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-Z1-32B
模型简介
智谱第一代开源推理模型，32B 稠密靠 RL 把数学与代码推理拉到同尺寸领先。
- 参数量
- 32.6B
- 上下文
- 128K
- 所属
- GLM
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2025-04-14
- 收录
- 2026-10-03