#inference 每日趋势报告

面向大语言模型的高吞吐量与内存优化型推理服务引擎

适用于代理所需的所有模型的开源推理服务器和生产集群。

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。

OpenVINO™是用于优化和部署AI推理的开源工具套件

任意模型·任意硬件·零妥协·基于@ziglang/@openxla/MLIR/@bazelbuild构建

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。