GEMS

概要

GEMSは、エージェントネイティブなマルチモーダル生成のための先進的なフレームワークです。

記憶とスキルを活用し、Kimi-K2.5のような大規模マルチモーダル言語モデル（MLLM）と、Z-Image-TurboやQwen-Image-2512などの画像生成モデルを組み合わせて、テキストから画像、あるいはその他の複合的なコンテンツを生成します。

SglangやDiffusersといった技術を基盤とし、ユーザーが独自のスキルを容易に追加できる拡張性が特徴です。

研究者や開発者が、複雑な生成タスクやエージェントベースのAIシステムを構築・評価する際に特に役立ちます。

互換性・特徴

• Python
• CLI
• GPU必須
• Web API
• Agent-based
• Multimodal Generation

基本情報

GitHub: https://github.com/lcqysl/GEMS