AWS 在 vLLM 实现双向 KV 传输，多轮对话 TTFT 最高降 3.3 倍
热点事件持续更新
AWS 在 vLLM 实现双向 KV 传输，多轮对话 TTFT 最高降 3.3 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
AWS 在 vLLM 中实现双向 KV 缓存传输，让 prefill 节点在多轮对话中复用 decode 节点保留的 KV 块，避免重复计算。在 1P1D 部署的 P5en 实例上，Qwen3-32B 的 TTFT 最多降低 1.6 倍，GLM-5-FP8 最多降低 3.3 倍。 该功能需使用 vLLM v0.21.0 或更高版本并启用 NixlConnector，在 prefill 和 decode 服务器上开启 bidirectional_kv_xfer，并使用 KV 缓存感知路由器。性能结果会因硬件、模型、工作负载和网络配置而异。
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工作负载的 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工作负载的 TTFT
AWS 在 vLLM 中实现双向 KV 缓存传输，让 prefill 节点在多轮对话中复用 decode 节点保留的 KV 块，避免重复计算。在 1P1D 部署的 P5en 实例上，Qwen3-32B 的 TTFT 最多降低 1.6 倍，GLM-5-FP8 最多降低 3.3 倍。文章介绍了架构、KV 缓存感知路由器、块保留 TTL 和重算阈值，并提供了基准复现指南。
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。