近日，vLLM項目宣布正式成為PyTorch生態(tài)系統(tǒng)的一部分，標志著該項目與PyTorch的合作進入了一個全新的階段。本文將從以下幾個方面進行介紹，特別提醒：安裝方案在第四個部分，可選擇性閱讀。

vLLM項目概述

vLLM的成就與實際應(yīng)用

支持流行模型

安裝與使用vLLM

總結(jié)

一，vLLM項目概述

vLLM是一個為大型語言模型（LLMs）設(shè)計的高吞吐量、內(nèi)存高效的推理和服務(wù)引擎。該項目最初基于創(chuàng)新的PagedAttention算法構(gòu)建，如今已經(jīng)發(fā)展成為一個全面的、最先進的推理引擎。vLLM社區(qū)不斷為其添加新功能和優(yōu)化，包括流水線并行處理、分塊預(yù)填充、推測性解碼和分離服務(wù)。

二，vLLM的成就與實際應(yīng)用

自發(fā)布以來，vLLM獲得了超過31,000個GitHub星標，這一成就證明了其受歡迎程度和社區(qū)的活力。vLLM與PyTorch的深度集成，使其能夠支持包括NVIDIA GPU、AMD GPU、Google Cloud TPU在內(nèi)的多種硬件后端，確保了跨平臺的兼容性和性能優(yōu)化。

在今年的亞馬遜Prime Day，vLLM在向數(shù)百萬用戶提供快速響應(yīng)中發(fā)揮了關(guān)鍵作用。它在三個區(qū)域的80,000個Trainium和Inferentia芯片上，每分鐘處理了300萬個令牌，同時保持了P99延遲在1秒以內(nèi)的首次響應(yīng)。這意味著，當客戶與亞馬遜應(yīng)用中的Rufus聊天時，他們實際上是在與vLLM互動。

三，支持流行模型

vLLM與領(lǐng)先的模型供應(yīng)商緊密合作，支持包括Meta LLAMA、Mistral、QWen和DeepSeek在內(nèi)的流行模型。特別值得一提的是，vLLM作為首發(fā)合作伙伴，首次啟用了LLAMA 3.1（405B）模型，展示了其處理復(fù)雜和資源密集型語言模型的能力。

四，安裝與使用vLLM

安裝vLLM非常簡單，用戶只需在命令行中運行：

pip install vllm

vLLM既可以作為OpenAI API兼容服務(wù)器運行，也可以作為一個簡單的函數(shù)使用。以下是如何使用vLLM生成文本的示例代碼：

vllm serve meta-llama/Llama-3.1-8B

將vLLM作為簡單函數(shù)運行：

from vllm import LLM, SamplingParams

五，總結(jié)

隨著vLLM的加入，PyTorch生態(tài)系統(tǒng)更加強大，為LLM服務(wù)帶來了便捷和高效。期待vLLM在未來解鎖更多創(chuàng)新，推動AI技術(shù)的普及和發(fā)展

如果你有更好的文章，歡迎投稿！

稿件接收郵箱：nami.liu@pasuntech.com

更多精彩內(nèi)容請關(guān)注“算力魔方?”！

審核編輯 黃宇