![]()
nano-vllm is a minimal reimplementation of vLLM’s core inference engine, targeting Qwen3 model family, and is a pure offline inference library.
High Level Architecture
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
| ┌─────────────────────────────────────────────────────────┐
│ User API: LLM.generate(prompts, sampling_params) │
└────────────────────────┬────────────────────────────────┘
▼
┌─────────────────────────────────────────────────────────┐
│ LLMEngine (engine/llm_engine.py) │
│ Central orchestrator. Loops step() until all finished. │
└──────┬──────────────────────────────────────┬───────────┘
▼ ▼
┌──────────────┐ ┌────────────────────┐
│ Scheduler │ │ ModelRunner │
│ + BlockMgr │◄────────────────────│ (MP for TP>1) │
│ + Sequence │ batch & results │ engine/ │
│ engine/ │ │ model_runner.py │
│ scheduler.py │ └────────┬───────────┘
└──────────────┘ ▼
│ ┌────────────────────┐
│ │ Qwen3ForCausalLM │
│ │ (models/qwen3.py) │
│ │ + layers/ │
│ │ attention.py │
│ │ linear.py │
│ │ sampler.py │
│ │ ... │
│ └────────────────────┘
│
┌────┴────────────┐
│ BlockManager │ Paged KV cache + prefix caching via xxhash
│ Sequence │ Per-request state machine
└─────────────────┘
|