vLLM MindSpore

| 关于MindSpore | vLLM MindSpore SIG | 问题反馈 |

English | 中文

---

最新消息 🔥

• [2025/06] 适配vLLM v0.8.3，新增支持vLLM V1架构、Qwen3大模型。
• [2025/04] 完成vLLM v0.7.3适配，新增支持Automatic Prefix Caching、Chunked Prefill、Multi-step Scheduling、MTP等特性。联合openEuler社区和上海交通大学，实现DeepSeek全栈开源单机推理部署，你可以在这里阅读详细报道。
• [2025/03] 完成vLLM v0.6.6.post1适配，支持采用vllm.entrypoints部署基于MindSpore的DeepSeek-V3/R1、Qwen2.5等大模型推理服务。联合openEuler社区和北京大学，发布全栈开源DeepSeek推理方案，你可以在这里阅读详细报道。
• [2025/02] MindSpore社区正式创建了mindspore/vllm-mindspore代码，旨在将MindSpore大模型推理能力接入vLLM。

---

简介

vLLM Mindspore插件（vllm-mindspore）是一个由MindSpore社区孵化的vLLM后端插件。其将基于MindSpore构建的大模型推理能力接入vLLM，从而有机整合MindSpore和vLLM的技术优势，提供全栈开源、高性能、易用的大模型推理解决方案。

vLLM MindSpore插件以将MindSpore大模型接入vLLM，并实现服务化部署为功能目标。其遵循以下设计原则：

• 接口兼容：支持vLLM原生的API和服务部署接口，避免新增配置文件或接口，降低用户学习成本和确保易用性。
• 最小化侵入式修改：尽可能避免侵入式修改vLLM代码，以保障系统的可维护性和可演进性。
• 组件解耦：最小化和规范化MindSpore大模型组件和vLLM服务组件的耦合面，以利于多种MindSpore大模型套件接入。

基于上述设计原则，vLLM MindSpore采用如下图所示的系统架构，分组件类别实现vLLM与MindSpore的对接：

• 服务化组件：通过将LLM Engine、Scheduler等服务化组件中的PyTorch API调用映射至MindSpore能力调用，继承支持包括Continuous Batching、PagedAttention在内的服务化功能。
• 大模型组件：通过注册或替换模型、网络层、自定义算子等组件，将MindSpore Transformers、MindSpore One等MindSpore大模型套件和自定义大模型接入vLLM。

vLLM MindSpore采用vLLM社区推荐的插件机制，实现能力注册。未来期望遵循RPC Multi-framework support for vllm所述原则。

环境准备

• 硬件：Atlas 800I A2推理服务器，或Atlas 800T A2推理服务器，已安装必要的驱动程序，并可连接至互联网
• 操作系统：openEuler或Ubuntu Linux
• 软件：
  • Python >= 3.9, < 3.12
  • CANN >= 8.0.0.beta1
  • MindSpore
  • vLLM

注：请参考版本配套，以获取详细的软件版本配套信息。

快速体验

请查看快速体验和安装指南了解更多。

贡献

请参考 CONTRIBUTING 文档了解更多关于开发环境搭建、功能测试以及 PR 提交规范的信息。

我们欢迎并重视任何形式的贡献与合作，请通过Issue来告知我们您遇到的任何Bug，或提交您的特性需求、改进建议、技术方案。

SIG组织

• 欢迎加入LLM Infercence Serving，参与开源项目共建和产业合作：https://www.mindspore.cn/community/SIG
• SIG例会，双周周三或周四下午，16:30 - 17:30 (UTC+8, 查看您的时区)