Tessera
从零构建的 LLM 蒸馏与推理引擎，310+ stars。包含自定义 Triton/CUDA 内核、FSDP 蒸馏、Paged-KV 连续批处理、推测解码、Rust 网关、JAX 解释性工具，是深入理解 LLM 推理全栈技术的教学级项目
🎯适用场景：LLM 蒸馏与推理引擎学习、生产环境模型推理服务
📥 收录于 2026/6/23
📊 仓库数据
📈 Stars 变化 ↑6 小时 +3· 统计区间 6/24 00:08 → 6/24 06:11（6 小时）
✅ 优点
- •从零实现全栈推理系统
- •自定义 Triton/CUDA 内核
- •FSDP 蒸馏 + 推测解码
- •Rust 网关高性能服务
⚠️ 限制
- •项目较新生态不成熟
- •文档偏少需要读源码
- •需要 CUDA GPU 环境
🔗 相关工具
Shimmy
github.com/Michael-A-Kuykendall/shimmy
纯 Rust 编写的 WebGPU 推理引擎，兼容 OpenAI API，原生支持 GGUF 格式。零 Python 依赖，单二进制文件，可在任意 GPU 上运行
🎯本地 LLM 推理、边缘部署、无需 Python 的推理服务
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
SGLang
github.com/sgl-project/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
🎯生产环境模型推理服务
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