‏ZeroModels صد تا مدل هوش مصنوعی رو با یه API واحد اجرا می‌کنه

ZeroModels یه کتابخونه‌ست که بیش از صد خانواده مدل هوش مصنوعی رو، از تشخیص شیء و تفکیک تصویر گرفته تا مدل‌های زبانی بزرگ، با معماری خالص Keras 3 بازنویسی کرده و وزن‌هاشونو از چک‌پوینت‌های اصلی تبدیل کرده. فایده‌ش اینه که همون یه کد، بدون نیاز به کتابخونه‌های transformers یا torch، رو هر سه بکند Keras -یعنی JAX، PyTorch و TensorFlow- اجرا می‌شه. تازه‌ترین اضافه‌ها هم SAM 3، Gemma 4 و GLM-5 هستن.

الگوی استفاده از همه مدلا یکسانه: مدل رو با from_weights می‌سازی و هر چی پردازشگرش (processor) بیرون داد بهش می‌دی. نصبش هم فقط یه دستوره:

from_weights می‌تونه وزن‌ها رو از سه جا بیاره: یه ریپازیتوری از پیش تبدیل‌شده تو سازمان zeromodels رو Hugging Face Hub، یه اسم کوتاه که چک‌پوینت اصلی رو همون لحظه تبدیل می‌کنه، یا هر ریپازیتوری سازگار دیگه رو هاب با پیشوند hf:. جزییات معماری، مثل تعداد کلاس‌های یه فاین-تیون، از فایل کانفیگ همون ریپو خونده می‌شه.

برای مدل‌های بزرگ هم فکر شده: مدل GPT-OSS با ۱۲۰ میلیارد پارامتر با bfloat16 بار می‌شه ولی بخش‌های MoE‌ش فشرده تو فرمت MXFP4 می‌مونن و فقط لحظه استفاده باز می‌شن، طوری که حجمش به‌جای حدود ۱۳۰ گیگابایت (که با fp32 لازم بود)، نزدیک ۶۶ گیگابایت می‌مونه. کوانتیزیشن‌های int8، int4، fp8 و mxfp4 هم فقط یه پارامتر اضافه به from_weights هستن.

نکات کلیدی:

• ZeroModels بیش از صد خانواده مدل رو با Keras 3 پیاده‌سازی کرده، بدون نیاز به transformers یا torch
• همون کد رو هر سه بکند JAX، PyTorch و TensorFlow اجرا می‌شه
• نصب با pip install -U zeromodels
• تازه‌ترین مدلای اضافه‌شده: SAM 3، Gemma 4 و GLM-5
• GPT-OSS 120B با کوانتیزیشن MXFP4 حدود ۶۶ گیگابایت حافظه لازم داره، به‌جای حدود ۱۳۰ گیگابایت