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-Flash-Vision-Exp
模型简介
V4-Flash 的视觉实验版，第一次给这条线接上图像输入。
- 参数量
- 305B
- 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
- 2026-08-31
- 收录
- 2026-10-03