GitHub-Funde: 2,8-Billionen-Parameter-KI läuft auf deinem PC
Kurz gesagt: GitHub-Funde vom 14.09.2026: Ein 2,8-Billionen-Parameter-Modell in purem C, lokales Voice-Cloning und KI-Agenten für Recherche, Video & Pentesting.
Heute wird's episch: Ein Nebenprojekt lässt ein KI-Modell mit 2,8 Billionen Parametern auf gewöhnlicher Hardware laufen, während andere Repos dir zeigen, wie du Stimmen komplett lokal klonst oder deinen Coding-Agenten in einen Forscher, Videoproduzenten oder Pentester verwandelst.
VoiceStudio – Lokale ElevenLabs-Alternative fürs Stimmenklonen
Was ist das? VoiceStudio ist laut Projektbeschreibung eine quelloffene, komplett lokal laufende Alternative zu ElevenLabs für Voice-Cloning, Voice-Design, Video-Dubbing, Diktat, Transkription und Hörbuch-Erstellung in 646 Sprachen. Laut README kombiniert das Tool 16 TTS- und 11 ASR-Engines und läuft auf macOS, Windows, Linux sowie in Docker.
Warum krass? Für den lokalen Workflow sind laut README weder Account, API-Key, Abo noch Nutzungszähler nötig – die komplette Sprachverarbeitung bleibt auf deiner eigenen Hardware.
Für wen? Für Podcaster, Creator und Entwickler, die Stimmen klonen oder Videos dubben wollen, ohne Cloud-Abos zu bezahlen.
⭐ 27950 Sterne · Python · Zum Repository
colibri – Riesen-KI-Modelle in reinem C
Was ist das? Colibrì ist eine Inferenz-Engine für Mixture-of-Experts-Modelle mit 744 Milliarden bis 2,8 Billionen Parametern, geschrieben in purem C ohne externe Engine-Abhängigkeiten. Laut README behandelt sie Storage, RAM und VRAM als eine einzige Speicherhierarchie ("AI memory multitiering") und lädt Experten bei Bedarf von der Festplatte nach.
Warum krass? Acht Modellfamilien – darunter GLM-5.2/5.3, Kimi K3 (2,8 Billionen Parameter) und DeepSeek V4 Flash – laufen laut README bereits über dieselbe coli chat / coli serve / coli web-Oberfläche auf Consumer-Hardware.
Für wen? Für ML-Forscher und Tüftler, die riesige Modelle testen wollen, ohne GPU-Cluster zu besitzen.
Ausprobieren: Laut README startest du Modelle direkt mit coli chat, coli serve oder coli web.
⭐ 30832 Sterne · C · Zum Repository
OpenCodeReview – Alibabas KI-Code-Review-Tool
Was ist das? Open Code Review ist ein KI-gestütztes CLI-Tool für Code-Reviews, das laut README ursprünglich als internes Tool bei Alibaba entstand und dort laut eigenen Angaben über zwei Jahre hinweg zehntausenden Entwicklern diente und Millionen Code-Fehler fand. Es liest Git-Diffs, schickt geänderte Dateien an ein konfigurierbares LLM mit Tool-Nutzung und erzeugt strukturierte Kommentare auf Zeilenebene.
Warum krass? Das Tool kombiniert laut Beschreibung deterministische Pipelines mit einem LLM-Agent, bringt ein eingebautes Regelwerk für NPE, Thread-Sicherheit, XSS und SQL-Injection mit und ist kompatibel zu OpenAI- und Anthropic-Endpunkten.
Für wen? Für Dev-Teams, die automatisierte, präzise Code-Reviews mit eigenem LLM-Provider wollen.
⭐ 24145 Sterne · Go · Zum Repository
OpenMontage – Agentisches Videoproduktions-System
Was ist das? OpenMontage bezeichnet sich laut Beschreibung als weltweit erstes quelloffenes, agentisches Videoproduktions-System mit 12 Produktions-Pipelines, über 100 Tools sowie mehr als 700 Agent-Skill- und Produktionswissen-Dateien. Es verwandelt laut README deinen KI-Coding-Assistenten in ein komplettes Video-Produktionsstudio.
Warum krass? Die schiere Zahl an Pipelines, Tools und Skill-Dateien zeigt, wie weit sich Agenten-Frameworks inzwischen auf kreative Produktionsprozesse wie Video-Editing übertragen lassen.
Für wen? Für Creator und Videoproduzenten, die Produktionsschritte per KI-Agent automatisieren wollen.
⭐ 58901 Sterne · Python · Zum Repository
OpenResearch – KI-Agent fürs wissenschaftliche Arbeiten
Was ist das? OpenResearch ist laut README ein lokal-first Workspace, der Coding-Agenten wie Claude Code, Codex, OpenCode oder Cursor in Forschungs-Agenten verwandelt, die Literatur sichten, Hypothesen entwickeln, Experimente ausführen und Forschungsartefakte erzeugen. Der Befehl orx up öffnet dabei laut README ein lokales Dashboard.
Warum krass? Statt eines neuen Tools nutzt OpenResearch bestehende Coding-Agenten und lenkt sie auf wissenschaftliche Arbeitsabläufe – inklusive Anbindung an lokale Modelle über LM Studio oder Ollama laut README.
Für wen? Für Forschende und Data Scientists, die KI-gestützte Recherche- und Experiment-Workflows lokal betreiben wollen.
Ausprobieren: Laut README installierst du die CLI mit curl -LsSf https://openresearch.sh/install.sh | sh und startest sie mit orx up.
⭐ 2337 Sterne · Rust · Zum Repository
PentAGI – Autonome KI-Pentesting-Agenten
Was ist das? PentAGI ist laut Beschreibung ein vollständig autonomes KI-Agenten-System für komplexe Penetrationstest-Aufgaben. Laut README unterstützt es verschiedene LLM-Provider wie Ollama, OpenAI, Anthropic, Google AI, AWS Bedrock, DeepSeek und GLM und bietet laut Inhaltsverzeichnis eine "Agent Supervision"-Architektur sowie kontrollierten Docker-Zugriff für die Agenten.
Warum krass? Statt einzelner Prompts orchestriert PentAGI laut README mehrere Agenten mit Supervision-Mechanismen über komplette Pentesting-Workflows hinweg – ein Einblick, wie weit autonome Multi-Agenten-Systeme in spezialisierten Fachbereichen schon sind.
Für wen? Für Sicherheitsteams, die Penetrationstests mit KI-Agenten automatisieren wollen.
⭐ 24314 Sterne · Go · Zum Repository
Das waren die spannendsten GitHub-Funde von heute – schau morgen wieder vorbei, wenn KI-Kompass die nächste Ladung frischer Repos durchleuchtet.