← 所有精選

★ GitHub Trending 精選

每日一個爆紅開源專案

日榜 #12026-08-21

modular/modular

The Modular Platform (includes MAX & Mojo)

★ 27.9k stars · ▲ +268 今日 · 🔶 Mojo · 📜 NOASSERTION · 官網在 GitHub 開啟 ↗
ailanguagemachine-learningmaxmodularmojoprogramming-language

這是什麼

Modular Platform 是 Modular 把 AI 開發與部署平台逐步開源後放在同一個倉庫中的集合,核心包含 MAX Framework 與 Mojo Language。從 README 來看,它不是單一函式庫,而是一個涵蓋語言、標準函式庫、加速器核心、推論服務與模型管線的工作區:Mojo 這邊有 compiler 相關目錄與標準函式庫;MAX 這邊則有 accelerator library、OpenAI-compatible 的 inference server、Python-based graph 形式的 model pipelines,以及 MAX 與 Mojo 的範例程式。這種結構的重點,是把 AI 系統從底層 kernel、語言能力到部署服務放在同一個平台脈絡下整理,讓開發者能看見 Modular 想打造的不是一個孤立工具,而是一套 從開發到 serving 的 AI stack。

為什麼上榜

這個 repo 以 27,914 stars、今日新增約 268 stars 的熱度登上榜首,原因很容易理解:Mojo 與 MAX 本來就分別對應兩個熱門問題——AI 工作負載需要更貼近硬體的效能工具,同時也需要更好部署、服務化的推論平台。README 特別點出 MAX inference server 提供 OpenAI-compatible endpoint,這讓它更容易被現有 LLM 應用與工具鏈理解;而 Mojo 標準函式庫與範例則吸引想觀察新語言生態的人。它與一般「只包一層 API」的 AI 專案不同,焦點更靠近平台與基礎設施:語言、kernel、模型管線、服務端都被放進同一個開源路線圖裡。爭點也在這裡:這會讓人期待整合度,但也意味著使用者需要先理解 MAX 與 Mojo 各自扮演的角色。

適合誰,可以拿來做什麼

這個專案適合三類人:第一是想追蹤 Mojo 語言與標準函式庫發展的開發者;第二是關心 AI inference、模型 serving 與 accelerator kernels 的工程師;第三是想用範例快速理解 Modular Platform 組成方式的人。README 提到的模型管線是 Python-based graphs,推論服務則有 OpenAI-compatible endpoint,因此若你的工作是把模型包成可服務化的系統,MAX 相關目錄值得看;若你更在意語言層,Mojo quickstart、stdlib 與 examples 會是入口。上手門檻不算最低,因為這不是單純安裝一個套件就結束的工具,而是平台型 repo;比較合理的方式是先依官方 quickstart 選定 MAX 或 Mojo 其中一條線,而不是一開始就試圖理解整個倉庫。

上手

README 沒有在頁面中直接列出安裝指令,而是把快速開始交給官方文件。若目標是用 MAX framework serving model,README 指向 MAX quickstart guide;若目標是學 Mojo 語言,則指向 Mojo quickstart guide。因此最安全的上手順序是先選任務:要做推論服務就看 MAX,要學語言就看 Mojo;接著再回到 repo 裡查對應範例與原始碼目錄。

MAX quickstart: https://max.modular.com/get-started
Mojo quickstart: https://mojolang.org/docs/manual/quickstart/

開發者若要貢獻,也應先讀 Contribution Guide;README 明確說目前接受 Mojo standard library、MAX accelerator library、MAX model architectures、code examples、Mojo docs 等方向的貢獻,但 尚未接受 Mojo compiler 的貢獻。

README 重點摘要