文档摘要

1.2 核心概念与术语 在大模型推理工程化浪潮奔涌的今天，我们常被“吞吐量翻倍”“延迟降低70%”这类指标所吸引，却少有人驻足追问：当一个千亿参数模型被加载进GPU显存，它究竟以何种姿态呼吸？当数百个请求如潮水般涌来，系统又如何在毫秒级响应与显存资源之间走出一条精妙的平衡之径？ 会员。《1.2 核心概念与术语》收录于灏天文库文集《vLLM》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。文档编号59141。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/828-vllm

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流