用途：Mamba 为序列建模的状态空间模型架构，主打线性复杂度、长序列与更快推理，可作为 Transformer 的替代方案用于语言模型与流式应用。
主要能力：O(n) 线性复杂度；据资料推理约快 5 倍；无需 KV 缓存，内存占用更低；支持百万级 token 序列；每 token 常量内存，适合流式场景；提供 Mamba-1 与 Mamba-2（多头结构、较大状态、RMSNorm、支持张量并行）。
安装：pip install causal-conv1d>=1.4.0；pip install mamba-ssm；或 pip install mamba-ssm[causal-conv1d]。前置条件：Linux、NVIDIA GPU、PyTorch 1.12+、CUDA 11.6+。
使用方式：基础用法从 mamba_ssm 导入 Mamba，设置 d_model、d_state、d_conv、expand 后调用前向；语言模型可用 MambaLMHeadModel 配 MambaConfig（如 layer="Mamba2"、d_state=128、headdim=64、ngroups=1），再调用 generate。可从 HuggingFace 加载预训练模型 state-spaces/mamba-130m 至 2.8b。Mamba-2 使用 Mamba2 类。基准测试用例包含 benchmarks/benchmark_generation_mamba_simple.py。显存参考：130M 约 2GB、370M 约 4GB、790M 约 8GB、1.4B 约 14GB、2.8B 约 28GB（FP16）。
适用场景：长序列（100K+ token）、需更快推理、内存受限、流式应用、重视线性扩展时。
限制：据资料需特定硬件与 CUDA 版本；常见问题包括 CUDA 显存不足（可减小 batch 或启用梯度检查点）、安装慢（可用 --no-build-isolation）、缺少 causal-conv1d、从 HuggingFace 加载需用 MambaLMHeadModel.from_pretrained 而非 AutoModel。与 Transformer 相比，若需最佳性能且有充足算力则可考虑替代方案；亦可考虑 RWKV、RetNet、Hyena。资料未提供具体收费与价格信息。