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
GLM-4.5-Air
模型简介
GLM-4.5 的轻量版：106B 总参只激活 12B，MIT 许可，单机 8 卡就能跑旗舰级效果。
- 参数量
- 110B (激活 12B)
- 上下文
- 128K
- 硬件
- FP8 需 4 卡 H200 级别
- 所属
- GLM
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2025-07-28
- 收录
- 2026-10-03