350+ 제공자 통합 AI 게이트웨이
Never stop coding. Free MIT AI gateway: one endpoint, 375 providers (150+ free), 1,400+ models Kimi, Claude, GPT, Gemini, GLM, DeepSeek, MiniMax. Works with Claude Code, Codex, Cursor, OpenCode, Cline & Copilot. Quota-aware auto-fallback, RTK+Caveman compression saves 15-95% tokens, MCP/A2A, Desktop/PWA. Built by 900+ contributors
Hot
68.3
★★★☆☆
무엇을 해결하나여러 AI 공급사 SDK·요금제·토큰 제한을 한 엔드포인트로 통합해 라우팅, 대체, 토큰 절약을 자동화합니다.
누가 쓰면 좋나Backend engineers, platform teams, and startups building multi-model or multi-provider AI features who want resilient routing, cost savings and easy access to many free tiers. Useful for researchers and hobbyists who want to aggregate models without writing per-provider glue.
왜 지금 뜨나API 비용 상승과 공급자 분산 때문에 무료·다중 공급자 접근을 중앙화하려는 수요가 커졌기 때문입니다.
이 리포의 한 방Combines quota-aware routing across 350+ providers with token-saving compression to maximize free-tier utility and provider failover.
발견 경로
트렌딩
HTML로 비디오를 코드로 렌더링
Write HTML. Render video. Built for agents.
Hot
68.7
★★★☆☆
무엇을 해결하나HTML/CSS/JS와 미디어를 헤드리스 브라우저와 ffmpeg로 결합해 결정론적 MP4를 생성합니다. CLI와 에이전트 스킬로 자동화된 영상 제작 워크플로를 지원합니다.
누가 쓰면 좋나Front-end engineers, automation engineers, and studios that need repeatable, data-driven, or AI-assisted video rendering. Also useful for teams building agents or pipelines that must produce consistent programmatic video outputs.
왜 지금 뜨나AI 에이전트 통합과 코드 기반 영상 제작 수요 증가로 주목받고 있습니다.
이 리포의 한 방A deterministic, seekable HTML-to-MP4 rendering pipeline with built-in CLI and agent skills for automated video production.
발견 경로
트렌딩
단일 GPU로 2시간 내 64M LLM 학습
🧠 Train a 64M-parameter LLM from scratch in just 2h!
Hot
67.9
★★★☆☆
무엇을 해결하나토크나이저부터 Pretrain, SFT, RLHF/RLAIF, MoE까지 PyTorch로 전단계 구현해 소비자 GPU에서 재현 가능하게 한다.
누가 쓰면 좋나Researchers, students, and engineers who want to study or prototype LLM internals, reproduce training pipelines, or run small-scale experiments without cloud-scale infra. It's also useful as a teaching resource for hands-on LLM training.
왜 지금 뜨나저비용·단시간으로 LLM 내부를 직접 학습·실험하려는 수요와 활발한 커뮤니티 업데이트 때문이다.
이 리포의 한 방A full, from-scratch PyTorch LLM stack (tokenizer → pretrain → SFT → RLHF/RLAIF and MoE) that can run and be reproduced on consumer GPUs.
발견 경로
에디터 픽Watchlist 1 devs
대규모 모델용 엔터프라이즈 RL 프레임워크
Miles is an enterprise-facing reinforcement learning framework for LLM and VLM post-training, forked from and co-evolving with slime.
Hot
67.9
★★★☆☆
무엇을 해결하나롤아웃과 학습을 분리해 대규모 LLM/VLM의 안정적이고 빠른 포스트트레이닝을 지원합니다. FP8/NVFP4와 P2P 가중치 전송, 장애 복구 등 엔터프라이즈 기능을 제공합니다.
누가 쓰면 좋나ML engineers and infrastructure teams running reinforcement-learning post-training on large LLMs/VLMs who need a production-capable, distributed stack. It is intended for teams using Megatron-LM or PyTorch FSDP backends and multi-node GPU/accelerator clusters.
왜 지금 뜨나프런티어 모델의 RL 포스트트레이닝 수요와 저정밀 하드웨어 지원 확대로 주목받고 있습니다.
이 리포의 한 방P2P RDMA weight transfer that pushes new weights to inference engines in seconds, enabling fast closed-loop RL at trillion-parameter scale.
발견 경로
에디터 픽Watchlist 1 devs
원클릭 다중에이전트 강의 제작 도구
Open Multi-Agent Interactive Classroom — Get an immersive, multi-agent learning experience in just one click
Hot
65.5
★★★☆☆
무엇을 해결하나강의 자료 제작을 위해 여러 도구와 LLM 호출을 수동으로 연결하는 번거로움을 없애고, 에이전트 기반의 계획·생성·서버 백업 세션을 제공한다.
