AmSach/maple
¿Es de fiar?
Ten cuidado con este.
Avisos Revisa
Muy nuevo: se creó hace 9 días. Espera un poco antes de instalarlo.
Estrellas de cuentas reales Sin datos
Todavía no hemos comprobado si sus estrellas son falsas.
Activo Bien
Último cambio hace 2 días.
Licencia Cuidado
Sin licencia: legalmente no puedes reutilizar el código, salvo que el README diga otra cosa.
Comprobaciones rápidas con datos públicos. Ayudan, pero no son una garantía.
Qué es
Proyecto de investigación que poda los expertos de baja activación de modelos LLM de tipo Mixture-of-Experts usando estadísticas de enrutamiento de un corpus de calibración, con un modelo de referencia Gemma 4 26B-A4B reducido a unos 4,75 GB para ejecución en GPU. Incluye…
Para quién es
Investigadores y desarrolladores de aprendizaje automático que comprimen modelos de lenguaje MoE para despliegue local o en GPU de borde
Cómo usarlo
Pide a tu IA que lo instale
Pega esto en Claude, ChatGPT o tu asistente de programación.
Ayúdame a instalar y configurar AmSach/maple en mi proyecto. Sigue su README: https://github.com/AmSach/maple. Explícame cada paso y comprueba que es seguro antes de ejecutar nada.
Curva de estrellas
En Hacker News
- Show HN: Maple – Sub-2-BPW Moe Pruning to Run Gemma 4 26B at 45 TPS on a 6GB GPU21 puntos · 5 comentarios · 8 nov 2026
Recibe alertas de repos como este
Te escribimos cuando algo de Modelos e inferencia empiece a subir. Gratis, una vez por semana, solo lo que encaja.
Qué te llega: un email los lunes con los repos que encajan, nunca más. Mira el de la semana pasada. Privacidad
Para quien mantiene el repo
Pon esta insignia en tu README. Muestra el puesto del repo en el radar, se actualiza cada hora y enlaza a esta página.
[](https://repoalerts.com/repo/AmSach/maple?ref=badge)Repos parecidos
- freriadoc/Avalon
Una bifurcación de llama.cpp optimizada para ejecutar el modelo MoE Qwen3.8-Flash-Next de 125B en una única GPU AMD de consumo, con los expertos descargados a la RAM del sistema. Usa una caché de expe
- prabanta-dev/janas
Un motor de inferencia escrito en C para ejecutar modelos de lenguaje grandes de tipo mezcla de expertos en computadoras corrientes, con o sin GPU. Los pesos permanecen en disco, y los expertos que ne
- mw00/project-maya
Ejecuta GLM-5.3-Flash y DeepSeek-V4.1-Flash-1017 en local, en una o varias GPU NVIDIA o AMD, con motor, servidor, panel en el navegador, herramientas de cuantización y API compatible con OpenAI y Anth
- FlashML-org/FreeToken
Motor de inferencia nativo para el edge orientado a modelos MoE de pesos abiertos a gran escala en hardware de consumo. Combina ejecución en CPU y GPU, caché de expertos y gestión de la caché KV, y ex
- RustingStudio/RustingStrata
Motor de inferencia escrito en Rust puro para modelos GGUF de mezcla de expertos de la familia Qwen3.5/3.6, con kernels CUDA compilados en tiempo de ejecución mediante NVRTC y un backend Vulkan. Ejecu
- YeonwooSung/llm-architecture-from-scratch
Una colección de implementaciones desde cero en PyTorch de arquitecturas de LLM modernas, como GPT-2 XL, variantes de Llama, DeepSeek V3, Qwen3 y Gemma 3. Una tabla comparativa recoge para cada modelo