ai-open-source工具

• LMDeploy - 书生·浦语开源的LLM压缩与部署工具箱，TurboMind引擎高吞吐推理，支持量化、服务化部署。
• SGLang - 斯坦福/UC伯克利开源的LLM推理框架，采用RadixAttention前缀缓存，实现高吞吐、低成本的大模型服务。
• OpenLLM - BentoML开源的LLM部署平台，一条命令将Llama、Qwen等模型部署为服务，支持微调、量化与云端发布。
• DeepSpeed - 微软开源的大模型训练优化库，ZeRO技术实现万亿参数训练，推理优化兼顾性能与成本。
• Triton Inference Server - NVIDIA开源的生产级推理服务器，支持多框架、多模型、动态批处理，GPU推理标准方案。
• MLC-LLM - 开源通用LLM部署引擎，支持在Web、iOS、Android、GPU等全平台原生运行大模型，端侧AI利器。
• KoboldCpp - 一键式本地LLM运行工具，整合llama.cpp与Stable Diffusion，支持角色扮演、AI小说与API调用。
• Llama 3 - Meta开源的最强开源大模型系列，8B/70B参数，超长上下文，性能媲美GPT-4级闭源模型，开源大模型里程碑。
• Mistral 7B - Mistral AI开源的7B小模型，性能超越Llama 2 13B，滑动窗口注意力，小模型效率标杆。
• Mixtral 8x7B - Mistral AI开源的稀疏MoE大模型，8个专家子模型组合，470亿参数媲美Llama 2 70B，推理成本大幅降低。
• Qwen - 阿里通义千问开源大模型系列，覆盖0.5B-72B多规格，中英双语强，开源中文大模型代表。
• Qwen2.5 - 阿里通义千问2.5代开源模型，128K超长上下文，编程数学能力全面升级，支持100+语言。
• DeepSeek-LLM - 深度求索开源的大语言模型，中文能力突出，高性价比训练，系列演进至V3/R1等旗舰模型。
• GLM-4 - 智谱AI开源的新一代基座大模型，对标GPT-4，支持128K上下文、多模态理解与智能体，国产大模型代表。
• Gemma - Google DeepMind开源的轻量级大模型，2B/7B规格，基于Gemini技术，安全可靠适合端侧部署。
• Falcon - TII开源的大模型，180B参数训练自RefinedWeb高质量数据集，性能曾登顶开源榜首。
• BLOOM - BigScience社区协作训练的176B开源大模型，支持46种语言，多语言AI开放研究典范。
• Yi - 零一万物开源的双语大模型，6B/34B规格，中英文能力均衡，以高训练质量著称。
• InternLM - 上海AI实验室开源的书生·浦语大模型，覆盖1.8B-123B，工具调用与中文能力强，国产大模型代表。
• LLaVA - 开源视觉指令微调多模态模型，将视觉编码器与LLM结合，支持图文对话，多模态研究基石。
• Qwen-VL - 阿里通义千问开源的多模态视觉语言模型，支持图片理解、视觉问答、OCR识别与图文对话，与Qwen语言模型无缝衔接。
• Qwen2-VL - 通义千问2代多模态视觉语言模型，在图像/视频/多语言理解上全面升级，支持超高分辨率与视频理解，开源旗舰级视觉模型。
• InternVL - 上海AI实验室开源的多模态视觉语言模型，视觉编码器性能领先，支持高分辨率图文理解。
• CogVLM - 智谱AI开源的多模态视觉语言模型，深度对齐视觉与语言特征，图文理解与视觉定位能力强。
• MiniGPT-4 - 视觉语言助手开源项目，仅需一个线性投影层即可将冻结的视觉编码器与LLM对齐，实现图文对话、图片描述等能力。
• DeepSeek-VL - 深度求索开源的视觉语言大模型，采用创新MoE架构，在中文与英文视觉理解任务上表现出色，开源权重可商用。
• IDEFICS - HuggingFace开源的开放多模态模型，基于Flamingo架构，支持图文对话与多图像理解。
• Llama 3.2 Vision - Meta开源的多模态视觉模型，将Llama 3语言能力与视觉编码结合，支持图像理解与图文对话。
• Janus - DeepSeek开源的自回归多模态模型，统一理解与生成任务，支持图文对话、图像理解，创新解码架构。
• NExT-GPT - 开源任意模态到任意模态的通用多模态模型，支持文本/图像/视频/音频跨模态生成与理解。
• Molmo - 艾伦人工智能研究所开源的开放多模态模型，以完全开放的数据集与训练流程著称，提供媲美GPT-4V的视觉理解能力。
• Stable Diffusion - Stability AI开源的文生图扩散模型，掀起AI绘画浪潮的里程碑项目，支持文本生成高质量图像、图生图、局部重绘等。
• SDXL - Stability AI开源的增强版文生图模型，1024x1024高分辨率原生输出，图像质量与美学大幅提升。
• ComfyUI - 最流行的节点式Stable Diffusion工作流引擎，通过可视化节点连线构建AI图像生成流程，支持复杂工作流、批量处理与插件生态。
• AUTOMATIC1111 - 最流行的Stable Diffusion WebUI，功能全面的图形界面，插件生态庞大，AI绘画入门首选。
• Fooocus - 开箱即用的AI图像生成工具，基于Stable Diffusion与Midjourney优化思路，无需复杂配置即可生成媲美专业效果的高质量图像。
• FLUX - Black Forest Labs开源的最强文生图模型，基于流匹配混合架构，图像质量细节登顶开源榜首，支持商用。
• ControlNet - 精准控制图像生成的开源神器，通过线稿、深度图、姿态、边缘等条件约束扩散模型，实现可控的图像生成与编辑。
• Kandinsky - Sber开源的多语言文生图扩散模型，基于图像-文本潜在空间对齐，支持高质量图像生成与编辑，多语言提示词友好。
• InvokeAI - 功能全面的开源AI绘画平台，提供Web界面、节点式工作流、ControlNet支持与模型管理，面向专业创作者的一站式工具。
• AuraFlow - fal.ai开源的Flow Matching文生图模型，采用创新的流匹配架构，生成质量高、推理速度快，开源权重支持商用。
• PixArt-α - 华为与港中文合作开源的文生图扩散模型，以低训练成本、高生成质量著称，支持SDXL级图像生成且训练效率大幅提升。
• CogView - 智谱AI开源的文生图模型系列，基于GLM架构，支持中文提示词生成高质量图像，是国内最早的开源中文文生图模型之一。
• Open-Sora - 潞晨科技开源的视频生成模型，对标Sora，支持文本/图像生成视频，采用STDiT架构，降低视频生成技术门槛。
• CogVideoX - 智谱AI开源的视频生成模型，支持文本/图像生成视频，采用3D变分自编码器与专家Transformer架构，开源权重可商用。
• AnimateDiff - 开源动画生成框架，为Stable Diffusion模型注入运动模块，实现文生GIF动画、图片动起来等能力。
• Stable Video Diffusion - Stability AI开源的视频生成扩散模型，支持图像生成视频、多视角合成，将静态图转化为动态视频。
• HunyuanVideo - 腾讯开源的视频生成大模型，支持文本生成视频，采用DiT架构，中文理解能力强，具备高一致性视频生成能力。
• Mochi - Genmo开源的视频生成模型，采用非对称扩散Transformer架构，支持文本生成视频，主打真实运动与高保真画面。
• Wan2.1 - 阿里通义万相开源的视频生成模型，支持文生视频与图生视频，多规格选择，中文语义理解强。