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
Voxtral Small 24B
模型简介
把语音理解接进语言模型的 24B 版本，长音频转写与问答一步到位。
- 参数量
- 24.3B
- 上下文
- 32K
- 所属
- Mistral
- 类型
- 纯文本 / 音频
- 商用
- 可商用
- 许可
- Apache-2.0
- 发布
- 2025-07-15
- 收录
- 2026-10-03