colibri
Un moteur C sans dépendances qui diffuse les poids des experts depuis le disque pour exécuter le modèle GLM-5.2 MoE de 744 milliards de paramètres sur du matériel grand public avec seulement 25 Go de RAM.
colibri
Qu’est-ce que colibri?
colibri vs Outils Similaires
| Modèle de Tarification | Gratuit | Gratuit, Freemium | Payant | Payant |
| Crédits Gratuits | ||||
| Fonctionnalités clés |
|
|
|
|
| Avantages |
|
|
|
|
| Limites |
|
|
|
|
| Idéal pour |
|
|
|
|
Comment utiliser colibri?
- 1Clonez le dépôt : git clone https://github.com/JustVugg/colibri.git
- 2Compilez le moteur : cd c && make
- 3Convertissez le modèle FP8 en int4 : ./coli convert --model /chemin/vers/le/modèle
- 4Lancez le chat : COLI_MODEL=/chemin/vers/le/modèle ./coli chat
- 5(Optionnel) Utilisez l'interface web ou le serveur compatible OpenAI pour une interface graphique.
colibri Fonctionnalités clés
- Implémentation en pur C sans aucune dépendance externe
- Diffusion des poids des experts depuis le disque, avec cache LRU et stockage chaud épinglé optionnel
- Propagation avant fidèle de GLM-5.2 (glm_moe_dsa), validée token-exact
- Attention MLA avec cache KV compressé (57x plus petit)
- Décodage spéculatif MTP natif jusqu'à 2,8 tokens par propagation
- Noyaux de produit scalaire entier (int8/int4) avec accélération AVX2
- Cache d'apprentissage en ligne qui s'adapte aux schémas d'utilisation
colibri Cas d’usage
- Exécuter un modèle MoE de 744 milliards de paramètres sur un ordinateur portable ou de bureau grand public
- Chat et inférence hors ligne sans dépendances cloud
- Recherche et expérimentation avec de grandes architectures MoE
- Démonstrations éducatives des capacités des modèles de pointe sur du matériel limité
colibri Tarifs et crédits gratuits
colibri fonctionne avec le modèle Gratuit.
colibri Avantages et limites
Avantages
- Exécute un modèle de 744 milliards de paramètres sur du matériel grand public avec seulement 25 Go de RAM
- Open source et entièrement transparent (code C, aucune dépendance)
- Diffusion efficace depuis le disque avec mise en cache permet une utilisation prolongée
- Benchmarks et améliorations actifs de la communauté
Limites
- Décodage à froid très lent (0,05-0,1 tok/s sur NVMe typique)
- Nécessite ~370 Go d'espace disque pour le modèle converti en int4
- Ne supporte que le modèle GLM-5.2 (pas de flexibilité multi-modèle)
- Le backend CUDA est expérimental et limité
À quoi colibri convient-il le mieux ?
- Développeurs souhaitant exécuter des modèles massifs localement
- Chercheurs en IA explorant les architectures MoE sur du matériel limité
- Passionnés intéressés par l'inférence de modèles de pointe sans coûts cloud
Questions fréquentes sur colibri
Alternatives gratuites à colibri
Une passerelle IA unifiée offrant un accès à plus de 300 modèles leaders via une API unique hébergée dans l'UE et conforme au RGPD, avec une interface compatible avec le SDK OpenAI.
Passerelle API IA unifiée offrant un accès aux meilleurs LLM, modèles d'image, vidéo et codage à des prix abordables.
Une interface de chat unique qui vous donne accès à plus de 100 modèles d'IA, sélectionnant automatiquement le meilleur modèle pour votre tâche tout en suivant la consommation d'énergie et en protégeant votre vie privée.
Oxlo.ai est une API d'inférence IA axée sur la confidentialité qui offre une tarification par requête pour plus de 45 modèles open-source.
Graphsignal est une plateforme de profilage d'inférence à l'échelle de la production qui aide les ingénieurs à optimiser les performances de l'IA sur les modèles, moteurs, GPU et autres accélérateurs.
Atlas Cloud est une plateforme d'inférence IA full-modal offrant une seule API pour les modèles de chat, d'image, de vidéo et d'audio.
Groq fournit une inference IA rapide et à faible coût via GroqCloud et sa pile LPU personnalisée.
Meilleures alternatives IA à colibri
Plateforme IA tout-en-un pour les équipes, offrant l'accès aux principaux modèles d'IA comme GPT, Claude, Gemini et plus encore, dans un espace de travail collaboratif sécurisé.
Un moteur d'inférence local spécialisé pour les grands modèles de langage, optimisé pour Apple Silicon et le streaming SSD sur les systèmes à mémoire limitée.
Runtime d'inférence IA natif unifié et sans allocation pour Java, consolidant les pipelines LLM, vision et parole via Project Panama.
Une passerelle IA unifiée offrant un accès à plus de 300 modèles leaders via une API unique hébergée dans l'UE et conforme au RGPD, avec une interface compatible avec le SDK OpenAI.
Une plateforme API unifiée pour l'inférence LLM avec optimisation des coûts, routage, observabilité et basculement automatique.