DeepSpec

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

光速 LLM 推理引擎，1.8K stars。专注于极致推理性能优化，支持多种模型后端和量化方案。

🎯追求极致推理性能的生产环境部署

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

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。

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。

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。