vLLMvLLM 社区（原 UC Berkeley）
生产环境部署 LLM 的默认答案：PagedAttention 把 KV cache 碎片化问题解决掉，吞吐比朴素实现高一个量级。
推理框架 / 服务引擎PagedAttention张量并行FP8/AWQ/GPTQOpenAI 兼容 API多模态
DeepSeek-V3.2-Exp
模型简介
第一次把 DeepSeek Sparse Attention 放出来的实验版，长文本推理成本明显下降而效果几乎不掉。
- 参数量
- 685B (激活 37B)
- 上下文
- 160K
- 硬件
- 全量需 8 卡 H200 级别
- 所属
- DeepSeek
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2025-09-29
- 收录
- 2026-10-03