Топ GitHub-репозиториев по ИИ за 8 октября 2026

Тренд дня: свежие проекты за 72 часа

Новые репозитории по ИИ и нейросетям, которые быстро набирают звёзды прямо сейчас.

⭐ 113 ⑂ 11 🟦 TypeScript

OpenChart — это открытый аналог TradingView, в который встроены AI-агенты на каждом этапе инвестиционного пути: статистический и технический анализ с кодом и графиками, алерты и собственный язык чата. Позиционируется как бесплатный и безлимитный десктопный инструмент для трейдинга с возможностью self-hosting.

💡 Пример

Скачиваете десктоп-сборку под macOS/Linux, подключаете свою модель (или используете встроенную) и просите агента: «найди дивергенцию по SOXX и собери алерт на пробой» — агент генерирует код индикатора и выводит график прямо в чате.

🎯 Соединяет агентный AI с профессиональным чартингом, давая трейдерам полноценную альтернативу проприетарным платформам без платных подписок.

agentagentic-traderaichartingcharts

2 iamlukethedev/Herald-OS

⭐ 107 ⑂ 13 🟦 TypeScript

Herald OS — операционная система, построенная вокруг AI-агента: вместо работы через меню и папки вы общаетесь с агентом Hermes, который открывает приложения, находит и упорядочивает файлы, следит за запущенными процессами и запускает рутины по расписанию. Каждое действие проходит через систему разрешений под вашим контролем.

💡 Пример

Пишете агенту: «собери все скриншоты за вчера в папку Reports и построй из них PDF» — Hermes сам находит файлы, группирует их и выполняет сборку, пока вы смотрите. Статус: альфа 0.1, независимый проект (не аффилирован с Nous Research).

🎯 Один из первых реальных примеров «agent-native OS» — взгляд на то, как может выглядеть рабочий стол, где операционка управляется диалогом, а не кликами.

ai-agentdesktop-environmentfedorahermes-agenthyprland

3 THUROI0787/absent-author

⭐ 47 ⑂ 1 🟦 Python

Absent Author — это список доказательств (83 пункта) и два навыка для Claude Code и Codex, которые помогают находить научные статьи, сгенерированные ИИ, за которыми не стоял реальный человек. Калиброван на 79 реальных статьях и оформлен как инструмент для рецензентов и редакторов.

💡 Пример

Рецензент подключает навык к Claude Code и просит проверить присланную рукопись — агент сверяет её с чек-листом маркеров (стилистические аномалии, фантомные ссылки, шаблонные формулировки) и выдаёт отчёт о вероятности машинного авторства.

🎯 Затрагивает растущую проблему исследовательской этики: как отличить честную работу от сгенерированного текста, за который никто не отвечает.

agent-skillsai-generated-content-detectionclaude-codecodexllm

4 datologyai/zephon

⭐ 47 ⑂ 0 🟦 Python

Zephon — высокопроизводительная библиотека загрузки данных для обучения фундаментальных моделей, которая отделяет «что» вы обучаете от «как» данные загружаются и трансформируются. Поддерживает онлайн-обработку: токенизацию, упаковку последовательностей, фильтрацию и динамическую аугментацию.

💡 Пример

Вместо того чтобы писать собственный пайплайн препроцессинга, вы подключаете Zephon к PyTorch-тренировке и описываете токенизацию и пакинг декларативно — библиотека берёт на себя детерминированную, эластично масштабируемую загрузку в распределённом кластере.

🎯 Скорость и воспроизводимость загрузки данных — узкое место при обучении больших моделей; Zephon решает это нативно для распределённых тренировок.

data-loaderdeep-learningdistributed-trainingpytorch

5 BoatswainValve94/1min-ai-download

⭐ 35 ⑂ 0 🟦 Python

1min.AI — Business SaaS listing. Visit link via SOFTGIT. Third-party; rights belong to original authors.

1min-ai1min-ai-downloadai-assistantai-toolsai-workflow

6 0xgetz/tokenharbor-bulk-creator

⭐ 34 ⑂ 5 🟦 JavaScript

Bulk, end-to-end provisioning of Token Harbor (tokenharbor.ai) accounts and API keys through temp-email.dev disposable inboxes. Playwright-driven, MIT, no CI.

account-creatorai-gatewayapi-keyautomationbulk

Вечная классика: проверенные инструменты

Фундаментальные проекты, на которых строится вся современная работа с нейросетями.

