AWS 在 vLLM 实现双向 KV 传输降低多轮 TTFT
热点事件持续更新
AWS 在 vLLM 实现双向 KV 传输降低多轮 TTFT
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
AWS 在 vLLM 中实现双向 KV 缓存传输：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，避免重复计算。 在 Amazon EC2 P5en 实例加 EFA 的 1P1D 部署上，AWS 称最长提示下 Qwen3-32B 的首 token 延迟（TTFT）降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。 使用该机制需 vLLM v0.21.0 或更高版本配合 NixlConnector，在 prefill 和 decode 服务端都启用 bidirectional_kv_xfer，并使用能感知 KV 缓存的路由器。AWS 表示该功能也可在其他受支持配置上运行，但性能会随硬件、模型、负载和网络配置变化。
AI 根据报道生成 · 1 小时前更新
最新进展10月20日 00:03
AWS 在 vLLM 中用双向 KV 传输改善多轮 Agent 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 Blog精选AWS 在 vLLM 中用双向 KV 传输改善多轮 Agent 负载的 TTFT
AWS 在 vLLM 中实现双向 KV 传输，让 decode 节点把已算好的 KV 缓存回传给 prefill 节点，避免多轮对话中重复计算上下文。在 Amazon EC2 P5en 实例加 EFA 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
还没有足够的连续观测数据，暂不绘制趋势。