Descubre proyectos de código abierto de calidad, envía proyectos de forma anónima y reclama y edita tu propio proyecto.
Un poco de curiosidad. Un mundo de código abierto.
THE FIRST COLLECTIONPixelRAG es un sistema de generación aumentada por recuperación visual que procesa documentos como capturas de pantalla, preservando tablas y gráficos. Incluye una API alojada con 8.28M páginas de Wikipedia, herramientas CLI e integración con Claude Code.
TARS es un stack de agentes de IA multimodal de ByteDance con dos proyectos: Agent TARS, un agente CLI y Web UI que integra herramientas MCP y control de navegador, y UI-TARS Desktop, una app GUI nativa que controla computadoras mediante modelos de visión-lenguaje.
PageLedger es una biblioteca CLI de Python para OCR y extracción de documentos con trazabilidad página por página. Registra procedencia, señales de calidad y presupuestos por cada página, con ejecución reanudable, colas de revisión y verificación humana.
Una colección creciente de 61 tutoriales de visión por computadora que cubren modelos de vanguardia como YOLO11, SAM 3, RF-DETR y Qwen3-VL para detección de objetos, segmentación, OCR y más.
RunAnywhere es una suite de SDKs multiplataforma para ejecutar modelos de IA de forma local en teléfonos, navegadores, escritorios y servidores. Soporta LLM, visión, voz, agentes de voz, RAG, embeddings e imagen generada con una sola API semántica.
Hugging Face Transformers es un marco de definición de modelos para aprendizaje automático en tareas de texto, visión, audio y multimodales. Proporciona una API unificada para inferencia y entrenamiento con más de 1 millón de checkpoints preentrenados.
SGLang es un marco de servicio de alto rendimiento para modelos de lenguaje extensos (LLM) y modelos multimodales, diseñado para una inferencia de baja latencia y alto rendimiento.
