AWS 演示 vLLM 双向 KV 传输降低多轮 TTFT
热点事件历史事件
AWS 演示 vLLM 双向 KV 传输降低多轮 TTFT
1 篇报道1 个报道来源11 天前更新
先了解这件事
AI 综述
AWS 在官方博客中介绍 vLLM 的双向 KV 缓存传输机制：decode 节点在后续对话轮次把已算好的 KV 缓存回传给 prefill 节点，避免重复计算对话历史。AWS 称，在 Amazon EC2 P5en 的 1P1D 部署上，该机制使 Qwen3-32B 的首 token 延迟（TTFT）最高降低 1.6 倍，zai-org/GLM-5-FP8 最高降低 3.3 倍。 按 AWS 说明，使用需 vLLM v0.21.0 及以上版本和 NixlConnector，在 prefill 与 decode 两端开启 bidirectional_kv_xfer，并配合能感知 KV 缓存的路由器。该功能也可用于其他受支持的配置，但效果会随硬件、模型、负载和网络不同而变化。 机制上，是否重算由 kv_recompute_threshold 控制（默认 64 token）；decode 端缓存保留时长由 decoder_kv_blocks_ttl 控制（默认 480 秒）。上述性能数字为 AWS 自述的基准结果。
AI 根据报道生成 · 11 天前更新
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工作负载的 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工作负载的 TTFT
vLLM 引入双向 KV 传输，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 Amazon EC2 P5en 的 1P1D 部署上，该机制使 Qwen3-32B 的 TTFT 最高降低 1.6 倍、zai-org/GLM-5-FP8 最高降低 3.3 倍。