एक कमांड से Llama, Qwen, DeepSeek जैसे बड़े मॉडल लोकल चलाएँ, अपनी मॉडल लाइब्रेरी और OpenAI-संगत API के साथ।
Triton Inference Server
NVIDIA 的通用模型推理服务器，支持多框架、多模型并发部署。
- रिपॉज़िटरी
- triton-inference-server/server
- स्टार
- ★ 11,093
- फ़ोर्क
- 1,857
- भाषा
- Python
- लाइसेंस
- BSD-3-Clause
- अंतिम अपडेट
- 2026-10-16
- विज़िट
- 0
इन्फ़रेंसप्रोडक्शन
मिलते-जुलते प्रोजेक्ट
शुद्ध C/C++ में लिखा LLM इन्फ़रेंस इंजन, CPU/GPU/Apple Silicon और GGUF क्वांटाइज़ेशन का समर्थन, OpenAI-संगत सर्वर के साथ।
उच्च-थ्रूपुट, कम मेमोरी वाला LLM इन्फ़रेंस और सर्विंग इंजन, जिसकी मुख्य तकनीक PagedAttention है।
Never stop coding. Free MIT AI gateway: one endpoint, 359 providers (150+ free), 1200+ models Kimi, Claude, GPT, Gemini, GLM, DeepSeek, MiniMax. Works with Claude Code, Codex, Cursor, OpenCode, Cline & Copilot. Quota-awa
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。