¿Con qué está hecho dynamo?
dynamo es un repo de Rust hecho con FastAPI, axum, Jupyter, tornado, Tokio y 4 más. Inicia sesión con cryptography, pyjwt y hmac, usa IA con diffusers, lmcache, mooncake-transfer-engine-cuda13, nltk, dynamo-protocols y 17 más, arma su contenido con defusedxml, mistune, pillow, image, minijinja y 4 más, valida sus datos con Pydantic, validator, msgspec y github.com/santhosh-tekuri/jsonschema/v6, se prueba con github.com/stretchr/testify, Google, github.com/onsi/gomega, github.com/onsi/ginkgo/v2, imageio-ffmpeg y 11 más, corre en producción con tracing, tracing-subscriber, prometheus-client, kube, k8s-openapi y 13 más y usa aws-sdk-s3, async-nats, aws-sdk-dynamodb, Redis, lru y 4 más. Son 1,919,953 líneas escritas, con 1,550 archivos de prueba.
Leído el 17 de noviembre de 2026, en el commit c6906b1. Léela en markdown
La ficha dice con qué está hecho. Su mapa entero lo abre por dentro: cada parte del código y cómo se conecta con las demás.
Frontend
Backend
Datos 9
async-nats16 archivos
aws-sdk-dynamodb7 archivos
- Redis7 archivos · components/src/dynamo/common/multimodal/shared_image_cache.py, línea 14
opendal2 archivos
aws-sdk-s3
- lru5 archivos
- pyzmq3 archivos
- object_store2 archivos
- moka1 archivo
Inicio de sesión 3
- hmac1 archivo
- cryptography
- pyjwt
IA 22
- vLLM9 archivos
tokenizers5 archivos
llm-multimodal3 archivos
llm-tokenizer2 archivos
prophet1 archivo
- scikit-learn1 archivo
diffusers
lmcache
mooncake-transfer-engine-cuda13
nltk
- dynamo-protocols64 archivos
- cudarc37 archivos
- dynamo-tokenizers16 archivos
- dynamo-parsers14 archivos
- transformers14 archivos
- dynamo-renderer9 archivos
- sigs.k8s.io/gateway-api-inference-extension8 archivos
- tritonclient7 archivos
- nixl4 archivos
- hf-hub3 archivos
- dynamo-multimodal1 archivo
- pmdarima1 archivo
Otros repos con un stack parecido
Ordenados por cuánto de su stack comparten con dynamo, y después por estrellas.
- sgl-projectsglang38.8 k
SGLang is a high-performance serving framework for large language models and multimodal models.
34 de 259 en común · PythonComparar → - ray-projectray44.3 k
Ray is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.
26 de 259 en común · PythonComparar → - vllm-projectvllm96.8 k
A high-throughput and memory-efficient inference and serving engine for LLMs
25 de 259 en común · PythonComparar → - run-llamallama_index52.9 k
LlamaIndex is the document processing platform for AI
23 de 259 en común · PythonComparar → - ruvnetRuView104.1 k
π RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video.
22 de 259 en comúnComparar → - apachesuperset75.5 k
Apache Superset is a Data Visualization and Data Exploration Platform
19 de 259 en común · PythonComparar →
Preguntas frecuentes
¿En qué lenguaje está escrito dynamo?
¿Qué framework usa dynamo?
¿Con qué inicia sesión dynamo?
¿dynamo usa IA?
¿Qué servicios usa dynamo?
¿dynamo tiene pruebas?
¿Qué repos tienen un stack parecido a dynamo?
Mira tu código por dentro, hoy.
Pega tu repo y lo ves dibujado, parte por parte: uno mediano, en menos de un minuto.
Gratis y sin cuenta.¿Repo privado? Entra con GitHub

