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。

可在本地运行AI的生产就绪工具包

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。

轻松微调、评估和部署gpt-oss、Qwen3、DeepSeek-R1或任何开源LLM/VLM！

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。

通过Python、Android Java和iOS Swift绑定，在GPU、NPU和CPU上运行最新的LLM和VLM模型，快速部署OpenAI gpt-oss、Gemma 3、Qwen3等主流模型。

UltraRAG v3：一个用于构建复杂创新RAG管道的低代码MCP框架

开源AI相机技能平台，AI网络视频录像机与闭路电视监控系统。

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