部署大模型像收拾一张太小的书桌：显存和内存摆不下所有资料，就把不常用的部分留在 SSD，需要时再取。vLLM——负责加载大语言模型并处理生成请求的开源推理引擎——夜版现为 Qwen4Exp 的 PLE 表加入这条“容量换速度”的路径。夜版是从最新代码频繁构建的测试版本，能较早试用功能，但稳定性和兼容性通常不如正式版。
启用 disk_offload 后，PLE 表不再整体常驻 GPU 显存或锁页主机内存，而是保留在 safetensors 检查点文件中。模型每一步生成时，只按当步需要的 n-gram ID 读取对应行，再复制到固定的 GPU 缓冲区；BF16、FP8 和 NVFP4 格式都可沿用。好处是降低常驻容量要求，让资源吃紧的机器多一种部署选择。代价也很直接：磁盘读取、数据传输和同步可能增加等待。供稿中的代码讨论还指出，实际节省和性能影响尚未测量，因此它目前更适合试验，而非把收益视为定论。