#mixture-of-experts 仓库
探索 78 个标记为 #mixture-of-experts 的活跃开源 GitHub 仓库,它们累计获得 392,641 个 Star(平均每个项目 5,033 个)。该主题的领先项目是 deepseek-ai/DeepSeek-V3,拥有 104,417 个 Star。
共 78 个仓库
一个拥有 2.78 万亿参数的 Kimi K3 模型,在单核 CPU 和 8.24 GB 内存下运行推理。可移植 C99 代码:无 BLAS,无框架,无 GPU。
《深入理解 AI Infra:量化分析与系统设计》(李博杰 著)开源书稿:从硬件约束和模型架构出发,量化推导 LLM 推理与训练系统设计。含全书正文、PDF、配套计算工具与实验
在您自己的 GPU 上运行 GLM-5.3(744B)、DeepSeek-V4.1-Flash(748B)、MiniMax-M3.1-Flash(428B)、GLM-5.3-Flash(321B)和 Hy4-Flash(220B)——最低仅需 8 GB 显存,支持 NVIDIA 和 AMD,统一仪表板,并提供兼容 OpenAI 和 Anthropic 的 API。
本地推理,体验媲美前沿 API:在 AMD Strix Halo 上运行 Qwen3.8-Flash-Next 和小型 NPU 模型,通过同一端口提供 OpenAI 和 Anthropic API。
零 GPU、纯 CPU 推理,支持 30B–284B MoE 模型(Qwen3.8 176.5B 已在 28.26/48.35 GiB 的 Cgroup v2 冷缓存环境中通过认证、DeepSeek-V4 284B、Nemotron-30B)+ RouteCrack 2.0。
在自己的 PC 上运行大型 AI 模型:使用 Strata 引擎运行 Qwen3.8-Flash-Next,使用专为 PolyStrata 打造的第二款引擎运行 GLM 5.3 Flash、DeepSeek V4 Flash、LFM2.5、Qwen3.6、Ornith 1.5、Gemma 4、Tiel Coder 和 MiniCPM-V。支持 Windows 和 Linux 一键安装,并在 localhost 上提供 OpenAI/Anthropic API。
PyTorch 重新实现 "The Sparsely-Gated Mixture-of-Experts Layer" by Noam Shazeer et al. https://arxiv.org/abs/1701.06538
常见问题解答
GitHub 上最受欢迎的 #mixture-of-experts 仓库是什么?
GitHub 上排名第一的开源 #mixture-of-experts 项目是 deepseek-ai/DeepSeek-V3,拥有 104,417 个 Star。
#mixture-of-experts 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #mixture-of-experts 项目中,最常见的编程语言是 Python, C++, Jupyter Notebook, C。
#mixture-of-experts 仓库的排名是如何计算的?
我们跟踪了 78 个标记为 #mixture-of-experts 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 392,641 个 Star,平均每个仓库拥有 5,033 个 Star。排名每日根据 GitHub API 更新。