一行命令在本地运行 Llama、Qwen、DeepSeek 等大模型，自带模型仓库与 OpenAI 兼容 API。
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
- 仓库
- microsoft/MInference
- Stars
- ★ 1,229
- Forks
- 83
- 语言
- Python
- 许可证
- MIT
- 最近更新
- 2026-10-10
- 访问次数
- 0
同类项目
纯 C/C++ 的大模型推理引擎，支持 CPU/GPU/Apple Silicon 与 GGUF 量化，自带 OpenAI 兼容服务。
高吞吐、低显存占用的大模型推理与服务引擎，PagedAttention 是其核心技术。
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。