AI Hippo

Última atualização:

Projetos open source mais em destaque nas últimas 24 horas

freeCodeCamp/freeCodeCamp · ⭐ 445,744 public-apis/public-apis · ⭐ 438,349 EbookFoundation/free-programming-books · ⭐ 389,319 openclaw/openclaw · ⭐ 375,972 nilbuild/developer-roadmap · ⭐ 355,845 vinta/awesome-python · ⭐ 300,692 awesome-selfhosted/awesome-selfhosted · ⭐ 296,584 facebook/react · ⭐ 245,354 freeCodeCamp/freeCodeCamp · ⭐ 445,744 public-apis/public-apis · ⭐ 438,349 EbookFoundation/free-programming-books · ⭐ 389,319 openclaw/openclaw · ⭐ 375,972 nilbuild/developer-roadmap · ⭐ 355,845 vinta/awesome-python · ⭐ 300,692 awesome-selfhosted/awesome-selfhosted · ⭐ 296,584 facebook/react · ⭐ 245,354

Código aberto · Em direto · GitHub + HF

Tendências OSS no GitHub

Além dos rankings, observamos mudanças estruturais no ecossistema open source no GitHub: atividade, atenção e calor comunitário por domínio e tipo de projeto.

Instantânea
Live source: HF Trending Snapshot source: GitHub grouped snapshot Estimated: Heat / VRAM

Modelos em alta

Δ 24 h

A ordem padrão segue a lista em alta do Hugging Face (curtidas em 7 dias).

Comparação de repositórios por grupo

Cada secção lista repositórios da mesma classe (p.ex., Agent: OpenClaw, NanoBot, PicoClaw). O significado das colunas é o mesmo em todos os grupos. «Commits (30 d)» segue a janela móvel do scraper.

Instantânea:

Public formula (within each group): Score = 100 × [0.30·Stars + 0.15·Forks + 0.30·Commits30d + 0.15·Contributors + 0.05·(1-Issues) + 0.05·(1-PRs)], after per-group min-max normalization.

Agent

Rank Repositório Score Stars Forks Commits (30 d) Contribuidores Open issues Open PRs
1 openclaw/openclaw 89,3 375.972 78.517 15.916 2.469 6.931 3.893
2 langchain-ai/langchain 32,5 138.195 22.902 219 3.686 602 431
3 Significant-Gravitas/AutoGPT 30,6 184.684 46.202 140 821 437 265
4 affaan-m/ECC 27,5 201.407 30.894 444 203 47 18
5 NousResearch/hermes-agent 24,8 175.415 29.871 3.237 1.412 16.027 5.582
6 langflow-ai/langflow 16,6 148.972 9.156 73 343 928 240
7 firecrawl/firecrawl 13,7 127.089 7.598 187 154 378 77
8 google-gemini/gemini-cli 13,7 104.821 13.966 212 681 1.363 1.108
9 Shubhamsaboo/awesome-llm-apps 13,6 112.448 16.686 24 83 11 5
10 browser-use/browser-use 11,7 96.505 10.818 90 334 255 69

Multi-agente

Rank Repositório Score Stars Forks Commits (30 d) Contribuidores Open issues Open PRs
1 lobehub/lobehub 91,3 78.050 15.356 736 327 346 77
2 TauricResearch/TradingAgents 51,3 81.430 15.838 48 20 288 154
3 FoundationAgents/MetaGPT 43,9 68.453 8.735 0 148 125 21
4 zhayujie/CowAgent 39,2 45.003 10.160 154 117 8 5
5 danny-avila/LibreChat 36,9 37.780 7.788 240 357 483 282
6 Yeachan-Heo/oh-my-claudecode 29,1 35.483 3.242 227 114 0 0
7 openai/openai-agents-python 28,3 26.820 4.135 176 277 132 48
8 wshobson/agents 21,4 36.222 3.928 67 63 6 3
9 OpenBMB/ChatDev 14,6 33.279 4.142 11 18 55 38
10 agentscope-ai/agentscope 7,2 25.957 2.868 43 54 253 201

