Fastllm是后端无依赖的高性能大模型推理库。同时支持张量并行推理稠密模型和混合模式推理MOE模型,任意10G以上显卡即可推理满血DeepSeek。双路9004/9005服务器+单显卡部署DeepSeek满血满精度原版模型,单并发20tps;INT4量化模型单并发30tps,多并发可达60+。
docker pull ztxz16/fastllm
docker run -d --name fastllm -p 11234:11234 --restart always ztxz16/fastllm:latest
podman run -d --name fastllm -p 11234:11234 --restart always ztxz16/fastllm:latest
skopeo inspect docker://docker.io/ztxz16/fastllm:latest
oras pull ztxz16/fastllm:latest
docker compose up -d
version: '3.8'
services:
fastllm:
build:
context: .
args:
DOCKER_BUILDKIT: 0
# privileged: true
platforms:
- "linux/amd64"
tags:
- "fastllm:v0.9"
restart: always
ports:
- 11234:8081
volumes:
- ./models/:/models/
command: /fastllm/build/webui -p /models/chatglm2-6b-int8.flm -w ./example/webui/web