vLLM原生支持昇騰,加速大模型推理創(chuàng)新,社區(qū)嘗鮮版本首發(fā)!

2025年2月20日,經(jīng)過vLLM社區(qū)與昇騰的持續(xù)合作和共同努力,vLLM開源社區(qū)已官方支持昇騰,并創(chuàng)建vLLM Ascend這一社區(qū)維護(hù)的官方項(xiàng)目。這意味著用戶可直接在昇騰上無縫運(yùn)行vLLM,開發(fā)者可通過vLLM調(diào)用昇騰進(jìn)行模型適配。

vLLM原生支持昇騰,加速大模型推理創(chuàng)新,社區(qū)嘗鮮版本首發(fā)!

圖注:vLLM社區(qū)創(chuàng)建了vllm-project/vllm-ascend項(xiàng)目提供昇騰的官方支持

vLLM Ascend使能vLLM在昇騰平臺進(jìn)行大模型推理,包含以下多個(gè)特征:

支持多種模型類型,滿足多樣化需求

vLLM Ascend原生支持稠密LLM、稀疏Mixture-of-Expert(MoE)、多模態(tài)等在內(nèi)的主流開源大模型類型,如Qwen系列、Llama系列、DeepSeek系列等。這意味著開發(fā)者可以在昇騰平臺無縫運(yùn)行各類大語言模型,并且可基于vLLM進(jìn)行增量特性開發(fā),滿足不同的應(yīng)用場景和性能需求。

與社區(qū)共同打造大模型極致推理性能,充分釋放昇騰算力

vLLMAscend即將在昇騰平臺支持vLLM多個(gè)高階特性,如請求調(diào)度算法chunkedprefill,大模型分布式并行策略Tensor Parallelism (TP)、PipelineParallelism(PP),投機(jī)解碼speculative decoding等,開源社區(qū)最新加速能力平滑遷移,支持昇騰平臺高性能推理。

全面的社區(qū)支持,讓開發(fā)更簡單

用戶可以通過以下途徑,快速學(xué)習(xí)和使用vLLM Ascend,包括:

● 快速開始:快速開始教程詳細(xì)地說明了如何開始使用vLLM Ascend。

●用戶指南:提供了模型支持、特性支持等關(guān)鍵內(nèi)容。

●開發(fā)者指南:通過貢獻(xiàn)指南、版本發(fā)布策略等文檔為開發(fā)者提供了重要參考。

●社區(qū)討論:開發(fā)者可以在社區(qū)充分交流分享,一起解決問題。

開始您的嘗鮮之旅

無論是AI領(lǐng)域的資深開發(fā)者,還是剛?cè)腴T的技術(shù)愛好者,vLLM Ascend都將為您提供一個(gè)高效、靈活的開發(fā)平臺。立即開始您的嘗鮮之旅,感受昇騰NPU與vLLM框架結(jié)合的魅力,共同探索大語言模型的無限可能!

現(xiàn)在就可以訪問以下鏈接開始您的嘗鮮之旅:

●代碼倉庫:http://m.digitalhealthexpert.com/uploadfile/pic2020/2025/0221/20250221122026440G>

●文檔中心:http://m.digitalhealthexpert.com/uploadfile/pic2020/2025/0221/20250221122027441G>

●快速開始:http://m.digitalhealthexpert.com/uploadfile/pic2020/2025/0221/20250221122028442G>

●安裝指南:http://m.digitalhealthexpert.com/uploadfile/pic2020/2025/0221/20250221122029443G>

●版本說明:http://m.digitalhealthexpert.com/uploadfile/pic2020/2025/0221/20250221122030444G>

歡迎加入我們,攜手共建vLLMAscend開源項(xiàng)目

大模型推理服務(wù)框架vLLM是LF Data & AI基金會(huì)孵化項(xiàng)目,因其在大型語言模型 (LLM) 推理和服務(wù)中的高吞吐量、內(nèi)存高效等特點(diǎn),在開源社區(qū)廣受歡迎。華為是LF Data & AI基金會(huì)創(chuàng)始高級會(huì)員,同時(shí)也是vLLM社區(qū)的支持者和積極貢獻(xiàn)者,華為堅(jiān)持“硬件開放,軟件開源,使能伙伴,發(fā)展人才”的理念,攜手社區(qū)共同推進(jìn)多樣性算力支持改進(jìn),積極致力于vLLM優(yōu)化,從而充分釋放昇騰硬件的算力。

vLLM Ascend是一個(gè)使用Apache 2.0協(xié)議的開源項(xiàng)目,我們誠邀每一位開發(fā)者加入我們,貢獻(xiàn)你的智慧,一起探索和貢獻(xiàn)更多創(chuàng)新功能。

(免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實(shí),并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 )