伸びている AI プロジェクト

エージェントタスク向けの複数のオープンソースモデルを、統一されたAPIを持つ単一のセルフホスト型クラスターに統合するオープンソースの推論エンジン。

モデルトレーニングチーム向けのAIトレーニング分析およびメトリクス観測プラットフォーム。可視化、自動ログ記録、実験比較を提供します。

70以上の言語に対応する、高度なテキスト処理のための事前学習済みパイプラインとニューラルネットワークモデルを提供する、PythonおよびCython向けの工業用NLPライブラリです。

複数のアクティブなセッションにわたってトークン使用量、コンテキストウィンドウ、レート制限を追跡する、AI コーディングエージェント用の TUI モニタリングダッシュボード。

機械学習のトレーニングや評価に向けた、巨大なマルチモーダルデータセットの簡単な1行ロードと効率的な前処理を実現する軽量なライブラリ。

SREGym は、AI ネイティブのベンチマークプラットフォームであり、ライブ Kubernetes 環境を提供して、AI エージェントが実際のサイト信頼性エンジニアリング（SRE）障害を診断および緩和する能力を評価・トレーニングします。

SuperSonicは、自然言語クエリとセマンティックデータ層を組み合わせ、信頼性の高いガバナンスの効いたデータインサイトを提供するAI搭載のビジネスインテリジェンスプラットフォームです。

SentrySearch は、ビデオ映像をローカルベクトルデータベースにインデックス化するコマンドラインツールで、自然言語テキストまたは参照画像で検索し、最適な一致瞬間をトリミングされたクリップとして保存できます。

UI-Venus-2 は、モバイル、ウェブ、デスクトップの GUI を制御するための統合 AI エージェントです。バージョン 1.5 から、モバイル環境の拡充、デスクトップ対応、キーポイントベースの検証、リフレクション学習が改善されています。README には、モバイル、コンピュータ、ブラウザ、グラウンディング、CAPTCHA タスク用のクイックスタートスクリプトと、実機自動化のための 2 つのフレームワークが用意されています。ベンチマーク表では、特に 27B モデルがモバイルおよびコンピュータタスクで高いパフォーマンスを示しています。

TapCanvas は、クリエイターがタイプ付きの「無限キャンバス」上でスクリプト、ストーリーボード、画像、動画、字幕を作成できる、オープンソースの AI エージェント駆動型プラットフォームです。エージェントはキャンバスを読み取り、多段階の制作ワークフローを計画し、統合ゲートウェイを介してテキスト/画像/動画モデルを呼び出し、すべてのアセットを出典情報とともに保存します。モノレポには、React UI、Hono API、DeepSeek Harness ブリッジ、および多くのプロバイダー（HeyRoute、Factory/Droid など）をサポートするモデルゲートウェイ（Lu-Ban）が含まれています。Docker-compose でスタック全体を起動できます。コアコードは MIT ライセンスです。

ArcadeDBは、グラフ、ドキュメント、キーバリュー、時系列、ベクトル、地理空間データをサポートする高性能マルチモデルデータベースです。複数のクエリ言語に対応し、AI統合のためのMCPサーバーも備えています。組み込みまたは各種ドライバー経由のリモート実行が可能で、ACIDトランザクションと70以上のグラフアルゴリズムを提供します。

さまざまな機械学習フレームワークやデバイス上で分散型モデル訓練を可能にする、フェデレーテッド AI システム構築用フレームワークです。

AIエージェントが明確で簡潔なスタイルで文章を書くことを可能にする、プレーンテキスト形式のルールと指示のセット。

ESP32ベースのボード向けオープンソース四足歩行ロボットフレームワーク。手頃な価格での歩容研究、強化学習、物理AI開発を可能にします。

MinisSkills は、Claude 用の再利用可能なスキルのコミュニティコレクションであり、各スキルは SKILL.md ファイルとしてパッケージ化され、専門的なワークフロー、ドメイン知識、スクリプトやリファレンスなどのオプションのバンドルリソースでアシスタントを拡張します。標準化されたスキル形式を通じて、Claude にオンデマンドでドメイン固有の専門知識を提供する問題を解決します。

実践的でプロジェクトベースのコース（GitHub リポジトリ内）で、Python 開発者に LangChain と LangGraph を使って実際の AI エージェントを構築する方法を教えます。単純な hello-world から自己修正エージェントまで 10 のプロジェクトにわたり、git コミットをレッスンとして追う手順が含まれています。

ai-cookbook は、AI 機能を自分のプロジェクトにコピー＆ペーストして統合したい開発者向けの、実用的な AI コードレシピとチュートリアルのセットです。

LaRecipeは、Laravelアプリケーション内でドキュメントをホストし、美しい閲覧サイトを提供するパッケージです。コーディングエージェントと統合することで、コード変更のたびにドキュメントを自動更新します。また、Markdownエクスポート、llms.txt、エージェント用のMCPサーバーも提供します。

