Hugging Face Blog·· 2026-07-08精选AI 评分67
vLLM 的 transformers 建模后端实现原生推理速度
Native-speed vLLM transformers modeling backend
AI 导读
Hugging Face 宣布 vLLM 的 transformers 建模后端现在在许多 LLM 架构上达到甚至超过 vLLM 手写原生实现的吞吐。在 Qwen3-4B 单卡、Qwen3-32B 张量并行、Qwen3-235B-A22B-FP8 MoE 数据加专家并行三种配置下，该后端均追平或超过原生吞吐。
推荐理由
原文给出 transformers 后端在 vLLM 中达到原生速度的实测对比与单 flag 用法，读者可据此判断现有部署流程能否简化。
来源：Hugging Face Blog · huggingface.co