Code ouvert. Horizons nouveaux.

PageLedger est une bibliothèque CLI Python open-source pour le suivi auditable page par page des tâches OCR et d'extraction de documents. Il enregistre la provenance, les signaux de qualité, les coûts et l'état de révision pour chaque page, avec support des reprises, files d'attente de révision et comparaison de résultats.

Une collection croissante de 61 tutoriels de vision par ordinateur couvrant des modèles de pointe comme YOLO11, SAM 3, RF-DETR et Qwen3-VL pour la détection d'objets, la segmentation, l'OCR, et plus encore.

RunAnywhere est une suite d’SDK multi-plateforme permettant d’exécuter des modèles d’IA entièrement sur appareil — téléphones, navigateurs, ordinateurs de bureau et serveurs. Elle prend en charge les LLM, la vision, la parole, les agents vocaux, le RAG, les embeddings et la génération d’images via une API sémantique unique.

Hugging Face Transformers est un cadre de définition de modèles pour l'apprentissage automatique couvrant le texte, la vision, l'audio et les tâches multimodales. Il fournit une API unifiée pour l'inférence et l'entraînement avec plus d'un million de points de contrôle pré-entraînés.

SGLang est un framework de service haute performance pour les grands modèles de langage (LLM) et les modèles multimodaux, conçu pour une inférence à faible latence et un débit élevé.

PixelRAG est un système RAG visuel open-source qui convertit les documents en captures d'écran et les récupère directement, préservant les structures visuelles comme les tableaux et graphiques que le texte perd. Inclut un index Wikipédia hébergé de 8,28 millions de pages, des outils CLI et une intégration Claude Code.

TARS est une pile d'agents IA multimodaux de ByteDance avec deux projets : Agent TARS, un agent CLI et interface Web intégrant des outils MCP et le contrôle de navigateur, et UI-TARS Desktop, une application d'agent GUI native qui contrôle les ordinateurs via des modèles vision-langage.