Trendige Open-Source-KI-Projekte auf GitHub, Oktober 2026

Die monatliche Trending-Seite von GitHub funktioniert für eine Sprache, weil ein Sprachfilter den Suchbereich bereits definiert. Open-Source-KI stellt eine andere Frage: Die Arbeit erstreckt sich über fünf Sprachen, und der nützliche Schnitt ist die Aufgabe, die ein Repository übernimmt.

Dieser Snapshot wurde am 16. Oktober 2026 von der öffentlichen GitHub-API gelesen, und innerhalb jeder Gruppe sind die Repositories nach der Anzahl der Stars sortiert. Stars messen Aufmerksamkeit, und ein Skills-Ordner kann diese Aufmerksamkeit schneller auf sich ziehen als ein Serving-Engine, daher kommt die Gruppe vor der Sortierung. Die Lizenzspalte ist ebenfalls Teil des Rankings, weil mehrere der meist-angestarrten Projekte Fair-Code sind, markenbeschränkt sind oder sich über zwei Lizenzen aufteilen.

Die Roundups zu Rust und Go auf dieser Seite wurden aus derselben Seite erstellt, wobei ein Sprachfilter die Gruppierung übernahm. Hier ersetzen die acht Aufgabengruppen unten den Filter, und jeder Abschnitt beschreibt den Trade-off, der die eng beieinanderliegenden Optionen trennt. Die abschließenden Abschnitte wandeln die Tabellen in eine Shortlist um, die Sie ausführen können, und in eine wiederholbare Methode für den nächsten Snapshot.

Wie man Open-Source-KI-Projekte rankt

Themen durchsuchen, dann eine Aufgabe zuweisen

GitHub-Themen sind der brauchbare Ersatz für einen Sprachfilter. Sortieren Sie ein Thema wie ai-agents, llm, rag, local-llm oder agent-memory nach Stars und behalten Sie Repositories bei, die in den letzten Monaten gepusht wurden. Eine Volltextsuche nach „AI" ist zu breit, und die unfilterte Trending-Seite mischt weiterhin Agenten mit unbekannten Tools.

Drei öffentliche Eingaben reichen aus, um die Liste neu aufzubauen. Verwenden Sie die Themensuche für den Pool, ein Szenario-Katalog wie Top Open Source AI für die Aufgabenlabels und die LICENSE-Datei des Repositories für die letzte Spalte. Dieser Katalog veröffentlicht einen eigenen Komposit-Wert: 70 Prozent Stars, 10 Prozent Mitwirkende und 20 Prozent Aktualitätsgrad der Updates. Dieser Artikel behält die einfachere Regel bei, sodass die Zahl in der Tabelle die Zahl auf GitHub ist.

Nützliche Startanfragen:

• ai-agents-Thema, nach Stars
• llm-Thema, nach Stars
• rag-Thema, nach Stars
• agent-memory-Thema mit mehr als 5.000 Stars
• GitHub-Trending, monatlich

Software behalten, Listen beiseitelegen

Ein Repository verdient eine Zeile, wenn jemand es installieren kann, oder wenn es ein gewartetes Harness ist, das verändert, wie ein Agent ausgeführt wird. Awesome-Listen, Prompt-Verzeichnisse und Ablagen von Vendor-Systemprompts sammeln zwar Stars, hinterlassen aber nichts, was man deployen könnte. Sie gehören in eine Leseliste und bleiben aus den folgenden Tabellen heraus.

Eine Trending-Spalte nur aus eigenen Snapshots hinzufügen

Die Sprach-Roundups konnten die im Monat erlangten Stars anzeigen, da GitHub diese Delta innerhalb einer Sprache bereits berechnet. Über diese Gruppen hinweg benötigt ein monatliches Delta zwei eigene Snapshots. Speichern Sie full_name und stargazers_count am ersten Tag des Monats und subtrahieren Sie anschließend. Bis diese Serie existiert, sind die Gesamtstars der ehrliche Ranking-Schlüssel. „Trending" im Titel bedeutet aktiv gewartete Projekte mit der passenden Aufmerksamkeit, Stand dieses Datums.

