赤兔Chitu：清华大学团队开源的高性能大语言模型推理框架

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）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

git clone --recursive https://github.com/thu-pacman/chitu && cd chitu
pip install -r requirements-build.txt
pip install -U torch --index-url https://download.pytorch.org/whl/cu124  # 根据 CUDA 版本调整
TORCH_CUDA_ARCH_LIST=8.6 CHITU_SETUP_JOBS=4 MAX_JOBS=4 pip install --no-build-isolation

2.单 GPU 推理

torchrun --nproc_per_node 8 test/single_req_test.py request.max_new_tokens=64 models=DeepSeek-R1 models.ckpt_dir=/data/DeepSeek-R1 infer.pp_size=1 infer.tp_size=8

3.混合并行 (TP+PP)

torchrun --nnodes 2 --nproc_per_node 8 test/single_req_test.py request.max_new_tokens=64 infer.pp_size=2 infer.tp_size=8 models=DeepSeek-R1 models.ckpt_dir=/data/DeepSeek-R1

4.启动服务

export WORLD_SIZE=8
torchrun --nnodes 1 \
--nproc_per_node 8 \
--master_port=22525 \
example/serve.py \
serve.port=21002 \
infer.stop_with_eos=False \
infer.cache_type=paged \
infer.pp_size=1 \
infer.tp_size=8 \
models=DeepSeek-R1 \
models.ckpt_dir=/data/DeepSeek-R1 \
keep_dtype_in_checkpoint=True \
infer.mla_absorb=absorb-without-precomp \
infer.soft_fp8=True \
infer.do_load=True \
infer.max_reqs=1 \
scheduler.prefill_first.num_tasks=100 \
infer.max_seq_len=4096 \
request.max_new_tokens=100 \
infer.use_cuda_graph=True

5.性能测试

python benchmarks/benchmark_serving.py \
--model "deepseek-r1" \
--iterations 10 \
--seq-len 10 \
--warmup 3 \
--base-url http://localhost:21002

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