maxtext

用 JAX 快速训练和扩展超大规模语言模型

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 644 🐛 待处理 540 👀 关注 51

GitHub ↗

GitHub 星标 ★ 2458

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和部署。

项目预览

项目数据

分类开源模型

开发团队AI-Hypercomputer

GitHubhttps://github.com/AI-Hypercomputer/maxtext

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型deepseek,fine-tuning,gemma2,gemma3,gpt,jax,large-language-models,llama2,llama3,llama4,llm,mistral,mixtral,sft

GitHub 星标★ 2458

上线时间2023-02-28 00:00:00

代码更新2026-11-09

仓库体积560.7 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数3

项目介绍

MaxText 是一个基于 JAX 构建的高性能、可扩展的大型语言模型（LLM）训练与推理框架，由 Google 开源。它旨在解决训练超大规模模型时面临的复杂性和性能瓶颈问题，通过简洁的代码实现出色的吞吐量和可扩展性。MaxText 支持从数百万到数千亿参数的模型训练，集成了多种并行策略（如数据并行、张量并行、序列并行等），并针对 TPU 和 GPU 进行了优化。其核心能力包括：高效的注意力机制实现、支持多种模型架构（如 Transformer）、以及与 Hugging Face 生态的兼容性。MaxText 强调代码的可读性和可维护性，同时提供强大的性能调优能力，适合研究者和工程师用于训练和部署前沿 LLM。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2458

技术标签

deepseek fine-tuning gpt jax large-language-models

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 3.12（官方主要支持版本，其他版本可能出现兼容性问题）
建议使用最新的 PyPI 发布版，而非 main 分支代码
目标硬件为 Google Cloud TPU 或 GPU（README 说明 MaxText 面向这两类加速器训练）
能访问 PyPI 与 GitHub（用于拉取安装包和查阅文档）

安装与启动步骤

1准备 Python 3.12

README 明确推荐使用 Python 3.12，这是官方主要支持的版本；其他 Python 版本可能遇到兼容性问题，建议先确认本机版本。
```
python --version
```
2从 PyPI 安装 MaxText

README 推荐使用 PyPI 上的最新发布版（note 中给出的 pypi.org/project/maxtext/），而不是 main 分支源码。
```
pip install maxtext
```
3查阅官方安装指南

README 的 Installation 一节指向官方安装文档，里面有完整步骤与更多安装方式（如预构建容器镜像），安装前后建议对照。
4确认安装结果

查看已安装的 maxtext 包信息与版本号，确认安装成功。
```
pip show maxtext
```