🔥 热榜

AI 模型项目，主要围绕图像与视觉处理、工作流编排。

把视频仿制组织成智能体批量生产流程后，最值得讨论的是换脸、改词与替换素材如何划定原创和授权边界。

用于从代码、文档及多媒体项目资料中构建和查询知识图谱，关联跨文件、跨模块的实体与关系。典型用途包括理解大型代码库、追踪概念和调用路径、查找代码依据，以及探索和共享项目文档。

把代码、文档、SQL、配置和PDF压成一张可查询图谱，再作为技能挂进多款编码代理，亮点在跨 artifact 的确定性本地建模。

这是一个将 ChatGPT Web 账户中的模型接入 Codex 原生模型选择器的独立软件，使用户能在 Codex 任务中使用 ChatGPT 对话、图像和流式响应。通过 MCP 全量模式，它还可将当前任务的文件、终端、工具与审批连接到 ChatGPT，适用于需要结合 ChatGPT Web 与本地编码任务的场景。

把 ChatGPT 网页端接成 Codex 的模型来源，打通了两种使用入口，也让开发流程依赖网页会话与接口适配的稳定性。

这是一个根据主题或关键词自动生成短视频的工具，可完成脚本、配音、素材、字幕、背景音乐与剪辑合成。适用于批量制作不同画幅和语言的短视频，并发布到 TikTok、Instagram、YouTube Shorts 等平台。

把文案、配音、字幕、素材拼成一条全自动流水线是这个项目的核心，输入关键词直接吐出成片，但也意味着生成质量完全取决于上游模型和素材库的水平。

这是一本围绕 AI 基础设施的中文开源书稿，从硬件约束和模型架构出发，通过量化估算推导系统设计，讨论推理、训练、加速器、算子、网络、分布式系统、资源调度与端边云协同等问题。项目还提供资源计算工具、实验记录、案例分析及多语言阅读版本。

从硬件约束和模型架构反推训练、推理系统设计，再用量化推导和实验落地，重点不在概念介绍而在工程账本。

用于自动移除语言模型审查或安全对齐的开源工具，旨在减少模型对敏感请求的拒答并尽量保留原有能力。它可自动寻找相关参数，生成模型并支持对话、基准测试及内部表示分析。

heretic把语言模型的安全边界交给自动化流程处理，直接触及模型可控性与内容审查之间最敏感、也最难回避的矛盾。

AI 模型项目，主要围绕命令行操作、编程开发。

Graft把重点放在代码库级上下文理解上，试图让不同编码代理真正读懂项目结构，而不是只围绕当前文件生成代码。

2 是一个面向工具调用、设备操作和结构化信息提取的开放模型，提供 Python 接口。它可根据工具描述生成结构化调用，也支持从文本提取符合指定模式的数据，适用于智能家居、媒体控制、生产力工具和数据采集等场景。

needle最特别之处在于把基础模型压缩到14MB级别，直接面向手机、穿戴设备和机器人等资源受限终端。

提供统一 OpenAI 格式接口的 AI Gateway 和 Python SDK，用于访问 100 多个模型提供商及聊天、嵌入、图像、音频等能力。它解决不同提供商在 SDK、认证、请求格式和错误类型上的差异，适用于应用集成及团队集中管理模型访问、权限和成本。

litellm 最有辨识度的地方是把一百多家 LLM 的 API 统一成 OpenAI 格式，核心还换成了 Rust，成本和限速都替网关层扛下了。

这是一个从零训练约 64M 小型语言模型的开源项目，提供预训练、监督微调、LoRA、知识蒸馏、偏好优化和强化学习等完整训练与数据处理内容。适用于 LLM 入门学习、模型复现、私有数据训练、推理服务、工具调用、选择题评测及端侧部署。

把从零训练一个LLM的门槛压到64M参数和两小时，配套代码与流程高度精简，很适合想亲手走完预训练到微调全链路的学习者。

AI 模型项目，主要围绕图像与视觉处理。

LibreChat 的辨识度在于把多家模型、Agent、MCP 与 Skills 收进同一个可扩展对话工作台，重点是统一使用体验而非单一模型。

AI 模型项目，基于 Python 构建，公开资料暂未提供更多用途细节。

把免费 TPU 资源变成可复现的高性能推理实验场，难点不在模型规模，而在自研 JAX 引擎对吞吐与长上下文的压榨。

这是 Google Research 开发的预训练时间序列基础模型，用于根据历史数据预测未来。支持单变量和多变量序列，以及过去和未来协变量，可用于不同领域的通用时间序列预测任务。

TimesFM把时间序列预测放进基础模型范式，用预训练模型直接处理不同领域的序列数据，核心看点是降低传统预测对特定数据集和人工特征工程的依赖。

面向 Apple Silicon 的本地语言模型运行时，通过多 token 预测加速生成并保持正常采样的输出分布。提供聊天界面、兼容 OpenAI 与 Anthropic 的本地 API，以及嵌入和重排序服务，可用于运行 Qwen、Gemma 模型、代码代理和 RAG 检索场景。

MTPLX把多 token 预测式解码直接落到 Apple Silicon 的 MLX 推理链路中，核心看点是无需额外草稿模型也能压缩生成等待。

这是一本面向开发者、学生和 AIGC 实践者的开源模型应用实践指南，涵盖模型选择、推理、数据准备、微调、评测及应用开发。内容通过企业知识问答、语音助手、客服质检、健身指导、商品图生成和产线巡检等案例，帮助读者学习构建、复现和改进 AI 应用。

它更像一套围绕 ModelScope 生态编排的实战教材，把选型、微调、评测到应用落地串成了可执行的学习路径。