paxml 是模型训练领域的开源项目，由 google 开发，2022 年首次发布。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 561。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-18。Apache-2.0 许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：大规模语言模型预训练。同类可对比的替代方案包括 PyTorch + FSDP、DeepSpeed、Megatron-LM。
paxml
用JAX训练超大模型，榨干GPU算力，配置灵活不掉队。
Pax是一个基于JAX的机器学习框架，专为训练大规模模型而设计。它解决了在大规模分布式训练中，模型并行、数据并行和流水线并行配置复杂、难以灵活组合的问题。Pax的核心能力在于提供高度可配置的实验环境和自动化的并行化策略，允许研究者通过模块化组件自由搭建模型架构，并利用JAX的即时编译和自动微分能力实现高效训练。Pax在多个基准上展示了业界领先的模型算力利用率（MFU），意味着它能在相同硬件资源下训练更大或更快的模型。它由Google开发，与JAX生态深度集成，适合需要极致性能和大规模扩展的深度学习研究团队。
开源
free
开源模型
GitHub 星标
★ 561
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队google
所属国家
定价模式free
价格说明开源框架，Apache-2.0 许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型c4,gpt,jax,large-language-models,llm,model-flops,parallelism
GitHub 星标★ 561
30天Star增速
HF 下载量
上线时间2022-06-14 00:00:00
最近更新2026-09-18 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6
使用教程
核心亮点
- 基于JAX，自动并行化，无需手动编写分布式逻辑
- 模块化设计，模型组件可自由组合，实验配置灵活
- 官方宣称MFU业界领先，训练效率高
不足之处
- 文档较少，上手门槛高，需熟悉JAX
- 社区规模小，示例和教程有限
- 依赖JAX生态，与PyTorch生态不互通
适用场景
- 大规模语言模型预训练
- 多模态模型训练
- 研究型团队探索新架构
替代项目
PyTorch + FSDP、DeepSpeed、Megatron-LM
项目介绍
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···