Git Stars Git Stars

#vlm 仓库

探索 89 个标记为 #vlm 的活跃开源 GitHub 仓库,它们累计获得 457,898 个 Star(平均每个项目 5,144 个)。该主题的领先项目是 huggingface/transformers,拥有 169,339 个 Star。

89
仓库总数
457,898
总星标数
5,144
平均每个仓库星标数
1
huggingface/transformers

🤗 Transformers:用于文本、视觉、音频和多模态模型的最先进机器学习模型的模型定义框架,支持推理和训练。

huggingface
⭐ 169,339 Python 👤 huggingface Organization 🕐 已更新 2026-11-21 📅 创建时间 2018-10-29
2
bytedance/UI-TARS-desktop

开源多模态AI代理栈:连接前沿AI模型和代理基础设施

bytedance
⭐ 39,583 TypeScript 👤 bytedance Organization 🕐 已更新 2026-10-09 📅 创建时间 2025-01-19
3
sgl-project/sglang

SGLang 是一个用于大型语言模型和多模态模型的高性能服务框架。

sgl-project
⭐ 38,899 Python 👤 sgl-project Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-01-08
4
JuneYaooo/rea-video

逆向拆解任意视频,逐个镜头分析它是实拍、AI 生成还是代码制作,并告诉你如何复刻。拆解结果以开放的 VIDEO.md 格式输出。

JuneYaooo
⭐ 11,577 Python 👤 JuneYaooo User 🕐 已更新 2026-11-21 📅 创建时间 2026-10-29
5
StarTrail-org/PixelRAG

https://arxiv.org/abs/2606.28344. 网页解析的终结。可扩展的原生像素搜索的开端。链接:https://pixelrag.ai/

StarTrail-org
⭐ 10,976 Python 👤 StarTrail-org Organization 🕐 已更新 2026-11-19 📅 创建时间 2026-05-29
6
RunanywhereAI/runanywhere-sdks

用于在本地运行AI的生产就绪型工具包

RunanywhereAI
⭐ 10,354 C++ 👤 RunanywhereAI Organization 🕐 已更新 2026-11-10 📅 创建时间 2025-07-22
7
roboflow/notebooks

一系列关于最先进计算机视觉模型和技术的教程。探索从ResNet等基础架构到RF-DETR、YOLO11、SAM 3和Qwen3-VL等尖端模型的一切。

roboflow
⭐ 9,749 Jupyter Notebook 👤 roboflow Organization 🕐 已更新 2026-09-22 📅 创建时间 2022-11-18
8
yzhao062/anomaly-detection-resources

异常检测相关书籍、论文、视频和工具箱。LLM和VLM方面的最新更新在2025年底!

yzhao062
⭐ 9,457 Python 👤 yzhao062 User 🕐 已更新 2026-03-02 📅 创建时间 2018-05-16
9
oumi-ai/oumi

轻松微调(SFT/RL)、评估并部署 Qwen、Gemma 或任何开源智能体 LLM/VLM!

oumi-ai
⭐ 9,441 Python 👤 oumi-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-05-07
10
qualcomm/GenieX

只需几行代码,即可在骁龙设备上跨NPU、GPU和CPU本地运行前沿的LLM和VLM

qualcomm
⭐ 8,544 Go 👤 qualcomm Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-08-16
11
PaddlePaddle/ERNIE

ERNIE 4.5 和 ERNIEKit 的官方仓库 – 基于 PaddlePaddle 的工业级开发工具包。

PaddlePaddle
⭐ 7,739 Python 👤 PaddlePaddle Organization 🕐 已更新 2026-07-24 📅 创建时间 2019-03-03
12
om-ai-lab/VLM-R1

用增强型视觉语言模型解决视觉理解问题

om-ai-lab
⭐ 6,048 Python 👤 om-ai-lab Organization 🕐 已更新 2026-07-07 📅 创建时间 2025-02-06
13
OpenBMB/UltraRAG

用于构建复杂且创新 RAG 管道的低代码 MCP 框架

OpenBMB
⭐ 5,748 Python 👤 OpenBMB Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-01-16
14
changyeyu/LLM-RL-Visualized

🌟100+ 原创 LLM / RL 原理图 📚,《大模型算法》作者巨献! 💥(100+ LLM/RL 算法图)

changyeyu
⭐ 5,032 Python 👤 changyeyu User 🕐 已更新 2026-09-10 📅 创建时间 2025-04-26
15
joanrod/star-vector

