fastllm
ztxz16
fastllm是后端无依赖的高性能大模型推理库。同时支持张量并行推理稠密模型和混合模式推理MOE模型，任意10G以上显卡即可推理满血DeepSeek。双路9004/9005服务器+单显卡部署DeepSeek满血满精度原版模型，单并发20tps；INT4量化模型单并发30tps，多并发可达60+。
AI 简介
fastllm是一个轻量、无依赖的C++大语言模型推理引擎，专为高性能、跨硬件部署设计。它不依赖PyTorch等深度学习框架，通过自研算子实现FP8/INT4量化、张量并行（支持奇数卡）、GPU-CPU混合推理及MOE模型（如DeepSeek-R1 671B、Qwen-MoE）高效运行；兼容NVIDIA/AI加速卡（MI50、天数、沐曦、昇腾等）及ROCm平台，10GB显存即可单卡满精度运行DeepSeek R1。适用于边缘部署、私有化AI服务、多硬件统一推理平台等对低依赖性、高兼容性和实时吞吐有要求的生产场景。
C++
4.8k
Stars
476
Forks
59
Watchers
293
Issues
Star 增长
今日0
近 7 天0
近 30 天0
综合评分57.04
默认分支main