Wo die Projekte stehen

Diese Gruppen sind Schichten, die Sie stapeln können. Ein Coding-Assistent kann ein Gateway aufrufen, ein Gateway kann Ollama oder vLLM aufrufen, und ein Memory-Dienst kann neben einem von beiden stehen. Zwei Produkte aus derselben Schicht sind im Allgemeinen eine zweite Meinung und selten eine bessere Architektur.

Persönliche KI-Assistenten

Diese Gruppe richtet sich an Agenten, die auf einem Rechner oder über Tools hinweg Aktionen ausführen, über eine einzelne Coding-Sitzung hinaus. OpenClaw führt mit einem deutlichen Vorsprung. Hermes ist der andere allgemeine Agent in dieser Größenordnung, und AutoGPT ist der ältere Name, der weiterhin Stars sammelt, während sich seine Lizenz aufgeteilt hat. Eine tiefere Bestenliste nur für dieses Paar, mit Downloads, Token-Anteil und CVE-Historie, ist der OpenClaw vs Hermes Agent Vergleich.

Firecrawl wird hier aufgeführt, weil Agenten Seiten benötigen, und es ist das Webdaten-Projekt, das Leser tatsächlich sternchen. Es ist ein Tool, und die Assistenten rufen es auf.

OpenClaw

OpenClaw ist ein persönlicher Agent, der auf Ihrem eigenen Betriebssystem ausgeführt werden soll und Aufgaben ausführt, was die einfache Lesart eines Projekts ist, das sich selbst als KI bezeichnet, die Dinge auf jeder Plattform erledigt. Die Anzahl der Stars ist die größte in diesem Artikel, und die MIT-Lizenz ist das großzügige Ende der Menge. Betrachten Sie die Installation als lokale Automatisierungs-Laufzeitumgebung mit breitem Zugriff auf die Maschine, und legen Sie fest, was sie berühren darf, bevor Sie sie laufen lassen.

Hermes Agent

Hermes Agent, von Nous Research, ist ein allgemeiner Agent, der entwickelt wurde, um Skills und Kontext anzuhäufen, während er verwendet wird. Er steht in derselben Aufgabe wie OpenClaw, mit einem Python-Codebase und denselben MIT-Bedingungen. Wählen Sie ihn, wenn Sie diese Wachstumsschleife wünschen und bereits gewohnt sind, einen Python-Agenten zu betreiben. Das Ausführen sowohl von Hermes als auch von OpenClaw bedeutet zwei Berechtigungsmodelle, die Sie überprüfen müssen.

AutoGPT

AutoGPT ist das Projekt, das autonome Agenten zu einer GitHub-Category im Mainstream machte, und es ist immer noch einer der meist-angestarrten Namen im Set. Die Lizenz ist keine einzelne Gewährung mehr. Alles außerhalb des autogpt_platform-Ordners ist MIT, und alles innerhalb dieses Ordners unterliegt der Polyform Shield License, die die Verwendung erlaubt, aber den kommerziellen Wert des Codes dem Hersteller vorbehält. Lesen Sie diese Aufteilung, bevor Sie ein Produkt auf dem Verzeichnis der Plattform aufbauen.

Firecrawl

Firecrawl verwandelt Websites in Daten, auf die Agenten zugreifen können. Die Anzahl der Stars ordnet es den Assistenten zu, obwohl die Aufgabe die Akquise ist, was viel darüber aussagt, was die Leute 2026 zusammenkoppeln. AGPL-3.0 ist relevant, wenn Sie es modifizieren und das Ergebnis als Dienst anbieten. Für einen persönlichen Agenten, der nur einen lokalen oder Vendor-Endpunkt aufruft, ist die Lizenz eine kleinere Einschränkung.

KI-Coding-Assistenten

Coding-Agenten sind der dichteste Teil der 2026-Liste. OpenCode führt die vollständig offenen Terminal- und Editor-Agenten an, dicht gefolgt von Codex und Gemini CLI als Vendor-CLIs, die zufällig Open Source sind. OpenHands, Cline und Goose sind die anderen Programme, die Sie tatsächlich ausführen können.

Aider (49.567 Stars, Apache-2.0), Continue (36.228, Apache-2.0) und Crush (28.669, FSL-1.1-MIT) sind echte Coding-Tools in der nächsten Bandbreite. Crushs Lizenz ist eine Functional Source License, die nach dem im Dokument festgelegten Zeitplan in MIT übergeht. Ein Coding-Agent ist ausreichend. Ein zweiter ist für eine Vergleichswoche, und danach ist es Konfiguration, die Sie synchron halten müssen.

