LightLLM
轻量级 LLM 推理服务框架，以轻量设计、易扩展和高速性能著称，支持多模型部署和高并发推理。
🎯适用场景：部署大语言模型推理服务——在自有服务器上快速搭建轻量高效的 LLM 推理 API。
📥 收录于 2026/6/9
📊 仓库数据
✅ 优点
- •轻量设计，资源占用低
- •易于水平扩展
- •高性能推理
⚠️ 限制
- •生态相对较小，社区活跃度不如 vLLM
- •缺少高级特性如 speculative decoding
🔗 相关工具
Lorax
github.com/predibase/lorax
多 LoRA 推理服务器，可扩展至数千个微调大语言模型，显著降低部署多个微调模型的成本。
🎯部署大量微调模型——一台服务器同时服务上千个 LoRA 微调模型，大幅节省显存和部署成本。
Chitu 赤兔
github.com/thu-pacman/chitu
清华团队开发的高性能 LLM 推理框架，专注效率、灵活性和可用性，支持多种模型架构。
🎯大模型推理加速——在科研或生产环境中部署高效 LLM 推理服务。
Llama Stack
github.com/meta-llama/llama-stack
Meta 推出的 Llama 4 系列模型统一部署栈，支持推理、微调和多模型路由，4 月新增 6,400+ 星。提供标准化的 API 接口和工具链，覆盖从模型加载、推理服务、微调到评估的全流程，简化 Llama 系列模型的部署和运维，是 Llama 生态的官方基础设施
🎯多模型 API 统一接入与路由
DFlash
github.com/z-lab/dflash
Block Diffusion for Flash Speculative Decoding，加速 LLM 推理的新型解码方法。通过推测解码 + 块扩散显著降低 LLM 推理延迟，GitHub 1.3k stars。在保持输出质量的同时，将推理吞吐量提升数倍，是大模型高效推理的前沿研究方向
🎯LLM 推测解码加速、降低大模型推理延迟
Tensorflow
github.com/tensorflow/tensorflow
全球最流行的机器学习框架之一，195K+ stars。Google 开源的端到端 ML 平台，支持 TensorFlow、Keras 等多种 API，覆盖深度学习、强化学习、移动端部署等全场景，是 AI 工程师的必备工具
🎯深度学习模型训练、移动端 AI 部署、生产环境 ML 推理服务
Prometheus
github.com/prometheus/prometheus
开源监控系统和时序数据库，CNCF 毕业项目。采用多维数据模型和 PromQL 查询语言，是云原生和 AI 基础设施监控的事实标准，可与 Grafana 无缝集成。
🎯AI 服务 GPU 使用率监控、模型推理延迟追踪、Kubernetes 集群资源监控