vlm

🤗 Transformers：面向文本、视觉、音频及多模态模型的尖端机器学习模型定义框架，支持推理与训练全流程。

开源多模态AI智能体堆栈，连接尖端AI模型与智能体基础设施

SGLang是面向大语言模型与视觉语言模型的高速推理框架。

一套关于前沿计算机视觉模型与技术的教程合集，涵盖从ResNet等基础架构到YOLO11、RT-DETR、SAM 2、Florence-2、PaliGemma 2和Qwen2.5VL等尖端模型的全方位探索。

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

运行前沿LLM和VLM，支持GPU、NPU和CPU的发布当日模型适配，覆盖PC（Python/C++）、移动端（Android和iOS）及Linux/IoT（Arm64和x86 Docker）的完整运行时环境。支持OpenAI GPT-OSS、IBM Granite-4、Qwen-3-VL、Gemma-3n、Ministral-3等模型。

UltraRAG v3：一个用于构建复杂创新RAG管道的低代码MCP框架

Eagle：采用数据驱动策略的前沿视觉语言模型

TokenSpeed 是一款光速级的大语言模型推理引擎。

用于构建GPU加速视觉智能体与AI驱动视频分析应用的参考架构套件。

InternRobotics 用于构建通用导航基础模型的开源平台

为提升易用性、全面性与效率而设计的模型压缩工具包。

专为大语言模型/视觉语言模型设计的PyTorch分布式原生训练库，开箱即用支持Hugging Face