Открытый код. Новые возможности.

SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых (LLM) и мультимодальных моделей, разработанный для обеспечения низкой задержки и высокой пропускной способности при выводе.

PixelRAG — это система визуального RAG из UC Berkeley, которая рендерит документы в скриншоты и ищет по изображениям, сохраняя таблицы и графики. Включает хостинг-индекс 8,28 млн страниц Wikipedia, CLI-инструменты и интеграцию с Claude Code.

TARS — это мультимодальный стек ИИ-агентов от ByteDance с двумя проектами: Agent TARS, агент с CLI и веб-интерфейсом, интегрирующий MCP-инструменты и управление браузером, и UI-TARS Desktop, нативное приложение GUI-агента, управляющее компьютером через зрительно-языковые модели.

PageLedger — это библиотека Python с CLI для аудируемого постраничного OCR и извлечения документов. Она фиксирует происхождение, сигналы качества и бюджеты для каждой извлечённой страницы, поддерживает возобновляемые запуски, очереди проверки и перезапуски с участием человека.

Коллекция из 61 учебного пособия по компьютерному зрению, охватывающая современные модели, такие как YOLO11, SAM 3, RF-DETR и Qwen3-VL, для задач обнаружения объектов, сегментации, OCR и других.

RunAnywhere — это кроссплатформенный набор SDK для запуска моделей ИИ полностью на устройстве: на телефонах, в браузерах, на десктопах и серверах. Он поддерживает LLM, компьютерное зрение, речь, голосовых агентов, RAG, эмбеддинги и генерацию изображений через единый семантический API.

Hugging Face Transformers — это фреймворк определения моделей для машинного обучения, охватывающий текст, зрение, аудио и мультимодальные задачи. Он предоставляет унифицированный API для инференса и обучения с доступом к более чем 1 миллиону предобученных чекпоинтов.