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-5
模型简介
744B 只激活 40B，把编码与长程 Agent 任务做到开源第一，MIT 许可可直接商用。
- 参数量
- 754B (激活 40B)
- 上下文
- 200K
- 所属
- GLM
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2026-02-11
- 收录
- 2026-10-03