StarVector 是一个用于 SVG 生成的基础模型,它将矢量化转化为代码生成任务。StarVector 采用视觉-语言建模架构,处理视觉和文本输入,以非凡的精度生成高质量的 SVG 代码。

joanrod
⭐ 4,639 Python 👤 joanrod User 🕐 已更新 2025-11-07 📅 创建时间 2023-12-11
16
EvolvingLMMs-Lab/lmms-eval

文本、图像、视频和音频任务的“统一评估”多模态工具包

EvolvingLMMs-Lab
⭐ 4,501 Python 👤 EvolvingLMMs-Lab Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-03-07
17
Hunyuan-PromptEnhancer/PromptEnhancer

[CVPR 2026] PromptEnhancer 是一个提示重写工具,将提示优化为更清晰、结构化的版本,以实现更好的图像生成。

Hunyuan-PromptEnhancer
⭐ 3,808 Python 👤 Hunyuan-PromptEnhancer Organization 🕐 已更新 2026-08-18 📅 创建时间 2025-09-09
18
modelscope/evalscope

一个精简且可定制的框架,用于高效的大型模型(LLM、VLM、AIGC)评估和性能基准测试。

modelscope
⭐ 3,715 Python 👤 modelscope Organization 🕐 已更新 2026-11-20 📅 创建时间 2023-12-07
19
mit-han-lab/llm-awq

[MLSys 2024 Best Paper Award] AWQ: LLM压缩和加速的激活感知权重量化

mit-han-lab
⭐ 3,590 Python 👤 mit-han-lab Organization 🕐 已更新 2025-07-17 📅 创建时间 2023-06-01
20
SoMarkAI/OXR

一款开源文档解析模型,在后训练阶段采用 RSI 循环,具备业界领先的准确率和速度。

SoMarkAI
⭐ 3,549 Python 👤 SoMarkAI Organization 🕐 已更新 2026-11-06 📅 创建时间 2026-10-05
21
MiniMax-AI/MiniMax-01

MiniMax-Text-01 和 MiniMax-VL-01 的官方仓库,基于线性注意力的语言大模型 & 视觉语言模型

MiniMax-AI
⭐ 3,445 Python 👤 MiniMax-AI Organization 🕐 已更新 2025-07-07 📅 创建时间 2025-01-14
22
xlang-ai/OSWorld

[NeurIPS 2024] OSWorld: 针对真实计算机环境中的开放式任务的模态多Agents基准测试

xlang-ai
⭐ 3,273 Python 👤 xlang-ai Organization 🕐 已更新 2026-11-14 📅 创建时间 2023-10-16
23
SkyworkAI/Skywork-R1V

Skywork-R1V 是 Skywork AI 开发的一个先进的多模态人工智能模型系列,专注于视觉-语言推理。

SkyworkAI
⭐ 3,174 Python 👤 SkyworkAI Organization 🕐 已更新 2026-07-29 📅 创建时间 2025-03-15
24
SharpAI/DeepCamera

开源 AI 摄像机技术平台,AI NVR 与 CCTV 监控。使用 Qwen、DeepSeek、SmolVLM、LLaVA、YOLO26 进行本地 VLM 视频分析。LLM 驱动的代理安全摄像机代理 — 通过 Telegram、Discord 或 Slack 监视、理解、记忆并保护您的家。可插拔 AI 技能。支持 OpenAI、Google、Anthropic 或本地 AI。在 Mac Mini 与 AI PC 上运行。

SharpAI
⭐ 3,144 JavaScript 👤 SharpAI Organization 🕐 已更新 2026-09-17 📅 创建时间 2019-03-05
25
QiuYannnn/Local-File-Organizer

一个由 AI 驱动的文件管理工具,通过组织本地文本、图像来确保隐私。使用 Llama3.2 3B 和 Llava v1.6 模型及 Nexa SDK,它能够直观地扫描、重构和整理文件,实现快速、无缝的访问和轻松的检索。

QiuYannnn
⭐ 3,069 Python 👤 QiuYannnn User 🕐 已更新 2024-10-21 📅 创建时间 2024-09-21
26
lightseekorg/tokenspeed

TokenSpeed 是光速的 LLM 推理引擎。

lightseekorg
⭐ 2,944 Python 👤 lightseekorg Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-05-06
27
om-ai-lab/OmAgent

