一、大模型云部署

 SiliconFlow 平台+OpenAI 兼容接口的“五分钟上手”方案：申请密钥、装库、写三行代码，就能让 8B 参数的 Qwen3 在屏幕上说出“你好”。云部署方案，无需 GPU、无需 CUDA、无需考虑显存，只要会发 HTTP 请求就能体验 2025 年最新模型的能力。把 temperature、max_tokens、stream 三个关键参数揉进对话封装函数，可以更有利于调用

二、Transformers 本地部署：数据隐私有保障，只是性能差

通过 ModelScope 下载 Qwen3-4B-Thinking，再用 transformers 库加载，调用，适合科研和简单加载，不适合实际生产部署调用

三、vLLM：让“生产力”发生量级跃迁

vLLM是成熟的高性能框架，默认开放与 OpenAI 完全同构的 /v1/chat/completions 端点，这意味着前一节写的客户端代码可以零改动直接复用。这是“换引擎不换接口”的设计，是“抽象层”带来的威力：上层业务只认协议，下层算力可任意升级。