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
Nemotron-Cascade-2-30B-A3B
模型简介
级联式推理的 30B 实验模型，把简单问题交给小模型、难题再上大模型。
- 参数量
- 31.6B
- 上下文
- 128K
- 所属
- Nemotron
- 类型
- 纯文本
- 商用
- 有条件可商用
- 许可
- NVIDIA Open Model License
- 发布
- 2026-03-18
- 收录
- 2026-10-03