#inference 每周趋势报告

⚡ 无需Python的Rust推理服务器 — 兼容OpenAI-API。支持GGUF与SafeTensors、热模型切换、自动发现、单二进制文件。现在免费，永远免费。

面向加速基础设施与微服务架构优化的生成式AI参考工作流

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。