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
openPangu-Ultra-MoE-718B
模型简介
华为盘古的 718B 开源 MoE（权重实测 734B），全流程在昇腾上训练，是国产算力栈里体量最大的开放权重模型。
- 参数量
- 734B
- 上下文
- 128K
- 所属
- Pangu
- 类型
- 纯文本
- 商用
- 有条件可商用
- 许可
- OpenPangu Model License 1.0
- 发布
- 2026-03-30
- 收录
- 2026-10-03