Transformers.js
Hugging Face开发的JavaScript版Transformers库，底层依赖ONNX Runtime Web进行模型推理，支持WebAssembly或WebGPU后端在浏览器中运行AI模型
核心事实
时间轴 (近 90 天)
Listing Lab 是一款完全运行在浏览器端的商品文案生成工具，基于开源权重的 SmolLM2-360M-Instruct 模型，通过 Transformers.js 加载，不依赖任何后端推理 API。
llama.cpp 的 WASM 构建在纯文本生成场景下通常比 Transformers.js 有更好的推理性能和更灵活的量化选项。
测试使用Transformers.js 4.2.0在WebGPU上以4-bit权重运行SmolLM2 360M Instruct、Qwen2.5 0.5B Instruct和Llama 3.2 1B Instruct（q4f16）三个模型
Transformers.js源码注释明确说明，对decoder-only模型，repetition_penalty考虑的token包括提示词
Transformers.js统计n-gram历史时将整个input_ids（包含提示词）计入，导致提示词中出现过的3-gram在生成阶段被永久封禁
no_repeat_ngram_size: 3的规则是禁止产生任何已经出现过的3个token序列，在Transformers.js实现中会将这些token的分数设为负无穷
BEINGS项目使用Worker + Transformers.js + WebGPU架构在浏览器中运行LLM，核心代码约90行JavaScript。
Transformers.js将模型文件存储在浏览器的Cache Storage中，第二次访问无需额外缓存代码即可快速加载。
在Next.js 16 + Turbopack项目中使用标准TypeScript worker写法会导致worker不被执行且构建无报错，需将worker手写为JavaScript放在/public目录并从CDN加载Transformers.js。
Transformers.js底层使用ONNX Runtime Web，模型需要转为ONNX格式并量化，4-bit量化的1B模型大小约1.2GB而非5GB。
还有 16 条时间轴事件
全部知识事实 (20)
Transformers.js 是 Hugging Face 开发的 JavaScript 库，基于 WebAssembly 和 WebGPU 技术，将 Transformer 模型推理移植到浏览器环境
70%待验证Listing Lab 是一款完全运行在浏览器端的商品文案生成工具，基于开源权重的 SmolLM2-360M-Instruct 模型，通过 Transformers.js 加载，不依赖任何后端推理 API。
50%待验证llama.cpp 的 WASM 构建在纯文本生成场景下通常比 Transformers.js 有更好的推理性能和更灵活的量化选项。
50%待验证Transformers.js源码注释明确说明，对decoder-only模型，repetition_penalty考虑的token包括提示词
50%待验证测试使用Transformers.js 4.2.0在WebGPU上以4-bit权重运行SmolLM2 360M Instruct、Qwen2.5 0.5B Instruct和Llama 3.2 1B Instruct（q4f16）三个模型
50%待验证no_repeat_ngram_size: 3的规则是禁止产生任何已经出现过的3个token序列，在Transformers.js实现中会将这些token的分数设为负无穷
50%待验证Transformers.js统计n-gram历史时将整个input_ids（包含提示词）计入，导致提示词中出现过的3-gram在生成阶段被永久封禁
50%待验证在Next.js 16 + Turbopack项目中使用标准TypeScript worker写法会导致worker不被执行且构建无报错，需将worker手写为JavaScript放在/public目录并从CDN加载Transformers.js。
50%待验证Transformers.js将模型文件存储在浏览器的Cache Storage中，第二次访问无需额外缓存代码即可快速加载。
50%待验证BEINGS项目使用Worker + Transformers.js + WebGPU架构在浏览器中运行LLM，核心代码约90行JavaScript。
50%待验证Transformers.js底层使用ONNX Runtime Web，模型需要转为ONNX格式并量化，4-bit量化的1B模型大小约1.2GB而非5GB。
50%待验证TaskProof 的可选 AI 部分使用 FLAN-T5 Small 模型，通过 Transformers.js 和 ONNX Runtime Web 在浏览器 Web Worker 内运行，其角色被限制为总结可能的交付物、为买家提一个问题、草拟一句开场白。
50%待验证Transformers.js 4.3.1 在默认情况下（当 WebGPU 可用或 Safari 版本 >= 26 时）会选择 asyncify 构建（ort-wasm-simd-threaded.asyncify.{mjs,wasm}）来加载 ONNX Runtime Web。
50%待验证Transformers.js 4.3.1 搭配 onnxruntime-web 1.31.0-dev.20260914，仅在 Safari 版本低于 26 且没有 WebGPU 时自动使用普通（非 asyncify）WebAssembly 构建。
50%待验证应使用 env.backends.onnx.versions.web 而非硬编码版本号来拼接 onnxruntime-web 的 wasm 文件 URL，以保证 .wasm 二进制与 .mjs 胶水代码的版本严格一致，避免 ABI 不匹配导致的运行时错误。
50%待验证Transformers.js 4.3.1 版本可用于在浏览器中直接运行 AI 模型推理。
50%待验证GrassToucher 的 AI 模型管线设计上可运行 Google Gemma 2 这类开源权重模型，并能通过 Ollama 或 Transformers.js 适配本地执行
50%待验证将机器学习推理引擎（如ONNX Runtime Web或Transformers.js）编译为Wasm模块，再加载量化后的模型权重，就能在用户设备本地完成图像推理，照片全程不离开本地设备
50%待验证MLC-LLM、Transformers.js 等开源框架专门针对浏览器端推理场景优化，能将ONNX、GGUF等格式的模型权重加载到浏览器内存并执行推理
50%待验证Transformers.js v4 版本对 GitHub 仓库做了重组，新增了 packages 目录，并新增 Transformers Structured Output 包
50%