Awesome-Reasoning-MLLM开源 – MLLM/VLM推理资源库

Kimi k1.5 是由 Moonshot AI 开发的多模态大型语言模型，通过强化学习技术训练，在数学、编码和视觉任务方面表现出色。其上下文窗口可达 128k tokens，适合处理复杂的推理问题。该模型在多项基准测试中达到最先进水平，如 AIME、MATH 500 和 Codeforces。

Ferret-UI是一个能够理解移动UI的多模态大型语言模型（MLLM），支持根据用户指令执行各种开放任务，旨在增强对移动UI屏幕的理解。

基于LLaMA 3.1的增强视觉指令微调工具，为多模态大型语言模型提供性能提升，公开发布8B参数模型的检查点。

DeepSeek-R1 是一个基于 SGLang 和 SkyPilot 实现的高吞吐量服务，专门用于大规模语言模型的部署和高效服务。它通过优化计算资源和网络通信，显著提升了语言模型的处理能力和响应速度，适用于需要高吞吐量的场景。

大型语言模型研究资源库，专注于OpenAI o1和推理技术，持续更新以追踪LLM推理的最新进展

多模态大型语言模型3D应用相关资源列表，涵盖了3D理解、推理、生成和具身Agent等各种任务。该项目旨在为研究人员和开发者提供全面的工具和资源，以推动3D领域的研究与应用。

该项目是一个专注于深度推理研究的资源集合，旨在解决深度推理研究中的资源查找难题。它收集了40多个深度推理模型、论文、数据集和工具，覆盖从基础到高级的多维度资源，包括数学、科学、代码等多个领域。项目持续更新，紧跟最新研究动态，特别关注r1模型（如DeepSeek-R1）相关内容，为用户提供一站式资源平台。

mllm是一个专为移动和边缘设备优化的轻量级多模态大型语言模型推理引擎，能够在无需依赖外部库的情况下，支持多种模型和硬件架构，提供快速推理能力。

transformers.js-chrome 是一个浏览器插件，旨在直接在浏览器中运行大语言模型。它支持本地小模型（1-7B规模）及DeepSeek-R1的蒸馏版本，无需WASM方案，用户只需安装插件即可使用。对于性能足够强的电脑，还可以加载并运行更大的模型。

DeepSeek-R1 是 GitHub 模型游乐场上线的模型，允许用户进行有限量的使用，适合于快速测试和体验。

Ferret是来自苹果的新型多模态大型语言模型，擅长图像理解和语言处理，尤其在理解空间参考方面展现了显著的优势。

华为云 Pangu 模型是由华为开发的一系列多模态大型语言模型，旨在通过人工智能技术服务于政府、金融、制造业、采矿、气象等多个行业。该模型支持文本生成、多轮对话、阅读理解、代码生成和插件调用等功能，具有强大的参数规模和行业适应性。

初步探索复现o1类多模态大型语言模型，旨在通过结合视觉和文本数据，提升模型的推理和理解能力，推动人工智能在复杂任务中的应用

MM-LLM是一个增强现有大型语言模型的框架，支持多模态输入和输出，同时保持其推理和决策能力。该项目提供全面的模型架构和训练管道设计，并回顾了在主流基准上的表现，旨在推动多模态任务的发展。

阿里云 PAI Model Gallery 是一个为开发者提供便捷 AI 模型部署的平台，特别支持 DeepSeek-V3 和 DeepSeek-R1 系列模型。这些模型分别是拥有 6710 亿参数的专家混合大语言模型和高性能推理模型。该服务通过一键部署功能，结合 BladeLLM、SGLang 和 vLLM 等加速技术，帮助用户轻松集成先进 AI 能力，无需复杂基础设施配置。