Exécutez Llama, Qwen, DeepSeek et d’autres grands modèles en local avec une commande, avec bibliothèque de modèles et API compatible OpenAI intégrées.
TensorRT-LLM
NVIDIA 官方大模型推理优化库，在 GPU 上提供极致吞吐与低延迟。
- Catégorie
- 🖥️ Inférence et déploiement en local
- Dépôt
- NVIDIA/TensorRT-LLM
- Étoiles
- ★ 14 838
- Forks
- 2 826
- Langage
- Python
- Dernière mise à jour
- 2026-10-17
- Visites
- 0
InférenceNVIDIA
Projets similaires
Moteur d’inférence LLM en C/C++ pur, compatible CPU, GPU et Apple Silicon avec quantification GGUF, et serveur compatible OpenAI intégré.
Moteur d’inférence et de serving LLM à haut débit et faible empreinte mémoire, dont PagedAttention est la technique centrale.
Never stop coding. Free MIT AI gateway: one endpoint, 375 providers (150+ free), 1,400+ models Kimi, Claude, GPT, Gemini, GLM, DeepSeek, MiniMax. Works with Claude Code, Codex, Cursor, OpenCode, Cline & Copilot. Quota-aw
OpenAI 兼容的本地自托管 AI 引擎，一个服务同时支持文本、图像、语音与向量。
用家里闲置的手机、电脑和平板组成集群，一起运行大模型。