AWS 详解 vLLM 双向 KV 传输降低多轮 TTFT
热点事件观察中
AWS 详解 vLLM 双向 KV 传输降低多轮 TTFT
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
AWS 团队介绍 vLLM 的双向 KV 传输机制：decode 节点在后续轮次把已算好的 KV 块回传给 prefill 节点，避免重复计算对话历史。AWS 称，在 Amazon EC2 P5en 实例、EFA 互联的 1P1D 部署上，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。 按 AWS 给出的复现条件，需使用 vLLM v0.21.0 或更高版本与 NixlConnector，在 prefill 和 decode 服务端都启用 bidirectional_kv_xfer，并使用具备 KV 缓存感知能力的路由器。AWS 称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。 该模式下 KV 块按可配置的保留时长（decoder_kv_blocks_ttl，默认 480 秒）保存并公布位置与过期时间；是否重算由 kv_recompute_threshold 控制，默认 64 个 token。
AI 根据报道生成 · 1 小时前更新
最新进展10月20日 00:03
AWS 详解 vLLM 双向 KV 传输如何降低多轮智能体 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 BlogAWS 详解 vLLM 双向 KV 传输如何降低多轮智能体 TTFT
AWS 团队介绍 vLLM 中的双向 KV 传输机制，让 decode 节点在后续轮次把已算好的 KV 块回传给 prefill 节点，避免重复计算对话历史。在 Amazon EC2 P5en 实例、EFA 互联的 1P1D 部署上，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。
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。