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
DiffusionGemma 26B-A4B
模型简介
用扩散方式生成文本的 Gemma，非自回归解码把吞吐拉高一个量级，Apache-2.0。
- 参数量
- 25.8B (激活 4B)
- 上下文
- 128K
- 所属
- 类型
- 纯文本 / 可识别图像
- 商用
- 可商用
- 许可
- Apache-2.0
- 发布
- 2026-06-09
- 收录
- 2026-10-03