Logo
Project Icon

Mooncake

大语言模型服务架构采用KVCache分离设计

MooncakeLLM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%。

访问官网访问官网GithubGithub论文论文
介绍相关项目
semantic-cache - 基于语义相似度的自然文本缓存工具 提升NLP和AI响应效率
GithubSemantic Cache向量数据库开源项目缓存优化自然语言处理语义相似度
Semantic Cache是一个基于语义相似度的自然文本缓存工具。它能够对自然文本进行分类、缓存AI响应以减少重复计算，并利用已缓存的值降低API延迟。该工具具有多语言支持、复杂查询处理能力，易于集成且可自定义。通过语义相似性存储缓存条目和处理同义词，Semantic Cache为Node.js应用程序提供了简单的API。这使得它特别适用于需要基于语义进行查询或信息检索的任务。
ChatGLM-6B - 高效灵活的开源双语对话模型的本地部署与定制
AI对话ChatGLM-6BGithub中英双语大语言模型开源开源项目
ChatGLM-6B是一款开源的中英双语对话语言模型，采用GLM架构，拥有62亿参数。该模型支持低资源设备部署，6GB显存即可运行。经过约1T标识符训练和多种技术优化，ChatGLM-6B能生成贴近人类偏好的回答。模型提供高效参数微调方法，便于开发者进行应用定制。该项目完全开放学术研究，同时允许免费商业使用，致力于推动大模型技术进步。
llm-resource - 大模型资源汇总及实用技术详解
ChatGPTGPT-2GithubLLMMOETransformer开源项目
LLM百宝箱是大模型相关资源的综合汇总，包括算法、训练、推理、数据工程、压缩和测评等方面。用户可以通过目录和链接快速找到相关内容，如Transformer和GPT模型的原理和源码解析，以及混合专家模型（MoE）等前沿技术。此外，还提供了LLM微调、对齐和推理优化的实现方案和技巧，帮助开发者和研究者深入掌握并应用大模型技术。
Baichuan2 - 开源大语言模型
Baichuan 2Github大语言模型开源开源项目推理和部署模型微调
Baichuan 2，新一代开源大语言模型，拥有基于2.6万亿Tokens训练的7B与13B版本，展现卓越性能于多语言、法律及医疗领域。开发者经官方审核后，可免费商用。详情见技术报告《Baichuan 2: Open Large-scale Language Models》。
ChunkLlama - 双重块注意力技术实现大语言模型上下文窗口扩展
ChunkLlamaGithub大语言模型开源项目无需训练注意力机制长上下文
ChunkLlama项目开发了双重块注意力(DCA)技术，无需额外训练即可将大语言模型的上下文窗口扩展至原始长度的8倍以上。DCA可与主流外推技术和高效推理库兼容，支持Llama、Mistral等多种模型。实验表明，应用DCA后的Llama-2/3 70B模型能处理长达100k的上下文，并在长文本任务中表现出色。
Quest - 长文本LLM推理的查询感知稀疏化框架
GithubKV缓存Quest开源项目注意力机制稀疏性长上下文LLM推理
Quest是一个创新的长文本LLM推理框架，通过在KV缓存中应用查询感知稀疏化技术，显著减少了注意力计算中的内存移动。该框架跟踪缓存页面的Key值范围，并利用Query向量评估页面重要性，仅加载最关键的KV缓存页面。实验表明，Quest可将自注意力计算速度提升至7.03倍，推理延迟降低2.23倍，同时在长依赖任务中保持高精度。
InferLLM - 轻量化语言模型推理框架，兼容多种模型格式和设备
GithubInferLLMllama.cpp多模型兼容开源项目模型推理高效率
InferLLM 是一个高效简洁的语言模型推理框架，源于 llama.cpp 项目。主要特点包括结构简单、高性能、易于上手，并支持多模型格式。目前兼容 CPU 和 GPU，可优化 Arm、x86、CUDA 和 riscv-vector，并支持移动设备部署。InferLLM 引入了专有 KVstorage 类型以简化缓存和管理，适合多种应用场景。最新支持的模型包括 LLama-2-7B、ChatGLM、Alpaca 等。
chatluna - 多平台模型接入的高扩展性聊天服务插件
ChatLunaGithubKoishiLangChain人工智能大语言模型开源项目
ChatLuna项目提供高扩展性的大语言模型聊天服务，支持多平台和多模型接入。API调用让功能扩展更加轻松，并可设置对话预设和模型调用限额。支持语音、文字、图片等多种输出格式，并具备长期记忆和上下文对话功能。内置内容安全过滤，确保聊天内容健康。可在Koishi下安装使用，支持OpenAI、Google Gemini、New Bing等模型平台，适用于多种聊天机器人开发场景。
scalecube-services - 响应式微服务框架助力高性能系统构建
GithubScaleCube分布式系统响应式编程开源项目微服务服务发现
ScaleCube是一款专注于高吞吐量和低延迟的微服务框架，适合构建可扩展的响应式系统。它提供卓越的API网关集成、服务发现和负载均衡功能，并采用SWIM协议实现高效集群管理。ScaleCube的模块化架构支持多种可插拔通信模块，便于灵活部署。通过优化实时流处理和增强容错能力，ScaleCube为分布式微服务环境提供稳定高效的性能支持。
gateway - 统一API, 轻松连接200+种语言模型
AI GatewayGithubPortkey企业级低延迟部署多模型API开源项目
AI Gateway提供一站式访问200多个开源和私有模型的功能。支持缓存、后备、重试、超时处理与负载均衡，并可实现边缘部署以最小化延迟，满足生产环境需求。本地运行或通过Portkey托管均可实现稳定的大规模部署。立即探索免费开发者计划，每月处理高达10K请求。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

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