OpenCode

OpenCode ist ein Open-Source-Coding-Agent mit einem Terminal-Workflow und einer großen Plugin-Oberfläche. Er ist zu dem Standardnamen geworden, den die Leute zitiieren, wenn sie einen Coding-Agenten wollen, den sie inspizieren können, und die MIT-Lizenz entspricht dieser Nutzung. Das Repository ist anomalyco/opencode. Wählen Sie es, wenn der Agent selbst etwas sein sollte, das Sie patchen können.

Codex

Codex ist OpenAIs schlanker Coding-Agent für das Terminal, geschrieben in Rust und lizenziert unter Apache-2.0. Er ist der offene Client für eine gehostete Modellfamilie, was ein anderer Handel ist als ein local-first Agent. Verwenden Sie es, wenn Ihr Team bereits auf OpenAI-Modelle standardisiert und Sie eine CLI wollen, die Sie automatisieren können. Dass der Client offen ist, verschiebt die Modellgewichte nicht auf Ihre Festplatte.

Gemini CLI

Gemini CLI bringt Gemini als Agent in das Terminal, unter Apache-2.0. Es spielt dieselbe Rolle wie Codex für einen anderen Anbieter, und das TypeScript-Codebase lässt sich einfacher in bestehende Node-Tools einbetten. Wählen Sie es, wenn Gemini das Modell ist, für das Sie bereits zahlen. Das Ausführen neben Codex ist nur sinnvoll, wenn jedes Repository einen Standard-Agenten hat.

OpenHands

OpenHands ist ein Softwareentwicklungs-Agent mit einer vollständigen Aufgaben-Schleife, jetzt veröffentlicht von der OpenHands-Organisation. Die MIT-Lizenz und das höherstufige Produkt machen es zu einer Plattformwahl, näher an einer gehosteten Entwicklungsumgebung, die Sie selbst hosten können, als an einem einzelnen Binary. Verwenden Sie es, wenn Sie Issues, Sandboxes und eine UI rund um den Agenten wollen. Für einen Einzel-Terminal-Workflow ist OpenCode, Codex oder Goose die kleinere Installation.

Cline

Cline ist ein autonomer Coding-Agent, der als SDK, IDE-Erweiterung oder CLI ausgeliefert wird. Apache-2.0 und die Editor-Integration machen es zur praktischen Wahl für Menschen, die in VS Code leben und immer noch eine Bibliothek wollen, die sie aufrufen können. Es überlappt OpenCode mehr als ein Chat-UI. Standardisieren Sie auf eines von ihnen pro Repository, damit die Reviews lesbar bleiben.

Goose

Goose ist ein erweiterbarer lokaler Agent, der mit jedem Modell, das Sie darauf zeigen, Code installiert, bearbeitet, ausführt und testet. Das Repository lebt jetzt bei aaif-goose/goose, und die Rust-Implementierung plus Apache-2.0 machen es zu einem starken Workstation-Agenten. Wählen Sie Goose, wenn der Modell-Anbieter austauschbar sein soll und der Agent auf der Maschine laufen soll, die den Code hält. Es hat eine leisere Star-Anzahl als OpenCode, und es ist eine direktere Passform für ein lokales Modell.

Agent Skills und Harnesses

Die Themensuche wird diese Gruppe über mehrere echte Produkte stellen. Superpowers und ECC sind Anweisungen, Hooks und Workflows für Agenten, die Sie bereits ausführen. Spec Kit ist Githubs eigenes Prozess-Toolkit für spec-getriebene Entwicklung. Sie verändern das Verhalten von Agenten, und sie sind immer noch Software, die Sie mit einem Coding-Assistenten aus dem vorherigen Abschnitt komponieren.

Superpowers

Superpowers ist ein agentisches Skills-Framework und eine Softwareentwicklungs-Methodik, die hauptsächlich als Shell- und Anweisungsdateien unter MIT verteilt wird. Die Star-Anzahl ist das, was Sie bekommen, wenn eine Methode sich in wenigen Monaten durch Coding-Agenten-Nutzer verbreitet. Installieren Sie es über einen Agenten, dem Sie bereits vertrauen, und erwarten Sie, dass Sie die Skills bearbeiten, um sie an das Repository anzupassen. Das Framework wird den Berechtigungen folgen, die dieser Agent bereits hat.

