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
Qwen3-235B-A22B
模型简介
235B 的 MoE 旗舰，同一个模型里同时支持深度思考与快速回答两种模式，Apache-2.0 可商用。
- 参数量
- 235B (激活 22B)
- 上下文
- 128K（原生 32K，需 YaRN 扩展）
- 硬件
- 激活参数少，单卡 80G 可跑；量化后 48G 显存也能用
- 所属
- Qwen
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- Apache-2.0
- 发布
- 2025-04-29
- 收录
- 2026-10-03