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-Labs-Diffusion-14B
模型简介
扩散式文本生成模型，同一份权重支持自回归 / 扩散 / 自推测三种解码。
- 参数量
- 13.5B
- 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
- 2026-04-22
- 收录
- 2026-10-03