ECC

ECC ist ein Harness für Claude Code, Codex, OpenCode, Cursor und ähnliche Agenten, das Skills, Memory und Prüfungen abdeckt, wie der Agent arbeitet. Es ist die richtige Form, wenn Sie die gleiche Schleife auf mehr als einem Coding-Agenten wollen. Es ist auch eine weitere bewegliche Schicht zwischen Ihnen und dem Modell. Nehmen Sie es an, wenn das Team die Agenten bereits ausgewählt hat und eine gemeinsame Art will, sie zu briefen.

Spec Kit

Spec Kit ist Githubs Toolkit für spec-getriebene Entwicklung und den Prozess darum. Der Maintainer ist die Plattform, auf der die meisten dieser Repositories bereits leben, und die MIT-Lizenz ist unkompliziert. Verwenden Sie es, wenn Sie eine geschriebene Spec wollen, bevor der Agent Code bearbeitet. Es wird ruhig bleiben, wenn das Team die Spec als optionales Papierwerk behandelt.

KI-Memory

Memory ist die Schicht, die es einem Agenten erlaubt, fortzufahren. Die angestarrten Projekte teilen sich in zwei Stile auf. claude-mem, Beads und ein großer Teil von Hindsight hängen Memory an Coding-Sitzungen. Mem0, Cognee und Letta sind Dienste, die Sie von Anwendungsagenten aus aufrufen. Capture-Policy, Abhängigkeiten und Self-Hosting-Trade-offs für diese Backends werden in Agent Memory Provider verglichen.

Memvid (16.600 Stars, Apache-2.0) und Zep (4.961 Stars, Apache-2.0) sind kleinere Optionen in derselben Aufgabe, Memvid als Single-File-Store und Zep als integrationslastige Memory-API. Ein Memory-System pro Agent ist die Einrichtung, die Sie später noch erklären können.

claude-mem

claude-mem protokolliert, was ein Coding-Agent tut, komprimiert diese Historie und injiziert den relevanten Teil in spätere Sitzungen. Es spricht mit Claude Code, OpenClaw, Codex, Gemini CLI, Hermes, Copilot und OpenCode, weshalb es diese Gruppe anführt. Apache-2.0 passt zu einem Sidecar, das Sie modifizieren wollen. Verwenden Sie es, wenn das, was Sie immer wieder vergessen, die Coding-Sitzung selbst ist.

Mem0

Mem0 ist eine Memory-Schicht für Agenten und Anwendungen, mit User-, Session- und Agent-State hinter einer API. Es ist der Standardname, wenn das Produkt ein Support-Bot oder ein persönlicher Assistent ist und Sie dieses Memory außerhalb eines einzelnen Coding-Tools wollen. Apache-2.0 und eine gehostete Option stehen nebeneinander, sodass Self-Hosting eine Wahl ist, die Sie später treffen können. Bevorzugen Sie es gegenüber einem Coding-Sessions-Hook, wenn viele Agenten dieselben Fakten über einen Benutzer teilen sollen.

Hindsight

Hindsight ist Vectorizes Agent-Memory-Projekt, gerichtet auf Agenten, die aus dem lernen, was sie bereits getan haben, und es integriert sowohl Coding-Agenten als auch Anwendungsframeworks. Die MIT-Lizenz ist die großzügigste in dieser Gruppe. Das Projekt veröffentlicht starke Benchmark-Ansprüche, und diese Ansprüche sollten auf Ihren eigenen Transkripten neu ausgeführt werden, bevor Sie ein Produkt darauf wetten. Wählen Sie Hindsight, wenn Sie einen dedizierten Memory-Dienst wollen und bereit sind, es mit Mem0 an Ihren Daten zu vergleichen.

Cognee

Cognee baut einen Memory- und Wissensgraphen, auf den Agenten abfragen können, mit einem Schwerpunkt darauf, diese Schicht auf kleineren Modellen auszuführen. Es überlappt Mem0 und es überlappt auch die RAG-Tools unten, weil ein Graph Ihrer Dokumente wie Memory und Retrieval zugleich wirkt. Apache-2.0 hält den Pfad für Embeddings austauschbar. Wählen Sie es, wenn die Fakten, um die es Ihnen geht, Entitäten und Beziehungen sind, und ein flacher Vektorindex bereits zu verlustig war.

