Inicio Proyectos dalai
dalai
CSS

dalai

La forma más simple de ejecutar LLaMA en tu máquina local

por cocktailpeanut · GitHub
Estrellas
Ramas
Creado
Último commit
Categoría
CSS
Lenguaje
Probable
Autoalojable
aillamallmCSSAutoalojable
Ver en GitHub
En palabras simples

Ejecute modelos de lenguaje AI en su computadora para generar texto e interactuar con ellos.

Del README

Instalar
docker compose build
docker compose run dalai npx dalai alpaca install 7B # or a different model
docker compose up -d

Extractos del README del proyecto sobre GitHub. Los derechos de autor y las licencias permanecen con los respectivos autores.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
dalai — GitHub preview card
📈 Historial de estrellas
12.92k12.90k
2026-06-282026-08-31
📈 Sigue dalai

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

La forma más simple de ejecutar LLaMA en tu máquina local

dalai tiene 12.9k estrellas en GitHub. Se ha bifurcado 1.3k veces. dalai está escrito principalmente en CSS. Se desarrolla activamente desde 2023. Sus temas principales son: ai, llama, llm.

Frequently asked questions

¿Qué es dalai?

La forma más simple de ejecutar LLaMA en tu máquina local

¿dalai es de código abierto?

dalai es un proyecto de código abierto.

¿dalai es gratis?

Sí. dalai es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito dalai?

dalai está escrito principalmente en CSS.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — dalai

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=cocktailpeanut-dalai)](https://olud.ai/project/cocktailpeanut-dalai.html)
Más opciones de distintivos →
🧬 Comparte ADN con

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.