Modelo grande MoE de código abierto de DeepSeek, con un rendimiento a la altura de los mejores modelos propietarios y un coste de entrenamiento muy bajo.
GPT-NeoX
An implementation of model parallel autoregressive transformers on GPUs, based on the Megatron and DeepSpeed libraries
- Categoría
- 🧠 Modelos de lenguaje
- Repositorio
- EleutherAI/gpt-neox
- Estrellas
- ★ 7471
- Forks
- 1127
- Última actualización
- 2026-10-11
- Visitas
- 0
Transformers
Proyectos similares
Modelo de razonamiento de DeepSeek que desarrolla cadenas de pensamiento largas mediante aprendizaje por refuerzo y publica modelos pequeños destilados.
阿里通义千问第三代开源模型，涵盖稠密与 MoE，支持思考/非思考模式切换。
xAI 开放的 Grok-1 权重与示例代码。
Hugging Face 对 DeepSeek-R1 的完全开源复现，含训练数据与脚本。
The official repo of Qwen (通义千问) chat & pretrained large language model proposed by Alibaba Cloud.