efficient

规模最大的PyTorch图像编码器/骨干网络集合。包含训练、评估、推理、导出脚本与预训练权重——支持ResNet、ResNeXT、EfficientNet、NFNet、Vision Transformer（ViT）、MobileNetV4、MobileNet-V3和V2、RegNet、DPN、CSPNet、Swin Transformer、MaxViT、CoAtNet、ConvNeXt等模型

量化注意力机制相比FlashAttention和xformers实现了2-5倍和3-11倍的速度提升，且在语言、图像和视频模型上保持端到端指标无损。

将代码探索中的AI token成本削减95%以上。领先的MCP服务器，通过tree-sitter AST实现精确的符号级GitHub代码检索。兼容Claude Code、Cursor及任何MCP客户端。已节省超过3130亿token。

精简、高效、静态类型且支持元编程的系统编程语言，深受Lua启发，可编译为C语言和原生代码。