SGLang
高性能 LLM 和多模态模型服务框架，27K+ stars。采用 RadixAttention 等高效注意力实现，支持 DeepSeek、Llama、Qwen、GPT-OSS 等主流模型的高吞吐推理服务，是 vLLM 之外另一个生产级推理引擎选择
🎯适用场景：生产环境模型推理服务
📊 仓库数据
📈 Stars 变化 ↑12 小时 +31· 统计区间 7/10 12:08 → 7/11 00:11（12 小时）
✅ 优点
- •RadixAttention 高效注意力机制
- •支持 DeepSeek/Llama/Qwen 等主流模型
- •高吞吐低延迟推理
- •Apache-2.0 可商用
⚠️ 限制
- •相比 vLLM 生态较小
- •部分新模型适配有延迟
- •需要 GPU 环境
🔗 相关工具
vLLM
github.com/vllm-project/vllm
高吞吐 LLM 推理引擎，77,418+ stars。采用 PagedAttention 显存优化技术，吞吐量比 HuggingFace Transformers 高 24 倍，是生产环境部署大模型推理的首选方案，支持 OpenAI 兼容 API
🎯生产环境模型推理服务
vLLM Omni
github.com/vllm-project/vllm-omni
基于 vLLM 的多模态高效推理框架，支持 Omni 模态模型的部署和推理优化，扩展了 vLLM 的能力边界。
🎯多模态模型高效推理——适合需要部署视觉/音频等多模态大语言模型的场景
TensorRT-LLM
github.com/NVIDIA/TensorRT-LLM
NVIDIA TensorRT-LLM 提供易用的 Python API 定义 LLM，支持最先进的推理优化，在 NVIDIA GPU 上实现极致推理性能
🎯在 NVIDIA GPU 上获得最优 LLM 推理性能
LMCache
github.com/LMCache/LMCache
LLM KV Cache 加速层，通过智能缓存机制显著提升大语言模型推理速度。兼容 vLLM 等主流推理框架，可将重复前缀场景的推理延迟降低数倍。8.3K+ stars。
🎯LLM 推理加速、重复前缀场景优化、多轮对话性能提升
OpenRLHF
github.com/OpenRLHF/OpenRLHF
可扩展的 Agentic RL 训练框架，9.6K+ stars。基于 Ray 构建，支持 PPO/DAPO/REINFORCE++ 等算法，集成 vLLM 加速推理
🎯LLM 对齐训练（RLHF/DPO）、Agent 强化学习
DeepGEMM
github.com/deepseek-ai/DeepGEMM
DeepGEMM 是 DeepSeek 开源的高性能 FP8 GEMM（通用矩阵乘法）内核库，周增 605 stars，当前 6,998 stars。它专为 FP8 精度的大模型推理和训练设计，提供细粒度缩放（Fine-grained Scaling）的 GEMM 内核实现。与 vLLM 等推理引擎不同，DeepGEMM 聚焦在底层的 GEMM 计算优化层面——它是 FP8 量化推理的基础设施。在 FP8 已成为大模型推理主流精度格式的今天，DeepGEMM 提供了从 CUDA 内核层面优化 FP8 计算的关键能力，是高性能 LLM 推理栈中不可或缺的一环。
🎯大模型推理 GEMM 内核加速、GPU 矩阵运算优化
