tunix

用 JAX 搭积木做 LLM 后训练，算法随便换

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署模型训练 🍴 复刻 382 🐛 待处理 516 👀 关注 22

GitHub ↗

GitHub 星标 ★ 2501

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费

项目预览

项目数据

分类模型训练

开发团队google

GitHubhttps://github.com/google/tunix

定价模式🏷️完全免费

价格说明开源免费

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

GitHub 星标★ 2501

上线时间2025-04-02 00:00:00

代码更新2026-11-03

仓库体积277.6 MB

本站数据更新2026-11-03

维护状态活跃

收录时间2026-09-16

浏览次数1

项目介绍

Tunix 是 Google 开源的一个轻量级大模型后训练（post-training）库，基于 JAX 生态构建，专注于在模型预训练完成后做进一步优化。它解决的核心问题是：现有后训练流程往往依赖庞大且耦合的框架，难以灵活替换算法组件。Tunix 把监督微调（SFT）、奖励建模、强化学习（如 PPO、GRPO 等）拆成模块化组件，让研究者可以像搭积木一样组合不同训练阶段。库内提供可复用的训练循环、数据管道和常见 RL 算法实现，并与 JAX/Flax 的自动微分和并行能力打通，方便在 TPU/GPU 上做分布式训练。整体定位偏研究友好，代码结构清晰，适合快速验证新的后训练策略，而不是开箱即用的产品级方案。

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 2026-09-16 · 当前星标 ★ 2501

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 30 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（具体版本以官方文档为准）
JAX/Flax NNX 生态依赖，含 Optax、Orbax 等
可选 TPU 或 GPU 计算资源，用于分布式训练
若需 rollout 推理，可配合 vLLM 或 SGLang-JAX
Docker（仅镜像构建路径需要）

安装与启动步骤

1克隆仓库

从 GitHub 获取 Tunix 源码，后续安装与示例都基于该目录。注意保持网络可访问 GitHub。
```
git clone https://github.com/google/tunix.git && cd tunix
```
2查看安装文档

README 未给出具体安装命令，需先访问官方文档 quickstart 的 Installation 章节，按最新说明操作。
3本地安装 TPU 依赖

在 TPU VM 或开发机上运行脚本，按 requirements 文件安装 vLLM 相关依赖，与 Docker 构建路径二选一。
```
bash scripts/install_tunix_vllm_requirement.sh
```
4Docker 构建镜像

使用仓库根目录 Dockerfile 构建镜像，内部会从 requirements.txt 和 special_requirements.txt 安装固定依赖。
```
docker build -t tunix .
```