[EMNLP-2024] 构建多模态语言代理以实现快速原型和生产

om-ai-lab
⭐ 2,670 Python 👤 om-ai-lab Organization 🕐 已更新 2026-10-16 📅 创建时间 2024-07-04
28
llmsresearch/paperbanana

Google Research 的 PaperBanana 的开源实现与扩展,用于自动化生成学术图形、图表和研究可视化,已扩展至幻灯片生成等新领域。

llmsresearch
⭐ 2,496 Python 👤 llmsresearch Organization 🕐 已更新 2026-09-17 📅 创建时间 2026-02-04
29
zai-org/GLM-V

GLM-4.6V/4.5V/4.1V-思考:迈向具有可扩展强化学习的通用多模态推理

zai-org
⭐ 2,406 Python 👤 zai-org Organization 🕐 已更新 2026-11-06 📅 创建时间 2025-06-28
30
BAAI-Agents/Cradle

Cradle框架是通用计算机控制(GCC)的首次尝试。Cradle通过在具有最低要求的标准化通用环境中实现强大的推理能力、自我改进和技能策展,支持代理完成任何计算机任务。

BAAI-Agents
⭐ 2,394 Python 👤 BAAI-Agents Organization 🕐 已更新 2024-11-07 📅 创建时间 2024-03-03
31
heshengtao/comfyui_LLM_party

ComfyUI中的LLM Agent框架包含MCP服务器、Omost、GPT-sovits、ChatTTS、GOT-OCR2.0和FLUX prompt节点,可访问Feishu、discord,并适应所有具有类似openai / aisuite接口的LLM,例如o1、ollama、gemini、grok、qwen、GLM、deepseek、kimi、doubao。适配了llama-3.3 Janus-Pro、Linkage GraphRAG等本地LLM、VLM、gguf。

heshengtao
⭐ 2,393 Python 👤 heshengtao User 🕐 已更新 2026-07-29 📅 创建时间 2024-04-13
32
DanOps-1/Gpt-Agreement-Payment

ChatGPT Plus/Team/Pro 订阅协议端到端重放工具集 · hCaptcha 视觉求解器 · 反欺诈机制实证研究 / ChatGPT Plus/Team/Pro 订阅的端到端协议重放工具集,附带从零构建的 hCaptcha 求解器和反欺诈实证研究

DanOps-1
⭐ 2,313 Python 👤 DanOps-1 User 🕐 已更新 2026-06-15 📅 创建时间 2026-04-27
33
cosmo-wander-ai/cosmo-edge

面向生产环境的 C++ 边缘 AI 引擎,用于视频分析,并支持在 Sophon、Rockchip RKNN 和 x86 平台上运行设备端 VLM,提供可视化编排、实时 OSD、事件处理和可复现的基准测试。

cosmo-wander-ai
⭐ 2,106 C 👤 cosmo-wander-ai Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-06-09
34
CryptoAILab/Awesome-LM-SSP

大型模型安全、保障和隐私的阅读清单(包括 Awesome LLM Security、Safety 等)。

CryptoAILab
⭐ 2,106 👤 CryptoAILab Organization 🕐 已更新 2026-09-02 📅 创建时间 2024-01-09
35
yueliu1999/Awesome-Jailbreak-on-LLMs

Awesome-Jailbreak-on-LLMs 是 LLM 上最先进、新颖、激动人心的越狱方法集合。它包含论文、代码、数据集、评估和分析。

yueliu1999
⭐ 2,034 👤 yueliu1999 User 🕐 已更新 2026-11-08 📅 创建时间 2024-06-27
36
NVIDIA-AI-Blueprints/video-search-and-summarization

NVIDIA AI 视频搜索与摘要(VSS)蓝图是一种 GPU 加速的参考架构,用于构建具有实时验证警报、视觉问答和自动报告功能的视频分析代理。VSS 蓝图使用视觉语言模型(VLM),如 NVIDIA Cosmos,大语言模型(LLM),如 NVIDIA Nemotron,以及 RAG 和 NVIDIA NIM。

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-10-22
37
2U1/Qwen-VL-Series-Finetune

阿里云对Qwen-VL系列进行微调的开源实现。

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 已更新 2026-09-09 📅 创建时间 2024-09-10
38
browser-use/macOS-use

