1200行代码逆袭！DeepSeek工程师开源轻量级vLLM，吞吐量逼近原版

机器之心报道

机器之心编辑部

开源社区的人应该对 vLLM 不陌生，它是一个由加州大学伯克利分校团队开发的高性能、开源 LLM 推理和服务引擎，核心目标是提升 LLM 的推理速度（吞吐量）和资源利用率（尤其是内存），同时兼容 Hugging Face 等流行模型库。

简单来说，vLLM 能让 GPT、Mistral、LLaMA 等主流模型系列跑得更快、消耗更少资源，取得这些效果的关键是其创新的注意力机制实现方案 ——PagedAttention。

近日，DeepSeek AI 研究者、深度学习系统工程师俞星凯从零开始构建了一个轻量级 vLLM 实现 ——Nano-vLLM，将代码简化到了 1200 行。

目前，该项目在 GitHub 上收获了 200 多的 Star。

GitHub 地址：https://github.com/GeeeekExplorer/nano-vllm/tree/main

具体来讲，Nano-vLLM 具有以下三个核心功能：

一是，Fase 离线推理。推理速度与 vLLM 相当。

二是，易读代码库。实现非常简洁，Python 代码减少到了 1200 行以下。

三是，优化套件。提供 Prefix 缓存、Torch 编译、CUDA 计算图等功能。

俞星凯在基准测试中采用了以下测试配置：

硬件：RTX 4070

模型：Qwen3-0.6B

总请求：256 个序列

输入长度：100–1024 tokens 之间随机采样

输出长度：100–1024 tokens 之间随机采样

基准测试结果如下表所示，Nano-vLLM 与 vLLM 的输出 token 相同，时间略长，推理速度（吞吐量）稍逊一点点。整体而言，二者表现相当。

作者简介

Nano-vLLM 开发者俞星凯目前就职于 DeepSeek，参与过 DeepSeek-V3 和 DeepSeek-R1 的开发工作。

有意思的是，根据其 GitHub 主页，他还曾开发过一个植物大战僵尸 Qt 版，该项目也已经收获了 270 多星。此外，由于毕业于南京大学，他还曾参与了不少南京大学的计算机项目，包括南京大学计算机图形学绘图系统、南京大学分布式系统 Raft 算法最简实现、南京大学操作系统 OSLab 等。

而根据其 LinkedIn 页面可知，他曾先后在腾讯、幻方（DeepSeek 母公司）和字节跳动实习过。2023 年后入职 DeepSeek 成为深度学习系统工程师。

你是 vLLM 用户吗？会考虑尝试 Nano-vLLM 吗？