#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

可在本地运行AI的生产就绪工具包

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。

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。