GitHub 热点项目介绍

Oumi - 端到端的基础模型平台

项目简介
Oumi 是一个全开源平台，旨在解决大模型在各个阶段面临的复杂问题，提供构建先进端到端基础模型所需的一切，涵盖数据准备、训练、评估和部署等环节。

项目链接
GitHub - oumi-ai/oumi

特点

• 提供一致的 API、生产级可靠性及研究所需的灵活性。

• 已与 13 所研究型大学的学者建立合作。

• 可通过 pip 安装并使用 CRI 命令进行模型训练、评估和推理。

• 项目中还提供了详细的 notebook 供参考实践。

Janus-Pro - DeepSeek 的多模态模型

项目简介
Janus-Pro 是 DeepSeek 发布的多模态框架，可统一多模式的理解和生成，是先前 Genus 的高级版本。

项目链接
GitHub - deepseek-ai/Janus

特点

• 提供更优化的训练策略、扩展的训练数据和更大的模型大小。

• 生成图片质量有所提升，具备图像识别、地标识别、文字识别等多种能力。

• Mac 用户使用存在一些问题，建议优先考虑用 CUDA 运行。

• 输出尺寸固定为 384×384。

Qwen2.5-VL - Qwen2.5 的视觉模型

项目简介
阿里云发布的千问 2.5VL 视觉语言模型，是千问模型家族的旗舰视觉语言模型。

项目链接
GitHub - QwenLM/Qwen2.5-VL

特点

• 在感知更丰富世界、支持作为视觉 Agent、理解长视频和捕捉事件、视觉定位以及结构化输出等方面有显著提升。

• 在处理发票表单和表格数据等任务中表现出色。

• 7B 模型在多个任务中超过 GBT4o mini 水平。

Browser-Use - AI 控制浏览器

项目简介
一个开源库，用 Python 编写，结合自然语言处理、浏览器自动化工具 Playwright 和大语言模型，让 AI 能像人类一样控制浏览器完成各种任务。

项目链接
GitHub - browser-use/browser-use

特点

• 支持多标签页管理、视觉识别与内容提取。

• 支持多种大模型，可进行自动化 AI 任务。

• 还支持自我纠正机制。

• 可通过 pip 安装并配置大模型 API 密钥后使用。

Metabase - 开源 BI 工具

项目简介
一个开源的商业智能工具，帮助用户轻松从数据库提取数据并转化为易于理解的图表和仪表盘。

项目链接
GitHub - metabase/metabase

特点

• 无需编写 SQL，非技术人员也可通过简单操作创建有用报告和可视化分析。

• 安装简单，提供图形化查询构建器。

• 支持多种可视化表格类型。

• 可通过 Docker 或 Java 运行。