用 C++ 写的图像处理和机器学习库，靠 SSE、AVX、NEON 等 SIMD 指令集加速，适合在 x86、ARM、Hexagon 上跑高性能视觉算法。

用 SIMD 指令对整数列表做二进制打包压缩的轻量 C 库，适合倒排索引、ID 序列这类场景，压缩快、解压更快。

用 SIMD 指令压缩有序整数列表并求交集的 C++ 库，适合倒排索引、搜索引擎等需要快速处理大量整数集合的场景。

面向手机端的高性能神经网络推理框架，针对 ARM 平台深度优化，让 Caffe、ONNX 等模型能在 Android/iOS 上低延迟运行。

基于 TurboQuant 量化算法、用 Rust 实现并带 Python 绑定的向量索引，面向 RAG 和嵌入检索场景，提供高压缩比、低内存的近似最近邻搜索。

用纯 C99 从零实现的 Kimi K3 推理引擎，单 CPU、8.24 GB 内存即可跑 2.78 万亿参数模型，不依赖 BLAS、框架或 GPU。

用单个 Mojo 文件实现 Llama 2 推理，借助 SIMD 和并行化把大模型跑起来，适合研究推理底层实现和性能优化。

轻量级向量与任意对象相似度搜索聚类引擎，支持十多种编程语言，可做近似最近邻检索、模糊搜索和推荐系统。

一套 SIMD 加速的数值计算内核库，覆盖距离、点积、矩阵运算和地理几何计算，支持 16 种数值类型与多平台架构，为向量检索和科学计算提供底层高性能算子。

用纯 Java 实现的现代 LLM 推理引擎，支持 LLaMA、GPT 等 Transformer 模型，借助 SIMD 加速在 JVM 上直接跑大模型推理。

用 Rust 写的高效近似最近邻检索算法库，集成 HNSW 等索引结构，为图像搜索、推荐系统等场景提供快速的向量相似度查询。

一套基于 SIMD 的整数与浮点数压缩库，提供 AVX2/SSE2 加速的编解码和倒排索引求交，适合时序数据库和搜索引擎提速。

用纯 Java 实现的 Llama 3 及后续版本推理引擎，无需原生依赖即可在 JVM 上跑大模型，适合 Java 项目直接集成。

用 Go 写的嵌入式向量检索库，底层调 llama.cpp 做语义向量和相似度搜索，适合直接在 Go 服务里加语义搜索能力，不用另起向量数据库。

纯 C 写的本地大模型推理引擎，靠 MoE 稀疏激活和 NVMe 流式加载，让 32GB 笔记本跑 80B 模型，速度全面超过 llama.cpp。

超快解码的无损压缩 C 库，解码速度比 LZ4 快 35%~105%，压缩率还更高，ARM64 上表现最佳，适合一次写入多次读取的场景。

RaBitQ 官方向量量化与近似最近邻检索库，提供 C++ 和 Python 接口，用 SIMD 加速高维向量的相似度搜索。

纯 Rust 实现的 CPU 端 OCR 引擎，跑百度 Unlimited-OCR 这个 3B MoE 视觉语言模型，自带 int8 定制算子，不依赖 ML 框架、Python 或 GPU。