1 meta-llama/llama-models

⭐ 7.7k ⑂ 1.4k 🟦 Python

Llama Models — официальный репозиторий Meta с утилитами для работы с моделями семейства Llama: загрузка весов, вспомогательный код и примеры. Это фундамент открытой экосистемы Llama, вокруг которой выросли тысячи проектов.

💡 Пример

Устанавливаете пакет `llama-models` через PyPI, скачиваете чекпоинт нужной модели Llama и используете утилиты для конвертации и запуска в связке с llama.cpp или Hugging Face.

🎯 Открытый доступ к передовым LLM от Meta стал базой для значительной части современной генеративной AI-экосистемы.

2 pytorch/pytorch

⭐ 103.9k ⑂ 31.6k 🟦 Python

PyTorch — фреймворк для тензорных вычислений (как NumPy, но с GPU-ускорением) и построения динамических нейросетей на основе tape-based autograd. Де-факто стандарт для исследований и обучения моделей в Python.

💡 Пример

Определяете модель как обычный Python-класс, вызываете `loss.backward()` для автографа и запускаете обучение на CUDA — тот же код работает на CPU, GPU и TPU без переписывания.

🎯 Один из двух столпов современного машинного обучения; на PyTorch обучается подавляющее большинство открытых и исследовательских моделей.

autograddeep-learninggpumachine-learningneural-network

3 tensorflow/tensorflow

⭐ 200.7k ⑂ 78.6k 🟦 C++

TensorFlow — сквозная открытая платформа машинного обучения от Google с богатой экосистемой инструментов, библиотек и ресурсов сообщества. Охватывает весь цикл — от исследования до деплоя ML-приложений в проде.

💡 Пример

Строите модель через Keras API, обучаете её в `tf.distribute` на нескольких GPU, затем конвертируете в TensorFlow Lite для запуска на мобильных устройствах.

🎯 Наряду с PyTorch задаёт стандарт индустриального ML и до сих пор широко применяется в продакшн-системах и на устройствах.

deep-learningdeep-neural-networksdistributedmachine-learningml

4 ggml-org/llama.cpp

⭐ 130.6k ⑂ 24.2k 🟦 C++

llama.cpp — движок инференса LLM на чистом C/C++ поверх библиотеки ggml, позволяющий запускать большие языковые модели на CPU и GPU без тяжёлых зависимостей. Поддерживает квантование, серверный режим и тысячи моделей.

💡 Пример

Собираете бинарник, конвертируете GGUF-модель и запускаете `llama-server`, чтобы получить OpenAI-совместимый API локально — или гоняете модель прямо на ноутбуке в режиме чата.

🎯 Сделал запуск LLM доступным на обычном железе и стал основой для Ollama, LM Studio и десятков локальных AI-инструментов.

ggml

5 vllm-project/vllm

⭐ 93.3k ⑂ 23.1k 🟦 Python

vLLM — высокопроизводительный и экономичный движок для инференса и сервинга LLM, разработанный в UC Berkeley. Благодаря PagedAttention, continuous batching и широкой поддержке квантования обеспечивает максимальную пропускную способность на GPU.

💡 Пример

Поднимаете `vllm serve meta-llama/Llama-3` и получаете OpenAI-совместимый endpoint с автоматическим батчингом запросов и управлением KV-кэшем — идеально для высоконагруженных сервисов.

🎯 Стандарт де-факто для продакшн-обслуживания LLM: на нём работают крупные инференс-платформы и облачные провайдеры.

amdblackwellcudadeepseekdeepseek-v3

6 huggingface/transformers

⭐ 167.0k ⑂ 34.8k 🟦 Python

Transformers — библиотека от Hugging Face для работы с современными моделями в тексте, зрении, аудио и мультимодальных задачах, как для инференса, так и для дообучения. Даёт единый API к десяткам тысяч предобученных моделей.

💡 Пример

В пару строк через `AutoModel` и `pipeline` загружаете модель с Hugging Face Hub, делаете инференс или файнтюн через `Trainer`, не вникая в различия архитектур.

🎯 Унифицировала доступ к state-of-the-art моделям и стала центральным хабом, через который идёт большая часть практического NLP/CV/мультимодального ML.

audiodeep-learningdeepseekgemmaglm