本プロジェクトは、「ハーネスの自己進化（harness self-evolution）」に関する66ページのサーベイ論文のコンパニオンリソースです。これは、AIエージェントがモデル自体を再学習することなく、過去の実行経験を利用してモデル周辺のソフトウェア（プロンプト、メモリ、ワークフロー、ツール）を改善するプロセスを指します。定義、分類体系、分類された文献リスト、関連サーベイ、評価および理論のブランチ、そして背景となる先行研究を提供します。

中国語ピンイン入力メソッドの候補読みをランク付けするための、n-gramおよびニューラル言語モデルを構築・評価するプロジェクト。共有評価セットと、より大規模なオープンモデルに匹敵する品質を持ちながら、劇的に高速かつ軽量な2つの小型Transformerモデル（4.5 MBおよび25.5 MB）を提供します。

AI-FW は、AI エージェントとそれらが呼び出すモデルの間に位置するセルフホスト型ゲートウェイで、すべてのプロンプトと応答を検査し、ガバナンスルールを適用し、規制当局向けの監査ログを生成します。フェイルクローズド運用、エージェント ID、コスト削減キャッシュ、Claude Code、Cursor、M365 Copilot などのツールとの統合をサポートしています。

セルフホスト可能なオープンソースのワークスペースで、チャット、タスク管理、ナレッジベースツールをAIエージェントと統合し、ガバナンスされた承認ワークフローとModel Context Protocolをサポートします。

ComfyUI‑H3‑FaceRefine は、MiniMax H3 動画内の小さな顔を検出し、切り取り、再生成し、元の動画に再統合するカスタムノードを追加します。モデルの小さな頭部への対応不足を補い、自動および手動の顔選択ワークフロー、強固な追跡、オプションのカット検出、既存の MiniMax H3 パイプラインとの統合を提供します。

オープンソースの光学楽譜認識（OMR）アプリケーションで、楽譜画像を再生・編集可能な記号的デジタル形式に変換します。

SQLiteにコードベースをインデックス化することで、ミリ秒単位の遅延でシンボル検索、依存関係の追跡、影響分析を可能にする、高速で言語に依存しないコードナビゲーター。人間とAIエージェントの両方に最適。

gflow-cli は、実際の Chrome セッションを介して Google Flow の Veo 動画生成と Imagen 画像生成を自動化する Python CLI（およびオプションの MCP サーバー）です。バッチジョブ、再利用可能なキャラクター、プロンプト書き換えツールをサポートし、結果をクラウドストレージにパイプできます。開発者と AI エージェント統合向けに設計されており、アルファ版で、ヘッド付き Playwright-Chromium ブラウザが必要です。

構造的なマップまたは3Dのキッチンをテーマにしたインターフェースを通じて、プロジェクトの進捗とアクティビティを可視化する、AIコーディングエージェント用のローカルなオブザーバビリティツール。

ウェブプロジェクトから一般的でAI生成されたデザインパターン（AIスロップ）を識別・除去するためのツールとフィールドガイド。

Crabbox は、一時的なコンピューター（クラウド VM、ローカルコンテナ、または任意の SSH ホスト）をリースし、リポジトリ（未コミットの変更を含む）を同期し、コマンド/テストを実行し、出力をストリーミングし、ボックスを解放できる CLI です。多くのプロバイダー、ウォームアップ再利用、デスクトップ/VNC アクセス、および共有資格情報と支出管理のためのオプションのコーディネーターをサポートしており、AI コーディングエージェントやクロスプラットフォームテストに最適です。

torchtitan は、大規模LLMの事前学習、ファインチューニング、強化学習のためのPyTorchネイティブライブラリであり、構成可能な並列化（FSDP、TP、PP、CP、EP）、レシピベースの構成、最先端モデルと低精度フォーマットのサポートを提供します。

Pipelock は、AI エージェントとインターネットの間に位置するオープンソースの Go プロキシで、送受信の HTTP、WebSocket、MCP トラフィックをスキャンして、シークレット、プロンプトインジェクション、SSRF、その他の攻撃を検出し、各許可/拒否の決定を証明する暗号署名付きレシートを発行します。厳格、バランス、監査の各モード、無料のオフライン証拠ビューア、RBAC とフリート監視を備えたエンタープライズダッシュボードを提供します。

ReShadeのデータを使用して必要なAPI呼び出しをシミュレートすることで、ネイティブDLSS対応がないゲームでもDLSS 5ニューラルレンダリングを可能にするツール。

AIエージェント向けの高性能Rust製ウェブリサーチツール。ステルスなフェッチ、キーレス検索、クローリングをAPIキーなしで提供します。

AgentDock は、各コンピュータまたはサーバー上でセキュアな HTTP ベースの Managed Control Plane（MCP）を公開するオープンソースの Go アプリケーションです。LLM チャットアシスタント（ChatGPT、Claude、Codex など）がファイル操作、シェルコマンドの実行、Git の管理、ブラウザやデスクトップアプリの自動化、複数デバイスにわたる作業の調整を、単一の AI 会話からすべて実行できるようにします。

