最近在搞大模型部署，拿vLLM跑Qwen2.5-7B，单卡A100 80G，按照文档设了max_model_len=4096，gpu_memory_utilization=0.9。但跑几个并发请求就报CUDA out of memory，查日志说显存不足。我看别人同配置能跑32K长度，我这才4K就崩了。是不是我tensor_parallel_size设错了？或者需要调什么swap空间？求大佬指点，现在一头雾水，谢了！