Exécutez Llama, Qwen, DeepSeek et d’autres grands modèles en local avec une commande, avec bibliothèque de modèles et API compatible OpenAI intégrées.
vLLM Sélection
Moteur d’inférence et de serving LLM à haut débit et faible empreinte mémoire, dont PagedAttention est la technique centrale.
- Catégorie
- 🖥️ Inférence et déploiement en local
- Dépôt
- vllm-project/vllm
- Étoiles
- ★ 94 008
- Forks
- 23 508
- Langage
- Python
- Licence
- Apache-2.0
- Dernière mise à jour
- 2026-10-18
- Visites
- 5
InférenceHaut débit
Projets similaires
Moteur d’inférence LLM en C/C++ pur, compatible CPU, GPU et Apple Silicon avec quantification GGUF, et serveur compatible OpenAI intégré.
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。
Run frontier MoE models on hardware you already own — pure C, zero deps, experts streamed from disk. Tiny engine, immense model. 🐦