RepoAlerts

kerlenton/bootgpt

¿Es de fiar?

Nuestras comprobaciones no ven nada raro.

  • Estrellas de cuentas reales Sin datos

    Todavía no hemos comprobado si sus estrellas son falsas.

  • Activo Bien

    Último cambio hace 15 días.

  • Licencia Bien

    MIT: puedes usarlo gratis, también en un producto comercial. Conserva el aviso de licencia.

Comprobaciones rápidas con datos públicos. Ayudan, pero no son una garantía.

Qué es

Una red neuronal a nivel de caracteres que cabe en un sector de arranque x86 de 512 bytes escrito en ensamblador. Carga los pesos int8 desde los sectores de disco siguientes y ejecuta la inferencia en modo real de 16 bits, generando texto falso de un registro de arranque de…

Para quién es

Programadores de bajo nivel, entusiastas de la demoscene y del sizecoding, y desarrolladores interesados en ejecutar redes neuronales en hardware x86 mínimo

Cómo usarlo

Instalación

brew install nasm qemu

Sacado de su README. Compruébalo allí antes de ejecutarlo.

Pide a tu IA que lo instale

Pega esto en Claude, ChatGPT o tu asistente de programación.

Ayúdame a instalar y configurar kerlenton/bootgpt en mi proyecto. Sigue su README: https://github.com/kerlenton/bootgpt. Explícame cada paso y comprueba que es seguro antes de ejecutar nada.

Curva de estrellas

107De 0 a 107 estrellas entre el 30 oct 2026 y el 13 nov 2026.

En el radar

Fuera de los 100 primeros del radar en este periodo.

Su puesto entre los 100 primeros del radar, día a día, con el n.º 1 arriba. Los huecos son días en que estuvo fuera.

Logros

  • En la portada de Hacker News el 31 oct 2026

Alternativas

Proyectos parecidos que cita su ficha. Cada enlace busca en el directorio.

En Hacker News

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.

[![kerlenton/bootgpt on RepoAlerts](https://repoalerts.com/badge/kerlenton/bootgpt.svg)](https://repoalerts.com/repo/kerlenton/bootgpt?ref=badge)
Compartir en X

  • astding/mmaemu

    Una biblioteca en Python que emula de forma exacta a nivel de bit las GEMM FP8 de los núcleos tensoriales de NVIDIA, reproduciendo la salida de torch._scaled_mm y Transformer Engine en las GPU H100 PC

    LibreríaModelos e inferenciaPython · 64 estrellas · +1 esta semana · 33 días

  • prabeakarve/microgpt

    Implementación de GPT sin dependencias en NumPy puro, con tokenizador a nivel de byte, autoatención multicabeza causal, pasada hacia atrás escrita a mano, entrenamiento con AdamW con calentamiento y p

    LibreríaModelos e inferenciaPython · 51 estrellas · 12 días

  • vixhal-baraiya/qwenGPU

    Un modelo experimental: Qwen3.5-2B con una GPU SIMT compilada en sus pesos como 45 capas adicionales. El modelo ejecuta kernels de CUDA compilados a PTX, usando sus capas Gated DeltaNet como registros

    ModeloModelos e inferenciaPython · 120 estrellas · +2 esta semana · 16 días

  • patch-gg/crowdbricks

    Variante por lotes de NVIDIA MotionBricks que genera el movimiento de muchos personajes en una sola llamada al modelo TensorRT. Añade una dimensión de lote al modelo ONNX, kernels SOMA por lotes y un

    LibreríaAgentes de IAPython · 168 estrellas · +7 esta semana · 20 días

  • HalfVulpes/Deepinfer-SM80

    Adapta los kernels y las optimizaciones del motor DeepInfer de DeepSeek, pensados para Blackwell, a las GPU NVIDIA Ampere SM80/SM86 para vLLM V1. Incluye dos parches para vLLM y módulos drop-in en Pyt

    LibreríaModelos e inferenciaPython · 200 estrellas · 28 días

  • kate-land/ga100vfi

    Hardware y herramientas para experimentos de tensión controlados por PWM: diseño de una placa de control PWMVID, firmware para STM32 con gestor de arranque USB, una CLI para el host y código de captur

    C · 261 estrellas · +261 esta semana · 6 días