vLLM是什么：PagedAttention 让大模型推理快 2-4 倍，还能撑起更长思维链

vLLM 不提升模型能力，只降低「多想几遍」的价格：PagedAttention 把 KV Cache 浪费从 60%-80% 压到 4% 以下，同延迟吞吐 2-4 倍。附可跑代码与三个常见误解。