Encuentre el modelo de IA que mejor se adapte a su hardware
Whichllm es una herramienta que le permite identificar los modelos nativos de lenguaje grande que funcionan mejor en su hardware. Centrándose en los puntos de referencia actuales en lugar de en la cantidad de parámetros, este software basado en Python le permite elegir el modelo más adecuado con un solo comando.
Actualizaciones
- 19 de octubre de 2026: Estrellas 6,719 → 6,767, última versión v0.5.21 (19 de octubre de 2026).
- 4 de octubre de 2026: Estrellas 6,697 → 6,719, última versión v0.5.20 (3 de octubre de 2026).
- 27 de septiembre de 2026: Estrellas 6,263 → 6,697, última versión v0.5.19 (19 de septiembre de 2026).
- 15 de agosto de 2026: Estrellas 6,101 → 6,263, última versión v0.5.16 (14 de agosto de 2026).
Qué aporta
- Determina el modelo de idioma nativo que mejor se adapta a su hardware con datos de referencia actualizados.
- Predice el rendimiento detectando automáticamente la GPU y las características del sistema.
- Ofrece la oportunidad de descargar modelos, iniciar chats y crear ejemplos de código Python con un solo comando.
Instalación
uv tool install whichllm
uv tool upgrade whichllm # update an existing installbrew install andyyyy64/whichllm/whichllm
pip install whichllmEjecución
whichllmwhichllm run "qwen 2.5 1.5b gguf"Si no programa
Con la herramienta Whichllm, quiero enumerar los modelos locales de lenguaje grande que mejor se adaptan a mis especificaciones de hardware y ver las estimaciones de rendimiento de estos modelos. ¿Cómo puedo filtrar los modelos con las puntuaciones de referencia más altas según la capacidad de GPU o CPU de mi sistema, así como planificar el hardware necesario para un modelo en particular?
Repositorio: https://github.com/Andyyyy64/whichllm. Sigue las instrucciones oficiales del archivo README de este repositorio para la instalación y ejecución.
Antes de empezar, comprueba en qué sistema operativo estamos y si las herramientas necesarias (ej. Python, Node.js, Git, Docker) están instaladas. Instala las que falten paso a paso según este sistema.
Crea una carpeta nueva y vacía para trabajar. No toques ningún archivo fuera de esta carpeta y no borres nada. Antes de ejecutar cada comando, dime qué vas a hacer en una frase.
Dime qué debería ver en la pantalla al final de cada paso. Si ocurre un error, te pegaré el mensaje de error tal cual y lo solucionaremos juntos.
Términos relacionados del glosario
Enlaces
TreScout no desarrolló esta herramienta · la encontramos en las tendencias de GitHub y la presentamos. Esta página describe el repositorio tal como estaba el 2026-06-09: El número de estrellas y nuestro texto son de ese día, el repositorio puede haber cambiado desde entonces. Consulte el enlace del repositorio para ver el estado actual. El texto de presentación se preparó con IA a partir de la propia documentación del repositorio y esta página se tradujo automáticamente del original en turco · prevalece la versión turca.