English | 简体中文
[2025-11] 🔥FastDeploy v2.3-rc0 PaddleOCR-VL 0.9B推理性能专项优化发布，相比vLLM吞吐提升35%！部署指南
[2025-09] FastDeploy v2.2 全新发布: HuggingFace生态模型兼容，性能进一步优化，更新增对baidu/ERNIE-21B-A3B-Thinking支持!
[2025-08] FastDeploy v2.1 发布:全新的KV Cache调度策略，更多模型支持PD分离和CUDA Graph，昆仑、海光等更多硬件支持增强，全方面优化服务和推理引擎的性能。
FastDeploy 是基于飞桨（PaddlePaddle）的大语言模型（LLM）与视觉语言模型（VLM）推理部署工具包，提供开箱即用的生产级部署方案，核心技术特性包括：
- 🚀 负载均衡式PD分解：工业级解决方案，支持上下文缓存与动态实例角色切换，在保障SLO达标和吞吐量的同时优化资源利用率
- 🔄 统一KV缓存传输：轻量级高性能传输库，支持智能NVLink/RDMA选择
- 🤝 OpenAI API服务与vLLM兼容：单命令部署，兼容vLLM接口
- 🧮 全量化格式支持：W8A16、W8A8、W4A16、W4A8、W2A16、FP8等
- ⏩ 高级加速技术：推测解码、多令牌预测（MTP）及分块预填充
- 🖥️ 多硬件支持：NVIDIA GPU、昆仑芯XPU、海光DCU、昇腾NPU、天数智芯GPU、燧原GCU、沐曦GPU、英特尔Gaudi等
- 操作系统: Linux
- Python: 3.10 ~ 3.12
FastDeploy 支持在英伟达（NVIDIA）GPU、昆仑芯（Kunlunxin）XPU、天数（Iluvatar）GPU、燧原（Enflame）GCU、海光（Hygon）DCU 以及其他硬件上进行推理部署。详细安装说明如下：
注意: 我们正在积极拓展硬件支持范围。目前，包括昇腾（Ascend）NPU 等其他硬件平台正在开发测试中。敬请关注更新！
通过我们的文档了解如何使用 FastDeploy：
通过我们的文档了解如何下载模型，如何支持torch格式等：
FastDeploy 依据 Apache-2.0 开源许可证. 进行授权。在开发过程中，我们参考并借鉴了 vLLM 的部分代码，以保持接口兼容性，在此表示衷心感谢。
