AWS在vLLM引入双向KV传输以降低TTFT
热点事件持续更新
AWS在vLLM引入双向KV传输以降低TTFT
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
AWS 在 vLLM 中引入双向 KV 传输：decode 节点把已计算的 KV 块回传给 prefill 节点，使多轮对话无需重复计算历史上下文。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。 AWS 称性能结果随工作负载和配置变化，其他受支持的配置也可运行该功能，但结果取决于硬件、模型、工作负载和网络配置。要在自有环境部署，需使用 vLLM v0.21.0 或更高版本并配合 NixlConnector，在 prefill 和 decode 两侧服务器启用 bidirectional_kv_xfer，并使用能感知 KV 缓存的路由器。
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：多轮智能体负载 TTFT 最高降低 3.3 倍报道时间线
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：多轮智能体负载 TTFT 最高降低 3.3 倍
AWS 在 vLLM 中引入双向 KV 传输，让 decode 节点把已计算的 KV 块回传给 prefill 节点，避免多轮对话中重复计算历史上下文。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。