Retour aux outils
ms-swift
Generation, reconnaissance et edition d'images

ms-swift (modelscope/ms-swift) est un projet d'IA open source sur GitHub. Résumé du référentiel : utilisez PEFT ou Full-parameter pour CPT/SFT/DPO/GRPO. Plus de 600 LLM (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) et plus de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) (AAAI 2025). Son objectif comprend les flux de travail de génération, d'image et de vision augmentés par récupération. Il convient à l’extension, à l’intégration et à la livraison itérative dans des flux de travail réels.

Licence

Apache-2.0

Étoiles

14 347

Fonctionnalités

  • Core : utilisez PEFT ou paramètres complets pour CPT/SFT/DPO/GRPO Plus de 600 LLM (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) et plus de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) (AAAI 2025).
  • Prend en charge la récupération vectorielle et le raisonnement augmenté par la récupération
  • Prend en charge la génération, l'édition ou la compréhension de la vision d'images
  • Dépôt : modelscope/ms-swift
  • Langage principal : Python
  • Licence open source : Apache-2.0

Cas d'usage

  • Construit des systèmes de questions-réponses et de récupération de documents sur les connaissances d'entreprise
  • Utilisé pour la production de contenu visuel et l'expérimentation de modèles
  • Créer des prototypes de flux de travail d'IA internes avec ms-swift
  • Valider ms-swift dans des scénarios d'ingénierie de type production
  • Génération d'images et création visuelle
  • Évaluation et comparaison des modèles

FAQ

ms-swift (modelscope/ms-swift) est un projet d'IA open source sur GitHub. Résumé du référentiel : utilisez PEFT ou Full-parameter pour CPT/SFT/DPO/GRPO. Plus de 600 LLM (Qwen3.6, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) et plus de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM4.5v, Gemma4, Llava, Phi4, ...) (AAAI 2025). Son objectif comprend les flux de travail de génération, d'image et de vision augmentés par récupération. Il convient à l’extension, à l’intégration et à la livraison itérative dans des flux de travail réels.

Cas d'usage courants : Construit des systèmes de questions-réponses et de récupération de documents sur les connaissances d'entreprise, Utilisé pour la production de contenu visuel et l'expérimentation de modèles, Créer des prototypes de flux de travail d'IA internes avec ms-swift.

Outils associés

AI Toolbase

Des outils IA sélectionnés pour gagner en productivité

© 2026 AI Toolbase. Tous droits réservés