跳到主要内容Skip to main content
本地推理与部署规模 / 性能目录补充

TensorRT-LLM

NVIDIA / TensorRT-LLM

NVIDIA 的 LLM 推理优化库,自定义 kernel、量化与运行时。

15.1k stars 2900 forks Python 语言 Apache-2.0 许可 最近推送 2026-11-18

为什么选

  • 在 NVIDIA GPU 上把吞吐与延迟压到很低。
  • 支持多种量化与并行。
  • 适合生产推理与性能优化。

不适合

绑定 NVIDIA 生态,迁移不自由。
编译与调优门槛高。

许可与使用边界

GitHub 快照显示许可为 Apache-2.0。开源不等于可商用:GPL / AGPL 有传染性;代码许可、模型许可、生成内容许可要分开看。上线前读仓库 LICENSE 与模型卡,必要时让法务确认。

替代与相邻

  • vLLM — 规模 / 性能,高吞吐推理与服务引擎,PagedAttention、连续批处理、多卡并行。
  • SGLang — 规模 / 性能,高性能推理运行时,擅长结构化生成、前缀缓存与多卡服务。
  • Text Generation Inference — 生产可用,Hugging Face 的生产级文本生成服务,支持张量并行、量化与流式输出。

下一步

  • 打开 GitHub,先读 README、LICENSE、最近 release 与 issue。
  • 按“部署依赖 / 显存 / 数据 / 网络 / 权限”列一张上手清单。
  • 用一个小样本跑通,再决定是否进生产;不要直接上生产数据。

GitHub 仓库 ↗ 文档 ↗ 加入对比

快照口径:stars / forks / language / license / pushed_at 来自 GitHub API 2026-11-19 快照;之后的变化没有回写。标签与“适合 / 不适合”是编辑判断,不是 GitHub 元数据。
不背书:本站只做索引与风险提示,不审计代码、不保证安全、不替你做许可判断。仓库脚本与模型权重请自行审查。