inference

面向大语言模型的高吞吐量与内存优化型推理服务引擎

GPT4All：在任何设备上运行本地大语言模型。开源且可商用。

OpenAI Whisper模型的C/C++移植版本

采用静态类型推断的TypeScript优先模式验证

SGLang是面向大语言模型与视觉语言模型的高速推理框架。

面向直播与流媒体的跨平台可定制机器学习解决方案

使用Gitleaks 🔑 发现密钥 （注：根据技术文档惯例，"secrets"在此语境中指代密钥、凭证等敏感信息，采用"密钥"译法符合行业标准；保留工具名称"Gitleaks"不译；添加"使用"二字使中文表达更完整自然；表情符号位置根据中文阅读习惯调整）

用单个文件分发和运行大语言模型。

本项目旨在分享大模型相关技术原理及实战经验（大模型工程化、大模型应用落地）。

ncnn专为移动平台优化的高性能神经网络推理框架

专为Apple Silicon打造的LLM推理服务器，具备连续批处理和SSD缓存功能，可通过macOS菜单栏管理

FreeToken brings datacenter-scale model serving to your desktop. Run massive models locally, fast and efficiently.

纳米级vLLM推理引擎

20多个高性能大语言模型，附有预训练、微调和规模化部署的方案

NVIDIA® TensorRT™是用于NVIDIA GPU高性能深度学习推理的SDK，本仓库包含其开源组件

OpenVINO™是用于优化和部署AI推理的开源工具套件

示例 📓 Jupyter 笔记本，展示如何使用 🧠 Amazon SageMaker 构建、训练和部署机器学习模型。

Triton推理服务器提供优化的云端和边缘推理解决方案。

Mistral模型官方推理库

通过最快的KV缓存层为您的LLM加速

数据中心级分布式推理服务框架

智能体应用交付基础设施——Plano是面向AI原生的代理与数据平面，可卸载底层管道工作，让您专注于智能体核心逻辑开发（支持任意AI框架）。

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

FlashInfer：大语言模型服务的核心计算库