DeepSpec
DeepSeek 开源的推测解码（Speculative Decoding）全栈训练与评估代码库，包含 DSpark、DFlash、Eagle3 三种算法。在 DeepSeek-V4 上实现 60-85% 的每用户生成速度提升，输出质量完全一致。MIT 协议，6.5k+ stars。
🎯适用场景：LLM 推理加速，无损输出质量的推测解码训练与部署
📊 仓库数据
📈 Stars 变化 ↑14 小时 +3· 统计区间 7/13 01:17 → 7/13 15:15（14 小时）
✅ 优点
- •全栈代码库（数据准备、训练、评估）
- •三种算法可选
- •MIT 协议
- •支持 Qwen3/Gemma 等模型迁移
⚠️ 限制
- •默认需 8-GPU 节点
- •存储需求约 38TB
🔗 相关工具
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
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
LightLLM
github.com/ModelTC/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。
🎯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。
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。
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
