ニュース
Announcing vllm-metal: Concurrent Serving on Apple Silicon
vLLM · Ranran Haoran Zhang, Lik Xun Yuan, Chao Ju Chen, Eric Curtin, Michael Goin · 公開日 · 読了3分
30秒で要点
- 何が起きたか
- vLLM released vllm-metal v0.28.0, bringing concurrent LLM serving to Apple Silicon Macs with paged KV cache and OpenAI-compatible API.
- なぜ重要か
- Engineers running multiple overlapping inference requests on M1-M5 Macs need predictable latency, memory control, and batching beyond single-request inference.
- 注意点
- Speculative decoding with MTP requires greedy sampling and synchronous scheduling; prefix caching for hybrid models remains experimental and incompatible with speculative decoding.
- agent
- llm
- serving
- vllm
この話題の背景にあるパターン
各ページで、技術の仕組み、コストに見合う場面、そして破綻する条件を解説しています。
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。