Inferência

Rank Repositório Score Stars Forks Commits (30 d) Contribuidores Open issues Open PRs
1 ggml-org/llama.cpp 76,7 114.103 19.016 449 1.720 1.719 678
2 sgl-project/sglang 55,3 28.865 6.257 1.181 1.460 3.678 663
3 BerriAI/litellm 47,5 48.918 8.524 650 1.526 3.543 1.418
4 earendil-works/pi 42,4 58.457 6.987 458 216 46 36
5 microsoft/onnxruntime 23,7 20.688 3.952 194 922 1.392 834
6 GeeeekExplorer/nano-vllm 12,1 13.784 2.168 0 15 71 26
7 k2-fsa/sherpa-onnx 11 12.628 1.442 29 207 584 536
8 abetlen/llama-cpp-python 10,1 10.358 1.412 38 192 674 600
9 h2oai/h2ogpt 10,1 11.986 1.310 0 78 329 292
10 niedev/RTranslator 10,1 10.052 926 4 12 31 30

Biblioteca LLM

Rank Repositório Score Stars Forks Commits (30 d) Contribuidores Open issues Open PRs
1 huggingface/transformers 64,2 161.145 33.378 217 3.960 2.385 1.040
2 nexu-io/open-design 45 56.786 6.421 1.670 286 329 196
3 fighting41love/funNLP 25,7 80.993 15.217 0 13 47 38
4 safishamsi/graphify 20,7 57.690 6.025 342 62 280 112
5 labmlai/annotated_deep_learning_paper_implementations 18 66.867 6.712 0 42 33 29
6 unslothai/unsloth 16,4 65.494 5.853 347 196 1.343 1.117
7 sickn33/antigravity-awesome-skills 15,5 39.346 6.387 192 228 3 0
8 ComposioHQ/awesome-claude-skills 15,3 62.758 6.887 6 29 734 114
9 asgeirtj/system_prompts_leaks 14,1 41.077 6.813 122 21 25 0
10 huggingface/pytorch-image-models 10,5 36.843 5.162 10 193 62 44

Framework de treino

Rank Repositório Score Stars Forks Commits (30 d) Contribuidores Open issues Open PRs
1 pytorch/pytorch 64,9 100.306 27.902 1.759 6.588 18.336 15.519
2 AUTOMATIC1111/stable-diffusion-webui 48,8 163.374 30.371 0 639 2.490 2.419
3 vllm-project/vllm 39,1 81.558 17.508 864 2.733 5.119 1.978
4 tensorflow/models 32,3 77.662 45.059 7 957 1.289 1.083
5 Comfy-Org/ComfyUI 30,3 115.239 13.470 224 317 4.046 3.714
6 rasbt/LLMs-from-scratch 23,5 96.444 14.754 8 65 2 2
7 keras-team/keras 21,1 64.075 19.748 90 1.521 182 142
8 ultralytics/yolov5 14,2 57.462 17.470 6 347 44 36
9 ultralytics/ultralytics 13,4 57.846 11.108 111 361 311 85
10 CorentinJ/Real-Time-Voice-Cloning 10,6 59.848 9.404 0 20 170 161

Serving

Rank Repositório Score Stars Forks Commits (30 d) Contribuidores Open issues Open PRs
1 open-webui/open-webui 97,3 139.497 20.013 147 826 344 179
2 janhq/jan 42,9 42.794 2.893 132 172 413 363
3 1Panel-dev/1Panel 42,8 35.705 3.185 145 119 412 399
4 Mintplex-Labs/anything-llm 32,1 60.876 6.602 38 199 359 322
5 AlexsJones/llmfit 23,4 27.007 1.644 53 67 70 46
6 chatchat-space/Langchain-Chatchat 21,4 38.118 6.211 0 173 25 11
7 langbot-app/LangBot 19,2 16.172 1.430 48 84 125 117
8 PDFMathTranslate/PDFMathTranslate 14,9 34.310 3.074 1 57 127 112
9 lm-sys/FastChat 12,2 39.480 4.786 0 246 1.014 880
10 lss233/kirara-ai 11 18.772 1.837 0 49 3 2

