Mooncake

大语言模型服务架构采用KVCache分离设计

Mooncake LLM服务 KVCache 分离架构吞吐量 Github 开源项目

Mooncake是一种创新的大语言模型服务架构。它采用以KVCache为中心的分离设计，将预填充和解码集群分开，并充分利用GPU集群的闲置资源实现KVCache的分布式缓存。Mooncake的核心调度器在确保延迟服务水平目标的同时，最大化系统的有效吞吐量。通过实施预测性早期拒绝策略，该架构在高负载情况下表现优异，尤其适合长上下文场景。实验结果表明，在特定模拟环境中，Mooncake能够在满足服务水平目标的前提下，将系统吞吐量提升525%。

访问官网

Github

介绍相关项目

ModelCache - 优化大型语言模型响应的语义缓存工具

Codefuse-ModelCacheGithub多租户大语言模型嵌入模型开源项目语义缓存

ModelCache 是一种优化大型语言模型（LLMs）响应的语义缓存工具，通过缓存预计算的模型结果，迅速响应相似请求，提升用户体验。它支持多租户，并通过 Redis Search 将缓存与向量数据库的交互时间减至 10ms。该项目整合了多种嵌入框架及本地存储选项如 sqlite 和 faiss，便于用户迅速测试。其目标是降低推理部署成本、提升模型性能和提供可扩展的大型模型服务。

cake - 框架实现分布式大模型推理充分利用闲置设备

AI民主化CakeGithub分布式推理大型模型开源项目异构集群

Cake是基于Candle的Rust框架，通过整合iOS、Android、macOS、Linux和Windows设备为异构集群，实现大型模型(70B+)的分布式推理。该框架将transformer块分片到多设备上，突破单设备GPU内存限制，有效利用闲置硬件资源，降低AI应用门槛。

mlc-llm - 通用大语言模型高性能部署引擎

AI模型优化GithubMLC LLMMLCEngine开源项目机器学习编译器高性能部署

MLC LLM是一款用于大语言模型的高性能部署引擎，支持用户在各种平台上开发、优化和部署AI模型。核心组件MLCEngine通过REST服务器、Python、JavaScript、iOS和Android等接口提供OpenAI兼容的API，支持AMD、NVIDIA、Apple和Intel等多种硬件平台。项目持续优化编译器和引擎，与社区共同发展。

DeepSeek-MoE - 创新MoE架构打造高效大规模语言模型

DeepSeekMoEGithubMoE架构大语言模型开源模型开源项目模型评估

DeepSeek-MoE项目开发了创新的混合专家架构语言模型，采用细粒度专家分割和共享专家隔离策略。该16.4B参数模型仅使用40%计算量就达到DeepSeek 7B和LLaMA2 7B的性能水平。模型可在单个40GB内存GPU上直接部署运行，无需量化，为学术和商业研究提供了高效便捷的工具。

GPTCache - 用于为 LLM 查询创建语义缓存的库

API成本节约GPTCacheGithub大语言模型开源项目性能提升缓存策略

GPTCache专为大型语言模型（LLM）设计，通过建立语义缓存库存储响应，以有效降低API调用费用并加快响应速度。项目兼容多种LLM，实现常见查询的缓存，简化重复请求，适合高效部署于生产环境。欢迎访问最新文档和发布通告。

LiteLLM - 多语言模型的统一API管理和负载均衡解决方案

AI工具API统一LLM代理LiteLLM企业级服务开源

LiteLLM是一个代理服务器，为100多种大型语言模型提供统一API接口。它支持负载均衡、故障转移和支出跟踪，采用OpenAI格式。该工具简化了认证、资源分配和成本控制。LiteLLM提供开源和企业级解决方案，适用于不同规模组织。它拥有大量Docker下载量和请求服务量，得到众多贡献者支持。

LLMCompiler - 提升大语言模型性能的并行函数调用框架

GithubLLMCompiler优化编排并行函数调用开源项目效率提升模型兼容

LLMCompiler框架通过并行函数调用提升大语言模型的执行效率。它自动识别可并行任务，减少延迟和成本，同时提升准确性。用户只需提供工具和上下文示例，LLMCompiler就能优化函数调用编排。支持开源和闭源模型，包括LLaMA和OpenAI的GPT模型。LLMCompiler在不同任务中展示了显著的延迟加速、成本节省和准确性提升，是处理复杂问题的理想工具。

SqueezeLLM - 硬件资源优化下的大语言模型量化服务

GithubSqueezeLLM内存优化大语言模型开源项目模型压缩量化

SqueezeLLM通过密集与稀疏量化方法降低大语言模型的内存占用并提升性能，将权重矩阵拆分为易量化的密集组件和保留关键部分的稀疏组件，实现更小内存占用、相同延迟和更高精度。支持包括LLaMA、Vicuna和XGen在内的多个热门模型，提供3位和4位量化选项，适用于不同稀疏度水平。最新更新涵盖Mistral模型支持和自定义模型量化代码发布。

llm-engine - 自定义和部署大语言模型的开源解决方案

GithubLLM EngineScale大语言模型开源项目推理API模型微调

LLM Engine是一款Python库、CLI和Helm图表，能够在Scale托管基础设施或自有Kubernetes云中自定义和部署基础模型。支持LLaMA、MPT和Falcon等开源基础模型的API部署和服务，并允许在自有数据上微调以优化性能。该引擎优化推理功能和开源集成，提高部署和微调效率，未来还将提供K8s安装文档和快速冷启动时间。

mem0 - 为大型语言模型 (LLM) 提供智能、自适应的内存层

GithubMem0个性化AI体验多级记忆大型语言模型开发者友好API开源项目热门

Mem0 通过为大型语言模型（LLMs）提供智能、适应性的内存层，不断利用上下文信息，增强个性化AI体验。这种增强的内存能力对于从客户支持到健康诊断等广泛应用至关重要，使AI能够记住用户偏好、适应个别需求，并持续改进。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号