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
Step-3.7-Flash
模型简介
Step 3.7 代的多模态快速版，把截图理解接进低延迟推理链路。
- 参数量
- 201B
- 上下文
- 128K
- 所属
- Step
- 类型
- 纯文本 / 可识别图像
- 商用
- 可商用
- 许可
- Apache-2.0
- 发布
- 2026-05-23
- 收录
- 2026-10-03