Beads

Beads speichert Coding-Agenten-Aufgaben, Pläne und Abhängigkeiten als Dateien, die mit dem Git-Branch reisen. Das Repository ist jetzt gastownhall/beads, und es ist dasselbe Projekt, das der Januar-Go-Roundup unter seinem früheren Pfad auflistete. MIT und ein git-gestützter Store machen es zum Memory-Tool, das Ihr bestehender Review-Prozess sehen kann. Verwenden Sie es, wenn der Kontext mit dem Branch forken soll. Verwenden Sie claude-mem oder Mem0, wenn das Memory ein einzelnes Repository überleben muss.

Letta

Letta ist die Stateful-Agent-Plattform, die aus MemGPT hervorging. Memory ist hier Teil der Agent-Laufzeitumgebung, sodass der Agent seinen eigenen Kontext als Merkmal der Plattform verwaltet. Das ist ein tieferes Commitment, als Mem0 unter einen Agenten zu legen, den Sie bereits ausführen. Apache-2.0 gilt für die offene Plattform. Wählen Sie Letta, wenn Sie die Laufzeitumgebung und das Memory zusammen entworfen wollen, und wählen Sie Mem0, wenn Sie Memory unter Agenten wollen, die Sie nicht ersetzen wollen.

RAG und Wissensdatenbanken

RAG-Projekte verwandeln Dokumente in eine Kontextschicht. RAGFlow ist die End-to-End-Engine, die die Leute sternchen. LlamaIndex ist das Dokument-Framework, GraphRAG ist Microsofts Graph-Ansatz, und WeKnora ist Tencents Wissensplattform, die auch im Januar-Go-Roundup auftrat und weitergewachsen ist.

RAGFlow

RAGFlow ist eine selbst gehostete RAG-Engine, die unordentliche Dokumente parst und Retrieval Agenten gegenüber öffnet, mit Zitaten als Teil des Produkts. Apache-2.0 und eine UI, die Sie einem Team übergeben können, sind der Grund, warum es diese Gruppe mit klarem Abstand anführt. Verwenden Sie es, wenn die Aufgabe lautet „Unsere Dateien hinter einem Antwortkasten" und Sie den Parser, den Index und die API aus einem Projekt wollen. Greifen Sie zu LlamaIndex, wenn Sie Retrieval in eine Anwendung einbetten, die Sie bereits kontrollieren.

LlamaIndex

LlamaIndex ist ein Dokumentverarbeitungs-Framework für Agenten und RAG-Pipelines. Es ist eine Bibliothek mit vielen Connectoren, und die MIT-Lizenz passt zu dieser Rolle. Sie bauen den Index, den Store und den Agenten selbst zusammen, was der Preis der Flexibilität ist. Wählen Sie es für Produktcode. Wählen Sie RAGFlow, wenn Sie dieselbe Aufgabe als Dienst wollen, den Sie deployen.

GraphRAG

GraphRAG baut einen Graphen über einen Korpus und beantwortet Fragen, indem er diesen Graphen durchläuft, als Microsoft Researchs offene Implementierung der Idee. Die Technik selbst wird in Advanced RAG: LongRAG, Self-RAG and GraphRAG erklärt. Die MIT-Lizenz macht es leicht, es neben einer Vektor-Pipeline zu testen. Der Graph-Aufbau kostet mehr anfangs als ein Chunk-and-Embed-Index, und er zahlt diese Kosten bei Fragen zurück, die über viele Dokumente hinweggehen. Verwenden Sie es, wenn der Korpus eine Struktur hat, die Sie derzeit in Chunks pressen.

