コマンド一つで Llama、Qwen、DeepSeek などをローカル実行。モデルライブラリと OpenAI 互換 API を標準搭載。
MInference
[NeurIPS'24 Spotlight, ICLR'25, ICML'25] To speed up Long-context LLMs' inference, approximate and dynamic sparse calculate the attention, which reduces inference latency by up to 10x for pre-filling on an A100 while mai
- カテゴリ
- 🖥️ ローカル推論とデプロイ
- リポジトリ
- microsoft/MInference
- スター
- ★ 1,229
- フォーク
- 83
- 言語
- Python
- ライセンス
- MIT
- 最終更新
- 2026-10-10
- アクセス数
- 0
関連プロジェクト
純粋な C/C++ 製の LLM 推論エンジン。CPU・GPU・Apple Silicon と GGUF 量子化に対応し、OpenAI 互換サーバーも内蔵。
高スループット・低メモリの LLM 推論／サービングエンジン。中核技術は PagedAttention。
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。