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-V4.1-Flash
模型简介
V4.1 代的 Flash 版本，长程任务稳定性与工具调用明显加强，仍是 MIT 许可。
- 参数量
- 763B (激活 13B)
- 上下文
- 1M
- 所属
- DeepSeek
- 类型
- 纯文本 / 可识别图像
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2026-09-10
- 收录
- 2026-10-03