Início Projetos mlc-llm
mlc-llm

mlc-llm

por mlc-ai · GitHub

Motor de Implantação Universal de LLM com Compilação ML

Ver no GitHub
Em palavras simples

Implante e otimize grandes modelos de linguagem em várias plataformas facilmente.

⭐ Estrelas
🍴 Forks
🔥 Tendências
📜 Licença
Uso comercial permitido
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
mlc-llm — GitHub preview card
📈 Histórico de estrelas
23.0k22.9k
2026-06-282026-07-29
📈 Acompanhe mlc-llm

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Motor de Implantação Universal de LLM com Compilação ML

mlc-llm tem 23k estrelas no GitHub. Foi bifurcado 2.1k vezes. mlc-llm é escrito principalmente em Python. Está em desenvolvimento ativo desde 2023. mlc-llm está disponível sob a licença Apache-2.0. Os seus principais temas são: language-model, llm, machine-learning-compilation, tvm.

Read the full guide
Frequently asked questions

O que é mlc-llm?

Motor de Implantação Universal de LLM com Compilação ML

mlc-llm é de código aberto?

mlc-llm é um projeto de código aberto. É distribuído sob a licença Apache-2.0.

mlc-llm é gratuito?

Sim. mlc-llm é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está mlc-llm?

mlc-llm está disponível sob a licença Apache-2.0.

Em que linguagem mlc-llm está escrito?

mlc-llm é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
OpenSourceAI badge — mlc-llm

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=mlc-ai-mlc-llm)](https://opensourceai.tech/project/mlc-ai-mlc-llm.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.