#inference 每日趋势报告

专为Apple Silicon打造的原生LLM推理服务器，兼容OpenAI与Anthropic API，无需Python环境。包含基于MLX Core的macOS应用，支持聊天、智能体模式及工具调用功能。

量化注意力机制相比FlashAttention和xformers实现了2-5倍和3-11倍的速度提升，且在语言、图像和视频模型上保持端到端指标无损。

Lemonade 通过直接在用户自己的 GPU 和 NPU 上运行优化后的 LLM，帮助用户发现并运行本地 AI 应用。加入我们的 Discord：https://discord.gg/5xXzkMu8Zk

OpenVINO™是用于优化和部署AI推理的开源工具套件

llm-d 是基于 Kubernetes 的高性能分布式 LLM 推理框架

RTP-LLM：阿里巴巴面向多样化应用的高性能大语言模型推理引擎。

暂无项目描述