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
NVIDIA-Nemotron-Nano-12B-v2
模型简介
Nemotron Nano 的 12B 视觉版，混合 Mamba 架构加图像输入。
- 参数量
- 12.3B
- 上下文
- 128K
- 所属
- Nemotron
- 类型
- 纯文本 / 可识别图像
- 商用
- 有条件可商用
- 许可
- NVIDIA Open Model License
- 发布
- 2025-08-21
- 收录
- 2026-10-03