누가 쓰면 좋나Instructional designers, edtech engineers, and researchers who need to automate multi-step course production and export workflows. Teams that want provider-neutral, BYO-model pipelines for content generation and media export.
왜 지금 뜨나에이전트 워크벤치와 BYO-LLM 중립 설계, v1.0 출시에 따른 실무 적용 가능성으로 주목받고 있다.
이 리포의 한 방An agent workbench that plans, builds, and persistently manages full course creation sessions across pluggable providers.
발견 경로
트렌딩
코드 에이전트를 위한 작업·테스트 프레임워크
An agentic skills framework & software development methodology that works.
Hot
65.0
★★★☆☆
무엇을 해결하나에이전트가 곧바로 코드를 쓰지 않게 하고, 사양·계획·테스트 중심의 개발 흐름을 자동화합니다.
누가 쓰면 좋나Developers and teams using plugin-capable LLM coding assistants who want repeatable, auditable, test-first development flows. Organizations that need cross-harness agent workflows and modular skills for automation.
왜 지금 뜨나다양한 에이전트 플랫폼과 테스트 중심 워크플로 수요가 증가해서
이 리포의 한 방A cross-harness, composable skillset plus subagent-driven-development that automates spec→plan→implement→test inside coding agents.
발견 경로
트렌딩
멀티 에이전트 LLM 트레이딩 연구 프레임워크
TradingAgents: Multi-Agents LLM Financial Trading Framework
Hot
64.9
★★★☆☆
무엇을 해결하나전문화된 LLM 에이전트들을 결합해 시점 고정(point-in-time) 데이터로 재현 가능한 트레이딩 연구를 수행한다.
누가 쓰면 좋나Quant researchers, ML engineers, and trading R&D teams who want to prototype and evaluate LLM-driven multi-agent trading strategies with grounded data. Not intended as turnkey production trading software for live funds without additional validation and risk controls.
왜 지금 뜨나최신 고성능 LLM과 멀티에이전트 연구 수요 증가로 주목받고 있다.
이 리포의 한 방Combines a structured multi-agent architecture with point-in-time data vendors and a multi-provider LLM catalog to enable reproducible, checkpointable trading research.
발견 경로
HN트렌딩
내 하드웨어에 맞는 LLM 추천 도구
Hundreds of models & providers. One command to find what runs on your hardware.
Hot
64.6
★★★☆☆
무엇을 해결하나시스템의 CPU·RAM·GPU·VRAM을 검사해 모델의 메모리·성능 적합도를 예측하고, 직접 벤치마크해 실측값으로 데이터를 갱신한다.
누가 쓰면 좋나Developers, ML engineers, and hobbyists who run or deploy local LLMs and need to choose models that suit specific hardware. Also useful for ops teams evaluating model/runtime compatibility across heterogeneous machines.
왜 지금 뜨나로컬 LLM 확산과 다양한 양자화 포맷 증가로 모델-하드웨어 매칭 수요가 급증했기 때문입니다.
이 리포의 한 방Integrated, opt-in benchmarking that runs models on your machine and submits measured token/sec results to improve community-fit data.
발견 경로
트렌딩
팀용 AI 스킬·규칙·에이전트 관리 CLI
Make Every Team AI Native
Hot
62.6
★★★☆☆
무엇을 해결하나팀의 AI 스킬, 규칙, 환경을 중앙에서 버전 관리하고 동기화해 일관된 에이전트 동작을 보장합니다.
누가 쓰면 좋나Engineering teams, platform/DevOps teams, and team admins who deploy multiple AI assistants and need consistent, auditable behavior across the org. Solo developers who want reproducible AI setups and shareable templates can also benefit.
왜 지금 뜨나AI 어시스턴트 보급으로 팀 단위 표준화와 거버넌스 수요가 커졌습니다.
이 리포의 한 방A git-backed control plane that distributes and version-controls skills, rules, agents, hooks, and envs across multiple AI platforms.
발견 경로
트렌딩
대형 레포용 삼그램 인덱스 검색기
Trigram-indexed grep with a client/server architecture for fast regex search in large codebases locally
Hot
61.8
★★★☆☆
무엇을 해결하나전체 파일을 매번 스캔하지 않고 삼그램 색인을 사용해 대규모 저장소에서 정규식 검색을 즉시 수행한다.
누가 쓰면 좋나Developers and infra teams who work with very large monorepos or need fast, repeatable code searches across many files. Also useful for automation and AI coding agents that perform frequent code lookups.
왜 지금 뜨나대형 모노레포와 AI 코드 도구의 빠른 검색 수요가 증가했기 때문이다.
이 리포의 한 방A persistent trigram index plus a background indexer and server yields sub-second regex queries on 100k+ file repos.
발견 경로
워치리스트Watchlist 1 devs