AWS在vLLM实现双向KV传输降低多轮TTFT
热点事件观察中
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 天前更新
先了解这件事
AI 综述
AWS在vLLM中实现双向KV缓存传输：decode节点在后续对话轮次把已计算的KV块回传给prefill节点，避免重复计算对话历史。AWS称，在Amazon EC2 P5en实例的1P1D部署上，该功能使Qwen3-32B的首token延迟（TTFT）最多降低1.6倍，zai-org/GLM-5-FP8最多降低3.3倍。 使用该功能需vLLM v0.21.0或更高版本并搭配NixlConnector，在prefill和decode服务器上同时启用bidirectional_kv_xfer，并使用能感知KV缓存的路由器。AWS表示该功能也可运行于其他受支持的配置，但性能会随硬件、模型、负载和网络配置而变化。
AI 根据报道生成 · 2 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 BlogAWS 详解 vLLM 双向 KV 传输如何降低多轮智能体负载的 TTFT
AWS 在 vLLM 中实现双向 KV 传输，让 decode 节点在后续轮次把已计算的 KV 块回传给 prefill 节点，避免重复计算对话历史。在 Amazon EC2 P5en 实例的 1P1D 部署上，该功能使 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。