एक कमांड से Llama, Qwen, DeepSeek जैसे बड़े मॉडल लोकल चलाएँ, अपनी मॉडल लाइब्रेरी और OpenAI-संगत API के साथ।
vLLM चुनिंदा
उच्च-थ्रूपुट, कम मेमोरी वाला LLM इन्फ़रेंस और सर्विंग इंजन, जिसकी मुख्य तकनीक PagedAttention है।
- रिपॉज़िटरी
- vllm-project/vllm
- स्टार
- ★ 94,008
- फ़ोर्क
- 23,508
- भाषा
- Python
- लाइसेंस
- Apache-2.0
- अंतिम अपडेट
- 2026-10-18
- विज़िट
- 5
इन्फ़रेंसउच्च थ्रूपुट
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।
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。
Run frontier MoE models on hardware you already own — pure C, zero deps, experts streamed from disk. Tiny engine, immense model. 🐦