vLLM

vLLM は本番が実際に使うサービングエンジンです：PagedAttention、継続バッチング、localhost:8000/v1 のOpenAI互換サーバー。GPUは自分で用意します。

ダウンロード公式ドキュメント ↗

vLLM は本番が実際に使うサービングエンジンです：PagedAttention、継続バッチング、localhost:8000/v1 のOpenAI互換サーバー。GPUは自分で用意します。

`vllm serve Qwen/Qwen3-8B` の1発で完了。CUDA か ROCm。MacではMLXに手を伸ばしましょう。クォータもキーもなく、何もマシンの外に出ません。

最大コンテキスト: Set with --max-model-len
無料プラン: 無制限・プライベート
条件: 不要 — アカウントなし

エンドポイント

ベースURLhttp://localhost:8000/v1

レート制限None — it is your machine

OpenAI互換
テキスト
ビジョン

コード例

npm install openai

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'http://localhost:8000/v1',
  apiKey: 'not-needed'
})

const response = await client.chat.completions.create({
  model: 'Qwen/Qwen3-8B',
  messages: [{ role: 'user', content: 'Explain closures in one paragraph.' }]
})

console.log(response.choices[0].message.content)

pip install openai

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8000/v1",
    api_key="not-needed",
)

response = client.chat.completions.create(
    model="Qwen/Qwen3-8B",
    messages=[{"role": "user", "content": "Explain closures in one paragraph."}],
)

print(response.choices[0].message.content)

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen/Qwen3-8B",
    "messages": [{"role": "user", "content": "Explain closures in one paragraph."}]
  }'

知っておくべきこと

まずサーバーを起動：`vllm serve Qwen/Qwen3-8B`。
CUDA か ROCm のGPUが必要。MacではMLXを使いましょう。

無料で利用できるモデル5

Qwen 3qwen3
Llama 3.3 70Bllama-3.3-70b
GPT-OSS 120Bgpt-oss-120b
DeepSeek R1deepseek-ai/DeepSeek-R1
DeepSeek V4deepseek-v4-flash