WeKnora

WeKnora ist Tencents Wissensplattform zur Verwandlung von Dokumenten in einen RAG-Index, einen Agenten und eine Wiki, die das Projekt als selbstwartend beschreibt. Die Projektlizenz ist MIT, mit Drittanbieter-Komponenten unter ihren eigenen Bedingungen. GitHub berichtet diese Lizenz als „Other", weil die MIT-Gewährung unter einem Tencent-Preamb steht. Es ist der nächste Cousin von RAGFlow in dieser Tabelle, mit einem Go-Kern. Bevorzugen Sie es, wenn Sie die Wiki und den Agenten in derselben Box wollen, und vergleichen Sie die Parser an einer Auswahl Ihrer eigenen PDFs, bevor Sie eine Bibliothek migrieren.

Workflow- und Agenten-Baustelle

Baustelle ist dort, wo ein Team den Flow zeichnet, oder wo ein Entwickler das Framework importiert, das es für sie zeichnet. n8n ist die größte nach Stars und die engste nach Lizenz. Dify und Langflow sind die KI-nativen Studios. LangChain ist die Bibliothek unterhalb vieler der anderen.

CrewAI (59.745 Stars, MIT) und AutoGen (61.429 Stars, CC-BY-4.0) gehören in dasselbe Gespräch wie Code-first-Multi-Agenten-Frameworks. AutoGens Creative-Commons-Attributions-Lizenz ist ungewöhnlich für ein Code-Repository, und es lohnt sich, sie zu lesen, bevor Sie sie einkaufen. LangChain bleibt die Integrationsoberfläche, auf die diese Frameworks noch stoßen.

n8n

n8n ist eine Workflow-Plattform mit hunderten von Integrationen und nativen KI-Schritten, und es ist das Projekt, das die Leute meinen, wenn sie Zapier-artige Automatisierung wollen, die sie hosten können. Die Sustainable Use License erlaubt interne Geschäftsnutzung, persönliche Nutzung und nicht-kommerzielle Nutzung. Die Distribution ist auf kostenlose, nicht-kommerzielle Kopien beschränkt, und Dateien mit der Endung .ee benötigen eine separate Enterprise-Lizenz. Es ist Source-Available-Fair-Code, und es ist immer noch das richtige Tool für interne Automatisierung, wenn diese Grenzen zu Ihrer Art zu operieren passen.

Dify

Dify ist ein Workspace für Agenten-Workflows und RAG-Pipelines, mit Modell-Anbietern und Tools in einem deploybaren Stack. Die Lizenz beginnt bei Apache-2.0 und fügt Bedingungen hinzu: Das Betreiben eines Multi-Tenant-Dienstes, was mehrere Workspaces bedeutet, erfordert eine kommerzielle Lizenz, und das Konsolen-Logo und der Urhebervermerk bleiben auf dem Frontend. Single-Tenant-interne Nutzung ist der Fall, den die zusätzlichen Klauseln offen lassen. Wählen Sie Dify, wenn ein Team eine UI von Prototyp bis Produktion braucht, und wählen Sie Langflow, wenn die Lizenz schlicht MIT bleiben muss.

Langflow

Langflow ist ein visueller Builder für Agenten und RAG-Flows, mit einer MIT-Lizenz und einer Star-Anzahl, die praktisch mit Dify gleichauf ist. Das Canvas ist das Produkt, und die generierten Flows sind etwas, das ein Entwickler weiterhin besitzen kann. Verwenden Sie es, wenn Sie ein Diagramm der Pipeline und eine Lizenz wollen, die eine Beschaffungscheckliste bereits versteht. Der Handel ist eine jüngere Anwendungsoberfläche als Difys Workspace-Funktionen.

LangChain

LangChain ist die Agenten-Ingenieursbibliothek, die die meisten Integrationsdokumente immer noch voraussetzen. MIT und die Breite der Connectoren halten es auf jeder Shortlist, und die Abstraktionskosten sind real, sobald die Kette etwas Einfaches tut. Verwenden Sie es, wenn Sie Anwendungscod schreiben und die Adapter bereits geschrieben wollen. Verwenden Sie Dify oder Langflow, wenn das Lieferprodukt ein Workspace ist, und verwenden Sie ein direkter Provider-SDK, wenn der Flow ein Handvoll Aufrufe ist.

Lokale Inferenz und Chat-Oberflächen

Das ist die Schicht unter allem anderen. Ollama ist der Workstation-Runner, Transformers ist die Modellsdefinitionsbibliothek, Open WebUI ist die Chat-Frontend, llama.cpp ist die portable C++-Engine und vLLM ist die Server-Engine. Hugging Face Transformers ist enthalten, weil so viele der anderen Projekte es importieren, auch wenn Sie es nicht „ausführen" wie Ollama. API-Reifegrad, Hardware-Support und Produktionsbereitschaft über die Laufzeitumgebungen hinweg werden in Ollama vs vLLM vs LM Studio verglichen.

