PagedAttention 기반 고속 LLM 추론·서빙 라이브러리로 처리량 최적화와 유연한 분산 배포를 지원
중간맛 분석
Python 기반이며 NVIDIA/AMD GPU, TPU, CPU 등 다양한 하드웨어를 지원합니다. 핵심은 PagedAttention 메모리 관리로 높은 처리량을 달성하며, FP8·INT4·GPTQ 등 양자화 기법을 통해 모델 크기를 줄일 수 있습니다. OpenAI 호환 서버로 바로 배포 가능하고, Llama·Qwen·DeepSeek·GPT 계열 모델을 즉시 지원합니다. 난이도는 설치 후 기본 추론은 쉽지만 분산 배포와 커스텀 최적화는 고급입니다.
이런 레포예요
이럴 때 쓰면 좋아요
- 고처리량 LLM API 서버를 OpenAI 호환 인터페이스로 빠르게 배포하기
- 파인튜닝된 Llama·Qwen 모델을 프로덕션 환경에서 효율적으로 서빙하기
- 양자화(INT4, FP8)와 멀티 GPU 분산처리로 대규모 모델 추론 비용 절감하기
핵심 기능
대안 대비 차별점
PagedAttention 메모리 관리로 TensorRT-LLM 대비 유연성을, Ray Serve·Triton 대비 모델 호환성을 제공하며, UC Berkeley 발원의 활발한 오픈소스 커뮤니티로 신규 모델과 기법을 빠르게 지원합니다.
먹어본 사람들
실제로 차려 먹어본 손님들의 흔적이에요 — 한마디와 완주 인증 모두 검수 후 공개돼요.
이 레포, 해먹는 법
처음 오셨어요? 어렵지 않아요 — 위에서 아래로 따라 하면 내 컴퓨터에 이 레포를 차려서 바로 맛볼 수 있어요.
준비물
- Python 3.9+
- NVIDIA/AMD GPU 또는 CPU (GPU 권장)
바로 차려먹기Python (uv)
깃밥이 레포 구조를 확인하고 만든 실행 명령이에요. 터미널에 붙여넣으면 받기부터 실행까지 한 번에 진행돼요.
git clone --depth 1 https://github.com/vllm-project/vllm.git && cd vllm && uv sync
uv가 없다면: brew install uv · 실행 명령은 README를 확인하세요.
코드는 내 컴퓨터에서 실행돼요 — 처음 보는 레포라면 내용을 한번 훑어보고 실행하는 습관을 추천해요.
README가 안내하는 자세한 단계 보기
- uv 또는 pip으로 vLLM 설치
uv pip install vllm
- (선택) 소스에서 빌드
git clone https://github.com/vllm-project/vllm.git
cd vllm
python setup.py develop
- 공식 문서의 Quickstart 가이드 참고
깃밥트라이로 맛보기
받아보기 귀찮고 살짝 불안했다면 — 안전 스캔부터 설치까지 터미널 한 줄로 끝나요.
터미널에 붙여넣으면 깃밥 안전 스캔 → 격리 폴더 clone → 설치 → 실행법 안내까지 자동이에요. 처음이어도 괜찮아요 — 이 한 줄이 전부예요.
npx gitbap-try vllm-project/vllm
Node.js만 있으면 설치 없이 실행돼요 · 깃밥트라이가 뭐예요? →
별 추이 · 7일
활용성 · 따라 만들기 좋은가
- 관대한 라이선스
- 테스트 있음
- 예제 디렉토리
- 최근 활동
- AGENTS.md
- llms.txt
- 템플릿
🟢 최근 활동 있음 · 2023년 생성
「LLM 도구·RAG」 이런 레포, 매주 받아보실래요?
매주 월요일 아침, 골라 담은 밥상만. 광고 없이 · 언제든 해지.
내 레포인가요? README에 깃밥 배지 달기
[](https://www.gitbap.com/r/vllm-project/vllm)🔌 클로드에서 바로 써보기 — 깃밥 연결하는 법
깃밥을 클로드에 연결하면 이런 레포를 클로드·커서·Codex에서 바로 찾고 체험할 수 있어요.
클로드 설정 → 커넥터에 이 주소를 붙여넣기.
https://www.gitbap.com/api/mcp플러그인을 설치하면 /gitbap-trending·/gitbap-try 슬래시 커맨드로 레포를 그 자리에서 체험. Claude Code에서 아래 두 줄을 차례로 실행하세요.
/plugin marketplace add jakeparkcolde/gitbap-cowork/plugin install gitbap-cowork@gitbapAI가 README 기반으로 요약했습니다 · 원문 보기