timber

一条命令把 XGBoost 等模型编译成 C 代码，推理快 336 倍

timber 是一个面向经典机器学习模型的高性能推理编译器，定位为“Ollama for classical ML models”。它通过 AOT（Ahead-of-Time）编译技术，将 XGBoost、LightGBM、scikit-learn、CatBoost 和 ONNX 等主流模型转换为原生 C99 推理代码，从而彻底摆脱 Python 运行时依赖。用户只需一条命令加载模型，另一条命令即可启动服务，极大简化了模型部署流程。其核心能力在于将训练好的模型编译为轻量级、可嵌入的 C 库，实现毫秒级延迟和极低资源占用，实测推理速度比 Python 快 336 倍。该项目适合对延迟敏感、资源受限或需要跨语言集成的生产环境，如边缘设备、实时风控、推荐系统等。目前处于早期阶段，但设计理念清晰，有望成为经典 ML 模型部署的标准工具。