• 模型架构：是否支持目标模型的注意力变体、MoE、多模态
• 量化：AWQ/GPTQ/FP8/GGUF 哪些能用，质量损失是否可接受
• 硬件：单卡还是多卡、是否需要张量并行、显卡架构是否在支持列表
• 目标：平均延迟、尾延迟、并发量级
• 运维：日志、指标、健康检查、升级路径是否齐全
• 团队：现有脚本与文档栈是否可复用

快速验证流程

# 1) 单请求质量验证
curl ... /v1/chat/completions
# 2) 并发压测（框架自带 benchmark 或压测工具）
# 3) 观察 TTFT/吞吐/显存曲线后再定版