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
Llama 4 Scout
模型简介
Meta 第一代原生多模态 MoE，16 专家版本把上下文做到 10M，单张 H100 就能跑。
- 参数量
- 109B (激活 17B)
- 上下文
- 10M
- 硬件
- 单张 H100 80G（int4）可跑
- 所属
- Meta
- 类型
- 纯文本 / 可识别图像
- 商用
- 有条件可商用
- 许可
- Llama 4 Community License
- 发布
- 2025-04-05
- 收录
- 2026-10-03