Запускайте Llama, Qwen, DeepSeek и другие большие модели локально одной командой; есть собственная библиотека моделей и OpenAI-совместимый 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
- Репозиторий
- microsoft/MInference
- Звёзды
- ★ 1 229
- Форки
- 83
- Язык
- Python
- Лицензия
- MIT
- Последнее обновление
- 2026-10-10
- Переходы
- 0
Похожие проекты
Движок инференса LLM на чистом C/C++: поддержка CPU, GPU и Apple Silicon, квантизация GGUF, встроенный OpenAI-совместимый сервер.
Движок инференса и сервинга LLM с высокой пропускной способностью и низким потреблением памяти; ключевая технология — 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。