vLLM

High-throughput, memory-efficient inference and serving engine for LLMs with PagedAttention.

Sao

96,540

Fork

24,540

Ngôn ngữ

Python

Danh mục

Inference & Serving

Lấy mã nguồn

# Clone kho lưu trữ
git clone https://github.com/vllm-project/vllm

vLLM là gì?

High-throughput, memory-efficient inference and serving engine for LLMs with PagedAttention.

Sử dụng vLLM có an toàn không?

vLLM là dự án mã nguồn mở của vllm-project trên GitHub. Hãy xem mã nguồn và giấy phép trước khi dùng cho môi trường thật.

Làm sao bắt đầu với vLLM?

git clone https://github.com/vllm-project/vllm

vLLM được viết bằng ngôn ngữ nào?

openSource.faqWhatLanguageAnswer

Run large models locally with a single command — LLMs, vision, and embeddings on any machine.

LLM inference in C/C++ with quantization — runs models on CPU, GPU, and edge devices.

AI gateway to call 100+ LLM APIs in OpenAI format with cost tracking, guardrails, and load balancing.