@vllm_project: vLLM v0.21.0 发布！367 次提交，来自 202 位贡献者（其中 49 位新贡献者）。亮点：KV 卸载 + HMA、带思考预算的推测解码（适用于推理模型）……
摘要
vLLM v0.21.0 已发布，新增 KV 卸载 + HMA、面向推理模型的带思考预算的推测解码、适用于 DSR1/Kimi K2.5 的 Blackwell 上的 TOKENSPEED_MLA、Mooncake 分布式 KV、DeepSeek V4 流水线并行，以及 C++20 + Transformers v5 基线。
查看缓存全文
缓存时间: 2026/05/16 21:23
vLLM v0.21.0 发布了！共 367 次提交，来自 202 位贡献者（其中 49 位新人）。
亮点包括：KV 卸载 + HMA、带有思考预算的推测解码（推理模型）、Blackwell 上的 TOKENSPEED_MLA（用于 DSR1 / Kimi K2.5）、Mooncake 分布式 KV、DeepSeek V4 流水线并行。C++20 + Transformers v5 基线。
话题
相似文章
vllm-project/vllm v0.20.0rc1
vLLM 0.20.0rc1 发布，带来吞吐量、量化、投机解码及多硬件支持的重大改进，助力可扩展的大模型推理服务。
vllm-project/vllm v0.21.0rc1
vLLM v0.21.0rc1 是高性能大语言模型推理和服务库的预发布更新，主要功能包括针对吞吐量、量化以及硬件支持的优化。
vllm-project/vllm v0.20.1
vLLM v0.20.1 是一个小版本更新，针对这款流行的开源大语言模型推理和服务库，继续保持其高吞吐量和高效内存管理的核心优势。
vllm-project/vllm v0.20.0
vLLM v0.20.0 已发布，这是一个用于高吞吐量 LLM 推理和服务的开源库，特色功能包括 PagedAttention 以及对多种硬件架构的支持。
vllm-project/vllm v0.19.1
vLLM v0.19.1 发布 - 一个快速易用的开源 LLM 推理和服务库，拥有业界领先的吞吐量，支持 200+ 个模型架构以及包括 NVIDIA/AMD GPU 和 CPU 在内的多样化硬件。