#inference 每日趋势报告

SGLang是面向大语言模型与视觉语言模型的高速推理框架。

Mooncake是Moonshot AI旗下领先大语言模型服务Kimi的部署平台。

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。