Colibri
纯 C 零依赖推理引擎，可在 25GB RAM 消费级机器上运行 GLM-5.2 744B MoE 模型。通过 per-layer LRU cache 从磁盘流式加载 21,504 个路由专家（~370GB），仅保持密集部分（~9.9GB int4）在内存中。Apple M5 Max 128GB 可达 ~1 tok/s。Apache 2.0 许可。
🎯适用场景：在消费级硬件上本地运行 744B 参数 MoE 模型——无需 GPU 集群
📥 收录于 2026/7/21
📊 仓库数据
✅ 优点
- •纯 C 零依赖
- •25GB RAM 即可运行 744B 模型
- •磁盘流式加载创新架构
- •Apache 2.0 开源
⚠️ 限制
- •冷启动 0.05-0.1 tok/s 较慢
- •需要快速 NVMe SSD
- •新项目生态待建设
🔗 相关工具
Shimmy
github.com/Michael-A-Kuykendall/shimmy
纯 Rust 编写的 WebGPU 推理引擎，兼容 OpenAI API，原生支持 GGUF 格式。零 Python 依赖，单二进制文件，可在任意 GPU 上运行
🎯本地 LLM 推理、边缘部署、无需 Python 的推理服务
Tensorflow
github.com/tensorflow/tensorflow
全球最流行的机器学习框架之一，195K+ stars。Google 开源的端到端 ML 平台，支持 TensorFlow、Keras 等多种 API，覆盖深度学习、强化学习、移动端部署等全场景，是 AI 工程师的必备工具
🎯深度学习模型训练、移动端 AI 部署、生产环境 ML 推理服务
Prometheus
github.com/prometheus/prometheus
开源监控系统和时序数据库，CNCF 毕业项目。采用多维数据模型和 PromQL 查询语言，是云原生和 AI 基础设施监控的事实标准，可与 Grafana 无缝集成。
🎯AI 服务 GPU 使用率监控、模型推理延迟追踪、Kubernetes 集群资源监控
Ray
github.com/ray-project/ray
AI 分布式计算引擎，42K+ stars。提供核心分布式运行时和一套 AI 库，加速 ML 工作负载——包括超参数搜索、强化学习、LLM 推理服务等，是大规模 AI 训练和推理的事实标准基础设施
🎯分布式 ML 训练与推理调度、超参数搜索与强化学习
LLM Action
github.com/liguodongiot/llm-action
生成式 AI 指南，4.9K+ stars。生成式 AI 研究更新、工具和资源的一站式资源库，涵盖最新进展和实用工具
🎯生成式 AI 技术学习、LLM 训练/推理/部署实践参考
ncnn
github.com/Tencent/ncnn
高性能神经网络推理框架，4.6K+ stars。针对移动端优化的高性能神经网络推理框架，腾讯开源的移动端深度学习推理方案
🎯移动端/嵌入式高性能神经网络推理部署