Avaliação

Rank Repositório Score Stars Forks Commits (30 d) Contribuidores Open issues Open PRs
1 confident-ai/deepeval 68,9 15.836 1.487 238 297 270 206
2 bitnami/charts 58,2 10.358 10.362 12 2.758 7 3
3 prometheus-community/helm-charts 37,4 6.120 5.371 55 1.774 221 124
4 helmfile/helmfile 19,8 5.119 345 34 385 42 32
5 komodorio/helm-dashboard 16,5 5.701 356 8 55 19 18
6 open-compass/opencompass 13,7 7.049 783 10 165 459 377
7 omerbsezer/Fast-Kubernetes 11,4 3.446 1.186 0 5 1 0
8 stackrox/kube-linter 10,5 3.455 264 12 91 82 75
9 helm/chartmuseum 9,8 3.829 405 1 88 115 91
10 roboll/helmfile 3,1 4.041 553 0 223 529 518

RAG / pesquisa vectorial

Rank Repositório Score Stars Forks Commits (30 d) Contribuidores Open issues Open PRs
1 milvus-io/milvus 70,8 44.572 4.033 176 356 905 682
2 qdrant/qdrant 67,3 31.722 2.307 413 169 568 416
3 chroma-core/chroma 41,5 28.168 2.283 84 186 642 295
4 langchain4j/langchain4j 37,6 12.165 2.270 139 410 759 595
5 simdjson/simdjson 33,7 23.799 1.257 30 184 134 124
6 Tencent/APIJSON 27,5 18.398 2.269 14 92 240 237
7 datawhalechina/all-in-rag 26,3 8.137 4.010 17 11 15 11
8 svcvit/Awesome-Dify-Workflow 14,5 10.536 1.060 0 2 22 18
9 gka/chroma.js 13,4 10.565 547 0 43 65 61
10 std-microblock/chromatic 10,1 8.298 390 0 1 0 0

Dados de snapshot, não fluxo em tempo real do GitHub. Atualização via ingestão REST/GraphQL agendada, escrita em JSON e rebuild.

Métricas principais

Velocidade de estrelas, cadência de commits recentes, atividade em issues/PRs, distribuição de contribuidores, ritmo de releases—por dia/semana/mês para séries ou mapas de calor.

Ingestão e atualização

GitHub REST/GraphQL, datasets públicos ou agregadores como RSSHub; Actions programados para normalizar e gravar JSON ou D1, depois páginas estáticas ou APIs somente leitura no edge.

Tipos e domínios que observamos

  • LLM / pilha de inferência (serving, kernels, quantização, etc.)
  • Agentes, multi‑agente, uso de ferramentas e orquestração
  • Avaliações, benchmarks, datasets e tabelas reproduzíveis
  • Treinamento, fine‑tuning, alinhamento e toolchains de engenharia
  • Implantação local, serviços de inferência e edge/endpoint
  • Dados, RAG, recuperação e ecossistemas de vector stores

Leituras erradas frequentes

  • Igualar estrelas à qualidade do modelo—o hype pode afastar-se da força no benchmark.
  • Confiar só em janelas curtas—picos podem ser campanhas; curvas de commits longas trazem mais sinal.
  • Ignorar issues/PRs—projetos saudáveis costumam ter manutenção densa para além das estrelas.
  • Misturar repositórios pessoais e de organização—a governação e a cadência de releases podem diferir muito.
  • Tomar o GitHub como o ecossistema inteiro—trabalho importante pode ser fechado ou alojado noutros sítios.

Mais leitura

Resumo semanal da indústria de IA (gerado automaticamente)

Em 1 de junho de 2026, esta lista em alta do Hugging Face acompanha 8 entradas. Pelo crescimento em 24 horas, destacam-se "MiniCPM5-1B", "LocateAnything-3B", "LFM2.5-8B-A1B", "Lance", "PiD". As organizações que mais aparecem no topo incluem nvidia, openbmb, LiquidAI, HauhauCS—sinal de que lançamentos, forks e pipelines seguem em ritmo acelerado.

O recorte tende a cartões já muito visitados; use o trilho de “maior crescimento hoje” para separar picos de interesse duradouro.

Para o lado da nuvem, use a seção de tokens desta página junto às notas metodológicas sobre a ingestão de notícias.

A comparação agrupada do GitHub abrange 8 segmentos do ecossistema para contrastar buzz de modelos com atividade de engenharia (estrelas, commits, issues/PRs). Texto gerado automaticamente a partir do mesmo snapshot das tabelas; apenas contexto de pesquisa—não é aconselhamento financeiro ou jurídico.

Voltar ao início