使 Mac 应用可供 AI 代理访问

browser-use
⭐ 1,948 Python 👤 browser-use Organization 🕐 已更新 2025-03-05 📅 创建时间 2025-01-23
39
Core-Mate/OpenGUI

OpenGUI 是一个用于手机 AI 的 Android GUI 代理框架,它能够通过图形用户界面(GUI)观察、规划并操作真实的移动应用程序。

Core-Mate
⭐ 1,814 HTML 👤 Core-Mate Organization 🕐 已更新 2026-11-16 📅 创建时间 2026-04-18
40
Tencent/AngelSlim

专为提升可用性、全面性和效率而设计的模型压缩工具包。

Tencent
⭐ 1,811 Python 👤 Tencent Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-07-04
41
software-mansion/react-native-executorch

高性能、隐私优先的 React Native 端侧 AI 推理库,由 PyTorch 的 ExecuTorch 运行时提供支持

software-mansion
⭐ 1,794 TypeScript 👤 software-mansion Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-10-16
42
coderonion/awesome-yolo-object-detection

🚀🚀🚀 一些很棒的公开 YOLO 对象检测系列项目以及相关的对象检测数据集的集合。

coderonion
⭐ 1,747 👤 coderonion User 🕐 已更新 2025-05-31 📅 创建时间 2022-02-19
43
zapdos-labs/unblink

使用VLM的摄像头监控

zapdos-labs
⭐ 1,518 Go 👤 zapdos-labs Organization 🕐 已更新 2026-03-09 📅 创建时间 2025-11-05
44
peterdsharpe/AeroSandbox

通过计算图变换(例如,自动微分)加速飞机设计优化。可组合分析工具用于空气动力学、推进、结构、轨迹设计等。

peterdsharpe
⭐ 1,400 Jupyter Notebook 👤 peterdsharpe User 🕐 已更新 2026-10-30 📅 创建时间 2019-05-15
45
gokayfem/awesome-vlm-architectures

精心整理的 200 多种视觉语言模型(VLM/MLLM)架构可视化目录:涵盖论文、示意图、训练方案、数据集,以及多模态 AI 智能体的发布时间线。

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 已更新 2026-10-27 📅 创建时间 2024-02-15
46
fpgaminer/joycaption

JoyCaption 是一个图像字幕视觉语言模型 (VLM),它从头开始构建,作为一个免费、开放且无审查的模型,供社区用于训练 Diffusion 模型。

fpgaminer
⭐ 1,303 Jupyter Notebook 👤 fpgaminer User 🕐 已更新 2026-02-24 📅 创建时间 2024-10-12
47
zai-org/CogAgent

一个开源的端到端基于VLM的GUI代理

zai-org
⭐ 1,201 Python 👤 zai-org Organization 🕐 已更新 2026-10-12 📅 创建时间 2023-11-28
48
InternRobotics/InternNav

InternRobotics 用于构建通用导航基础模型的开放平台。

InternRobotics
⭐ 1,189 Jupyter Notebook 👤 InternRobotics Organization 🕐 已更新 2026-03-10 📅 创建时间 2025-07-24
49
RainBowLuoCS/Gamer

Gamer 官方实现:面向长时程实时游戏智能体的通用视觉-语言-动作基础模型

RainBowLuoCS
⭐ 1,179 👤 RainBowLuoCS User 🕐 已更新 2026-11-16 📅 创建时间 2026-10-30
50
momozi1996/awesome-ai-persona-skills

全网最全的、持续更新的、最火爆的 100+ 人格 蒸馏skills 合集| 多agent系统 |名人/导演/天涯大神/古籍/二次元/职场/情感全品类

momozi1996
⭐ 1,129 Shell 👤 momozi1996 User 🕐 已更新 2026-09-02 📅 创建时间 2026-04-10

常见问题解答

1

GitHub 上最受欢迎的 #vlm 仓库是什么?

GitHub 上排名第一的开源 #vlm 项目是 huggingface/transformers,拥有 169,339 个 Star。🤗 Transformers:用于文本、视觉、音频和多模态模型的最先进机器学习模型的模型定义框架,支持推理和训练。

2

#vlm 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #vlm 项目中,最常见的编程语言是 Python, Jupyter Notebook, TypeScript, Go。

3

#vlm 仓库的排名是如何计算的?

我们跟踪了 89 个标记为 #vlm 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 457,898 个 Star,平均每个仓库拥有 5,144 个 Star。排名每日根据 GitHub API 更新。