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
Phi-4-mini-flash-reasoning
模型简介
Decoder 与扩散混合的推理小模型，解码速度比同尺寸自回归模型快数倍。
- 参数量
- 3.9B
- 上下文
- 64K
- 所属
- Phi
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2025-06-19
- 收录
- 2026-10-03