複数のソースと地域にわたるデータおよびAI資産に対して、統合されたアクセスとガバナンスを提供する、高性能で地理分散型のフェデレーション・メタデータ・レイク。

簡体字中国語の文章から硬直的で形式的、翻訳風のAI生成パターンを除去し、自然な響きにしながらもすべての元の事実や技術用語を保持するスキル

学術研究向けに187のインストール可能なAIエージェントスキルを備えたライブラリ。Nature風の科学的執筆および原稿作成に特化した専用スイートを含む。

LingBot‑VLA 2.0は、ロボット向けのオープンソースのVision‑Language‑Action基盤モデルです。多様なロボットの形態を55次元の動作ベクトルに統合し、MoE層とデュアルクエリ蒸留（深度 + 未来のビデオ）を用いて予測ダイナミクスを学習します。約6万時間のロボットおよびエゴセントリックビデオデータで学習されており、condaベースのインストール、6Bパラメータのチェックポイントダウンロード用スクリプト、データ準備ツール、カスタムデータセットでの事後学習、RoboTwinベンチマークや実機での評価ツールを提供します。報告された結果では、両腕および移動操作タスクにおいて1.0バージョンから顕著な向上が見られます。

ChatGPT2API は、ChatGPT の Web UI を OpenAI 互換の REST API に変換するオープンソースのセルフホスト型サービスで、Vue ベースの管理コンソールにより複数アカウント、プロキシ、クォータ、アセット管理を提供します。

LiteReality-Agentは、スマートフォンで撮影したRGB-Dスキャン（LiteReality iOSアプリ経由）を、完全にアーティキュレートされた物理演算対応の3D室内シーンに変換するオープンソースのパイプラインです。レイアウトのクリーンアップ、オブジェクトパーツの推論、質量・慣性の割り当て、LLM駆動の画像APIによるテクスチャ生成を行い、MuJoCo URDF/MJCF、Blender、またはGLB形式でエクスポートします。負荷の高いAIモデルはModalの無料GPUサービス上で実行されるため、Appleシリコン搭載のMacでも使用可能です。uvベースの環境設定後、1つのCLIコマンド（uv run litereality run <scan>）で再構築プロセス全体を実行できます。

LogoCreatorは、Together AIを介してFLUX-2画像モデルを使用してブランド用ロゴを生成するオープンソースのウェブアプリです。Next.js、TypeScript、Radix、Tailwindで構築されており、アカウント不要で、Together AIキーのみで動作します。即時生成、FLUX-1編集、PNG/SVGエクスポート、オプションのレート制限と認証、履歴ダッシュボードなどの機能を備えています。リポジトリには明確なセットアップ手順と、サイズ選択、コスト予測、リファレンスロゴアップロード、有名ロゴの再デザインショーケースといった今後の課題がリストアップされています。

NLP、LLM、マルチモーダルモデル向けの高品質なデータセットを構築・キュレーションするための、AIエンジニアとドメイン専門家が協力するツール。

Firecracker microVMsを使用してAIエージェント環境を実行するためのスケーラブルなプラットフォーム。高速なスナップショットベースのブートと高密度なリソース管理を特徴としています。

Unityエディタ用のModel Context Protocolの実装。AIアシスタントがシーン、アセット、エディタ設定を直接操作できるようにします。

MuseBot は、8つの人気メッセージングプラットフォーム（Telegram、Discord、Slack、Lark、DingTalk、WeChat Work、QQ、WeChat）を OpenAI、DeepSeek、Gemini などの大規模言語モデルに接続するチャットボットで、画像、ドキュメント、音声、関数呼び出し、RAG をサポートした AI 駆動の応答を可能にします。ローカルまたは Docker で約1分でデプロイできます。

GuideLLMは、実際のワークロードに対してLLM推論をベンチマークするPythonライブラリ（コンテナとしても利用可能）です。OpenAI互換またはvLLMサーバーに対して設定可能なトラフィックパターンを生成し、合成および実世界のマルチモーダルデータセットをサポートし、詳細なレイテンシーとトークンメトリクスを記録し、キャパシティプランニングとSLO検証のためのJSON/CSV/HTMLレポートを出力します。

DeepSWEは、実世界のオープンソースリポジトリから抽出された113の長期的課題を用いて、コーディングエージェントの性能を測定するベンチマークです。

TokenHubは、OpenAI互換のLLMプロバイダーにエンタープライズレベルのガバナンス（ルーティング、権限、予算、請求照合）を追加するオープンソースのGoベースのゲートウェイです。ロール対応コンソール、OpenAI互換API、SQLite/PostgreSQLデプロイオプション、Docker-Composeまたはsystemdインストーラーを提供します。