или используйте ползунки, чтобы задать азимут, угол возвышения и расстояние, а затем запускайте генерацию. Создано с использованием Three.js + Gradio; интерфейс поддерживает китайский и английский языки.
Официальная реализация [NeurIPS2025 Oral] «Вентилируемое внимание (Gated Attention) для больших языковых моделей: нелинейность, разреженность и отсутствие поглотителя внимания (Attention-Sink-Free)»
Открытая фундаментальная модель и эталонный набор для ускорения генеративных рекомендаций
Открытые модели передового уровня на бесплатной TPU Kaggle v5e-8: GLM-5.3-Flash 320B MoE (~165 токенов/с, на нашем собственном движке JAX) и Qwen3.8-27B bf16 (~130 токенов/с), контекст 262k и кэширование префиксов. Работает с Claude Code, Codex, opencode и pi.
🚀🚀🚀Сборник некоторых потрясающих общедоступных проектов по большим языковым моделям (LLM), моделям зрения и языка (VLM), действиям зрения и языка (VLA), контенту, созданному ИИ (AIGC), а также связанным наборам данных и приложениям.
MimikaStudio - Локальное-first приложение для macOS (Apple Silicon) + Поддержка Agentic MCP
Чистый движок вывода LLM на Rust + CUDA — без PyTorch, совместим с OpenAI, обслуживает от Qwen3 до Kimi-K2
37 ток/с на Qwen3-Next-80B (48 ГБ) на ноутбуке с 32 ГБ памяти; 24 ток/с без черновой генерации против 2,8 у llama.cpp; скорость чтения — 62 против 16 ток/с. Быстрее llama.cpp на всех 13 моделях, сравнивавшихся в Q4_K_M. Запускайте LLM, превышающие объём вашей RAM, на чистом C — на CPU или GPU.
Шлюз API для LLM — совершенно новая система управления интерфейсами моделей ИИ и агрегации/распределения API. Поддерживает преобразование различных LLM в унифицированные интерфейсы, совместимые с OpenAI, Claude и Gemini. Подходит для централизованного управления API и распределения каналов для личного или корпоративного использования (управление ключами и вторичное распределение). Поддерживает все основные международные и внутренние модели, такие как Gemini, Claude, Qwen3, Kimi-k2, Doubao и другие. Доступен в виде одного исполняемого файла или Docker-образа, развертывание в один клик, готов к использованию, полностью с открытым исходным кодом и под полным вашим контролем! Проект основан на New-API и One-API, объединяя все функции NewAPI и OneAPI, а также множество сторонних плагинов. Обладает невероятно мощным функционалом!
Запускайте ИИ-модель размером 105 ГБ на Mac, на котором она не помещается целиком. Qwen3.8-Flash-Next в 4-битном формате загружается потоком с SSD на компьютерах Mac с Apple Silicon и 16–64 ГБ памяти. Полностью нативная реализация на Swift, MLX и Metal. Работает офлайн, без Python. CLI, библиотека Swift и API Ollama/OpenAI/Anthropic. Совместима с Claude Code и Codex.
волшебный настольный клиент LLM, который позволяет *любому* легко использовать LLM и MCP
Была выполнена конкатенированная точная настройка визуальной части SmolVLM2 с моделью Qwen3-0.6B.
Полностью написанный на Rust движок инференса для LLM, VLM, VLA, TTS и OCR на базе Candle и Rust. Альтернатива llama.cpp — гораздо проще и чище.
Zig INferenCe Engine — Локальный вывод LLM на графических процессорах AMD и Apple Silicon
Полностью нецензурированная версия Qwen3.6-27B с расширенными возможностями, полученная методом abliteration. Спекулятивное декодирование NVFP4 + z-lab DFlash (n=12) в унифицированном контейнере ghcr.io/aeon-7/aeon-vllm-ultimate:latest, настроенное на высокую приемку черновиков при длинном контексте на DGX Spark. 6 вариантов HF (BF16/NVFP4/MTP/MTP-XS), docker-compose и QuickStart.
Часто задаваемые вопросы
Какой репозиторий по теме #qwen3 наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #qwen3 на GitHub — vllm-project/vllm, набравший 97,302 звёзд. Высокопроизводительный и эффективный по памяти движок для инференса и обслуживания LLM
Какие языки программирования чаще всего используются в репозиториях по теме #qwen3?
Среди наиболее высоко оценённых проектов по теме #qwen3 на GitHub чаще всего используются языки программирования Python, Go, Swift, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #qwen3?
Мы отслеживаем 37 активных репозиториев с открытым исходным кодом, отмеченных тегом #qwen3 (500 и более звёзд), с общим числом 217,169 звёзд и в среднем 5,869 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.