Execute Llama, Qwen, DeepSeek e outros grandes modelos localmente com um comando, com biblioteca de modelos e API compatível com OpenAI integradas.
TensorRT-LLM
NVIDIA 官方大模型推理优化库，在 GPU 上提供极致吞吐与低延迟。
- Categoria
- 🖥️ Inferência e implantação local
- Repositório
- NVIDIA/TensorRT-LLM
- Estrelas
- ★ 14.838
- Forks
- 2.826
- Linguagem
- Python
- Última atualização
- 2026-10-17
- Visitas
- 0
InferênciaNVIDIA
Projetos semelhantes
Motor de inferência de LLM em C/C++ puro, com suporte a CPU, GPU e Apple Silicon e quantização GGUF, além de servidor compatível com OpenAI integrado.
Motor de inferência e serving de LLM de alta taxa de transferência e baixo uso de memória, tendo o PagedAttention como técnica central.
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。