Ollama

Ollama führt aktuelle offene Modelle lokal hinter einer einfachen CLI und einer OpenAI-kompatiblen API aus. Es war bereits ein Leader im Januar-Go-Roundup, und mit 183.334 Stars ist es immer noch der Standard-Workstation-Runner. MIT und ein einzelner Daemon sind die Gründe. Verwenden Sie es auf einer Entwicklermaschine und auf kleinen Servern. Verschieben Sie dieselben Gewichte zu vLLM, wenn Konnektivität, Batching und GPU-Auslastung zum Problem werden.

Transformers

Transformers ist Hugging Faces Bibliothek zur Definition, zum Laden und zum Ausführen von Modellen über Text, Vision, Audio und multimodale Checkpoints hinweg. Apache-2.0 und der Modell-Hub darum machen dies die Bibliothek, die der Rest des Stacks importiert. Sie spüren es, wenn Sie trainieren, konvertieren oder ein Modell debuggen. Sie können es lange ignorieren, wenn Ollama oder vLLM bereits den Checkpoint serviert, den Sie brauchen.

Open WebUI

Open WebUI ist die Chat-Oberfläche, die die meisten Menschen vor Ollama und OpenAI-kompatible APIs stellen. Die Open WebUI License erlaubt die Redistribution und schränkt dann das Branding ein. Über 50 Endnutzern in jedem gleitenden 30-Tage-Zeitraum dürfen Sie den Open-WebUI-Namen und die Markierungen nicht ändern, entfernen oder ersetzen, ohne schriftliche Erlaubnis oder eine Enterprise-Lizenz. Für eine persönliche oder kleine Team-Installation, die den Namen behält, ist es das polierte Frontend. Für ein Produkt, das Sie neu branden, planen Sie das Enterprise-Gespräch zuerst. Docker-Deployment und die Einrichtungsoptionen werden im Open WebUI Guide durchgegangen.

llama.cpp

llama.cpp ist die C- und C++-Inferenz-Engine, die lokale Modelle auf gewöhnlicher Hardware praktisch machte. Die MIT-Lizenz und das GGUF-Ökosystem sind der Grund, warum Ollama und eine Schar kleinerer Apps darauf sitzen. Verwenden Sie das Projekt direkt, wenn Sie die Engine, die Quantisierungswerkzeuge oder ein Binary mit wenigen Abhängigkeiten wollen. Verwenden Sie Ollama, wenn Sie diese Engine mit bereits eingebauter Modellverwaltung wollen.

vLLM

vLLM ist eine Durchsatz-Serving-Engine für GPUs, mit kontinuierlichem Batching und einer OpenAI-kompatiblen API. Apache-2.0 und der Deployment-Fokus machen es zum Server-Gegenstück von Ollama. Die Star-Anzahl ist niedriger, weil das Publikum Leute sind, die GPUs ausführen, und dieses Publikum ist das, das den Unterschied spürt. Wählen Sie vLLM, wenn mehr als ein paar gleichzeitige Sitzungen eine Maschine teilen.

LLM-Gateways

Ein Gateway ist die OpenAI-kompatible Tür vor vielen Anbietern. LiteLLM ist die übliche Wahl, New API ist der selbst gehostete Distributor, und Bifrost ist das kleinere, hochdurchsatzfähige Gateway. Legen Sie ein Gateway in den Stack, wenn Sie mehr als einen Anbieter, ein Budget pro Schlüssel oder ein Failover-Bedürfnis haben. Ein einzelner lokaler Ollama-Daemon benötigt keines.

LiteLLM

LiteLLM öffnet eine große Menge von Provider-APIs über eine OpenAI-geformte Schnittstelle, mit Ausgaben-Tracking, Retries und Guardrails. Code außerhalb des enterprise/-Verzeichnisses ist MIT, und dieses Verzeichnis hat seine eigene Lizenz. Das Python-SDK ist das, was Anwendungscod importiert, und der Proxy ist das, was das Team der Plattform ausführt. Verwenden Sie den Kern, wenn Sie einen Client für viele Vendor wollen. Prüfen Sie das Enterprise-Verzeichnis, bevor Sie annehmen, dass das gesamte Repository MIT ist.

