热点事件持续更新

vLLM双向KV传输优化多轮TTFT

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

2026年10月20日，AWS Machine Learning Blog 发文介绍其在 vLLM 中实现的双向 KV 缓存传输机制：decode 节点把已算好的 KV 缓存回传给 prefill 节点，使多轮对话中已计算的上下文可跨轮复用，避免重复预填充，从而提升加速器利用率并维持响应式 TTFT。该文给出的实测基于 Amazon EC2 P5en 的 1P1D 部署：最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。文章同时说明，该特性可在其他受支持配置上运行，但性能会因硬件、模型、负载与网络配置而异；在自有环境落地需使用 vLLM v0.21.0 或更高版本配合 NixlConnector，在 prefill 与 decode 服务器上均启用 bidirectional_kv_xfer，并使用具备 KV 缓存感知的路由器，按 GitHub 复现指南操作。目前进展为机制介绍与基准演示，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

最新进展10月20日 00:03

AWS 在 vLLM 中用双向 KV 传输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

00:03
AWS Machine Learning Blog
AWS 在 vLLM 中用双向 KV 传输降低多轮智能体负载的 TTFT
AWS 在 vLLM 中实现双向 KV 缓存传输，让 decode 节点把已算好的 KV 回传给 prefill 节点，避免多轮对话重复预填充。在 Amazon EC2 P5en 的 1P1D 部署上，最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 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: –

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。