机器之心编辑部

熟悉开源社区的朋友对 vLLM 应该不会陌生。它是由加州大学伯克利分校团队打造的高性能、开源 LLM 推理和服务引擎，主要目标是提升大语言模型（LLM）的推理速度（吞吐量）和资源利用率（尤其是内存），并且兼容 Hugging Face 等主流模型库。

简而言之，vLLM 可以让 GPT、Mistral、LLaMA 等主流模型系列运行得更快且占用更少资源，而实现这一效果的核心技术就是其创新性的注意力机制方案——PagedAttention。

近日，来自 DeepSeek 的 AI 研究员、深度学习系统工程师俞星凯从零开始构建了一个极简版本的 vLLM 实现——Nano-vLLM，将整个项目代码压缩到了仅 1200 行以内。

目前该项目已在 GitHub 上获得超过 200 颗 Star。

图片GitHub 地址：https://www.php.cn/link/b3f2a6b3e119aaa5a1326802e7b49403

具体来看，Nano-vLLM 具备以下三大核心特点：

第一，具备高效的离线推理能力，推理速度与原版 vLLM 相当。

第二，代码结构简洁易读，Python 总行数控制在了 1200 行以内。

第三，集成了多项优化工具，如 Prefix 缓存、Torch 编译以及 CUDA 计算图等特性。

俞星凯在进行基准测试时使用了如下配置：

硬件：RTX 4070模型：Qwen3-0.6B总请求数：256 个序列输入长度：100–1024 tokens 范围内随机输出长度：100–1024 tokens 范围内随机测试结果如下表所示，Nano-vLLM 与 vLLM 输出 token 完全一致，响应时间略高，推理速度（吞吐量）稍有差距，但整体表现非常接近。

图片开发者简介

Nano-vLLM 的作者俞星凯目前任职于 DeepSeek，曾参与 DeepSeek-V3 和 DeepSeek-R1 的研发工作。

图片值得一提的是，根据其 GitHub 主页显示，他还开发过一个植物大战僵尸 Qt 版本，该项目也已获得 270 多颗 Star。此外，由于本科就读于南京大学，他还参与了不少南大的计算机相关项目，包括南京大学计算机图形学绘图系统、南京大学分布式系统 Raft 算法最简实现、南京大学操作系统 OSLab 等。

根据其 LinkedIn 页面信息显示，他曾先后在腾讯、幻方（DeepSeek 母公司）和字节跳动实习，并于 2024 年正式加入 DeepSeek 成为一名深度学习系统工程师。

图片你是 vLLM 用户吗？你会考虑尝试 Nano-vLLM 吗？

© THE END

转载请联系本公众号获取授权