开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现推理加速的正确姿势（一）
一、前言
目前，大语言模型已升级至Qwen2.5版本。无论是语言模型还是多模态模型，均在大规模多语言和多模态数据上进行预训练，并通过高质量数据进行后期微调以贴近人类偏好。在本篇学习中，将集成vllm实现模型推理加速，现在，我们赶紧跟上技术发展的脚步，去体验一下新版本模型的推理质量。
QWen2系列与vLLM集成：开源模型应用落地-Qwen2-7B-Instruct与vllm实现推理加速的正确姿势（十）
二、术语
2.1. vLLM
vLLM是一个开源的大模型推理加速框架，通过PagedAttention高效地管理attention中缓存的张量，实现了比HuggingFace Transformers高14-24倍的吞吐量。
2.1. Qwen2.5
Qwen2.5系列模型都在最新的大规模