赤兔Chitu：清华大学团队开源的高性能大语言模型推理框架

文章来源：万象ai发布时间：2025-03-17 10:20:49

赤兔（Chitu）是什么？

赤兔（Chitu）是由清华大学团队开源的一个高性能大语言模型推理框架，专注于提升推理效率、降低成本，并支持多种硬件平台和部署场景。它可以让DeepSeek推理成本降一半，性能翻番。赤兔（Chitu）的目标是为企业和开发者提供一个高效、灵活且易于部署的推理引擎，加速大语言模型（LLM）在实际应用中的落地。

赤兔Chitu：清华大学团队开源的高性能大语言模型推理框架.webp

赤兔（Chitu）功能特点

多元算力适配：支持 NVIDIA 最新旗舰到旧款的多系列产品，并为国产芯片提供优化支持。

全场景可伸缩：从纯 CPU 部署、单 GPU 部署到大规模集群部署，提供灵活的可扩展解决方案。

长期稳定运行：适用于实际生产环境，能够稳定承载并发业务流量。

高效推理性能：在 A800 集群测试中，相比部分国外开源框架，GPU 使用量减少 50% 的情况下推理速度提升 3.15 倍。

降低成本：通过优化硬件资源使用，降低了企业部署 ai 模型的门槛和成本。

赤兔（Chitu）应用场景

企业级 AI 应用：需要高性能、低延迟和高吞吐量的推理服务。

大规模集群部署：需要在多 GPU 或多节点环境中高效运行的场景。

资源受限的环境：需要在有限的硬件资源下实现高效推理的场景。

国产芯片适配：需要在国产硬件平台上运行大语言模型的场景。

赤兔（Chitu）使用方法

1. 源码安装

gitclone--recursivehttps://github.com/thu-pacman/chitu&&cdchitupipinstall-rrequirements-build.txtpipinstall-Utorch--index-urlhttps://download.pytorch.org/whl/cu124#根据CUDA版本调整TORCH_CUDA_ARCH_LIST=8.6CHITU_SETUP_JOBS=4MAX_JOBS=4pipinstall--no-build-isolation

2.单 GPU 推理

torchrun--nproc_per_node8test/single_req_test.pyrequest.max_new_tokens=64models=DeepSeek-R1models.ckpt_dir=/data/DeepSeek-R1infer.pp_size=1infer.tp_size=8

3.混合并行 (TP+PP)

torchrun--nnodes2--nproc_per_node8test/single_req_test.pyrequest.max_new_tokens=64infer.pp_size=2infer.tp_size=8models=DeepSeek-R1models.ckpt_dir=/data/DeepSeek-R1

4.启动服务

exportWORLD_SIZE=8torchrun--nnodes1--nproc_per_node8--master_port=22525example/serve.pyserve.port=21002infer.stop_with_eos=Falseinfer.cache_type=pagedinfer.pp_size=1infer.tp_size=8models=DeepSeek-R1models.ckpt_dir=/data/DeepSeek-R1keep_dtype_in_checkpoint=Trueinfer.mla_absorb=absorb-without-precompinfer.soft_fp8=Trueinfer.do_load=Trueinfer.max_reqs=1scheduler.prefill_first.num_tasks=100infer.max_seq_len=4096 equest.max_new_tokens=100infer.use_cuda_graph=True

5.性能测试

pythonbenchmarks/benchmark_serving.py--model"deepseek-r1"--iterations10--seq-len10--warmup3--base-urlhttp://localhost:21002

GitHub仓库：https://github.com/thu-pacman/chitu