New API

New API ist ein Modell-Hub, der Anbieter aggregiert und sie als OpenAI-, Claude- oder Gemini-kompatible Endpunkte neu serviert. Es ist das Gateway, das die Leute deployen, wenn sie auch User-Accounts, Quotas und eine Distribution-UI wollen. AGPL-3.0 ist der Begriff, der wichtig ist, wenn Sie den Hub modifizieren und ihn als Dienst anbieten. Für ein internes Gateway mit Upstream-Schlüsseln ist es eine konkrete Alternative zu LiteLLMs Proxy, mit einem Go-Deployment und einer strengerer Lizenz.

Bifrost

Bifrost ist ein Go-Gateway für Modelle und Tools, mit Failover, Budgets und einem MCP-Gateway im selben Prozess. Die Star-Anzahl ist weit unter LiteLLM, und der Januar-Go-Roundup hatte es bereits auf der Trending-Liste, sodass das Projekt jünger ist, als es unscheinbar ist. Apache-2.0 vermeidet die Enterprise-Verzeichnis-Aufteilung. Berücksichtigen Sie es, wenn das Gateway auf dem Pfad der Anfragen eines geschäftigen Dienstes ist und Sie ein kleines Go-Binary wollen. Behalten Sie LiteLLM, wenn Sie den langen Schwanz der Provider-Adapter heute brauchen.

Ein Stack, der sich ausführen lohnt

Die Tabellen sind eine Karte, und eine Workstation braucht immer noch eine Shortlist. Für eine lokale Einrichtung im Oktober 2026 deckt Ollama plus ein Coding-Agent den täglichen Zyklus ab. Fügen Sie Open WebUI hinzu, wenn die Branding-Klausel zur Nutzeranzahl passt, Mem0 oder claude-mem je nachdem, ob Memory zu einer Anwendung oder zu einer Coding-Sitzung gehört, und RAGFlow, wenn die Dokumente das Produkt sind. Fügen Sie LiteLLM oder New API erst hinzu, nachdem ein zweiter Modell-Anbieter auftaucht.

Skills-Packs wie Superpowers und ECC kommen, nachdem der Agent gewählt ist. Sie sind leicht zu sternchen und leicht anzusammeln, und drei Harnesses auf einem Repository werden über dieselben Anweisungen kämpfen.

Den aktuellen Stand halten

Wiederholen Sie die Themenanfragen oben in diesem Artikel, weisen Sie jedes neue Repository einer Aufgabe zu und sortieren Sie diese Aufgabe neu nach Stars. Dann öffnen Sie die Lizenzdatei. Ein Projekt, das die Tabelle über ein Skills-Verzeichnis, eine Prompt-Liste oder ein Wochenende der Aufmerksamkeit übersprungen hat, kann auf den nächsten Snapshot warten, bevor es ein Tool ersetzt, das Sie ausführen.

Speichern Sie den Snapshot. Eine einzelne CSV-Datei mit full_name, stargazers_count, license und pushed_at, monatlich aufgenommen, verwandelt die nächste Ausgabe dieser Seite in eine echte Trending-Spalte, dieselbe Art von Delta, die die Sprachartikel bereits zeigen. Bis dahin sind die Gruppen der Teil, der gut altert, und die Star-Anzahlen sind der Teil, der absichtlich alt wird.

Quellen

Star-Anzahlen, Sprachen und Lizenzidentitäten wurden vom GitHub-Repository-API und den LICENSE-Dateien der Repositories am 16. Oktober 2026 gelesen. Die Aufgabenlabels ziehen ebenfalls aus der öffentlichen Szenarioliste auf Top Open Source AI, die ihren eigenen Komposit-Score separat von der hier verwendeten Sortierung dokumentiert.

• GitHub Themen: ai-agents
• GitHub Themen: llm
• GitHub Themen: rag
• GitHub Trending, monatlich
• Top Open Source AI
• Polyform Shield License
• Functional Source License
• n8n: Sustainable Use License und Pläne
• Open WebUI Lizenzdatei