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
Falcon-H1-34B
模型简介
并行 Attention + Mamba-2 的混合架构，34B 支持 18 种语言与 256K 上下文。
- 参数量
- 33.6B
- 上下文
- 256K
- 所属
- Falcon
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- Falcon LLM License
- 发布
- 2025-05-20
- 收录
- 2026-10-03