DeepSeek工程师开源1200行轻量级Nano-vLLM，推理速度媲美原版vLLM

近日，DeepSeek 工程师俞星凯推出轻量级 vLLM 实现——Nano-vLLM，将代码压缩至 1200 行以下，同时保留了与原版相当的推理性能。Nano-vLLM 核心功能包括 Fase 离线推理、简洁代码库及优化套件，支持 Prefix 缓存等功能。基准测试表明，其在 RTX 4070 上运行 Qwen3-0.6B 模型时，输出质量与 vLLM 相当，但速度略逊。该项目已在 GitHub 收获 200 多星，展现了社区对其简洁性和实用性的认可。开发者俞星凯拥有丰富的技术背景，曾参与多个知名项目并就职于多家科技公司。
来源：https://mp.weixin.qq.com/s/Qo0xE6BtG4RpMIaeWCWsZQ