AWS博客介绍vLLM双向KV传输降低TTFT
热点事件持续更新
AWS博客介绍vLLM双向KV传输降低TTFT
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
AWS发布技术博客，介绍vLLM新增的双向KV缓存传输机制：在多轮对话中，decode节点把已计算的KV缓存回传给prefill节点，避免重复计算对话历史。AWS称，在基于Amazon EC2 P5en的1P1D部署测试中，该机制使Qwen3-32B的TTFT最多降低1.6倍，zai-org/GLM-5-FP8最多降低3.3倍。 要启用该机制，需使用vLLM v0.21.0或更高版本及NixlConnector，在prefill和decode服务器上均开启bidirectional_kv_xfer，并使用能感知KV缓存的路由器。decode端缓存默认保留480秒（decoder_kv_blocks_ttl），kv_recompute_threshold默认64个token。AWS表示，该功能可在其他受支持配置上运行，但性能会因硬件、模型、负载和网络而异。
AI 根据报道生成 · 5 小时前更新
最新进展10月20日 00:03
vLLM 双向 KV 传输如何降低多轮智能体负载的 TTFT报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- AWS Machine Learning BlogvLLM 双向 KV 传输如何降低多轮智能体负载的 TTFT
vLLM 新增双向 KV 传输能力，让 decode 节点在后续轮次把已计算的 KV 缓存回传给 prefill 节点，避免重复计算对话历史。在基于 Amazon EC2 P5en 的 1P1D 部署测试中，该机制将 Qwen3-32B 的 TTFT 最多降低 1.6 倍、zai-org/GLM-5-FP8 最多降低 3.3 倍。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月20日 01:00
- 近 24 小时变化
- –
02.557.510
01:0002:0003:0004:0005:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。