vLLM 推模式 KV 传输：TTFT 最高提升 3 倍
热点事件持续更新
vLLM 推模式 KV 传输：TTFT 最高提升 3 倍
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
vLLM 新增基于 push 模式的 NIXL connector，将 KV 传输的协调与建立过程移出首 token 的关键路径。据 AWS 作者 Sunita Nadampalli 介绍，在 Amazon EC2 P5en 集群的 1P1D 部署上运行 Qwen3-32B，TTFT 最高提升 3 倍、TPOT 最高改善 30%。该功能先在 AWS Trainium 集群上验证，后作为加速器无关特性贡献给 vLLM，GPU 集群同样受益。 使用时需在 prefill 和 decode 两端服务器将 NixlConnector 替换为 NixlPushConnector。该连接器适合能够接受提前选定 decode 节点、且以降低 TTFT 为优先的场景；需要双向 KV 传输，或希望在 prefill 后再按负载选 decode 实例的业务，仍适用原 pull 模式。其他受支持配置也可运行，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 · 2 小时前更新
最新进展10月20日 00:05
vLLM 推出基于 push 的 KV 传输，分离式推理 TTFT 最高提升 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 BlogvLLM 推出基于 push 的 KV 传输，分离式推理 TTFT 最高提升 3 倍
vLLM 新增 push 模式的 NIXL connector，将 KV 传输的协调与建立过程移出首 token 关键路径，在 Amazon EC2 P5en 集群的 1P1D 部署上运行 Qwen3-32B，TTFT 最高提升 3 倍、TPOT 最高改善 30%。该功能先在 AWS Trainium 集群上验证，后作为加速器无关特性贡献给 vLLM，GPU 集群同样受益。
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。