AWS 在 vLLM 实现双向 KV 传输，多轮 TTFT 最多降 3.3 倍
热点事件观察中
AWS 在 vLLM 实现双向 KV 传输，多轮 TTFT 最多降 3.3 倍
1 篇报道1 个报道来源3 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 节点把已算好的 KV 缓存回传给 prefill 节点，使多轮对话不必重复计算上下文。AWS 称，在 Amazon EC2 P5en 实例和 EFA 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。 使用需 vLLM v0.21.0 或更高版本配合 NixlConnector，在 prefill 和 decode 两端启用 bidirectional_kv_xfer，并使用能感知 KV 缓存的路由器。缓存保留时长由 decoder_kv_blocks_ttl 控制（默认 480 秒），是否重算由 kv_recompute_threshold 控制（默认 64 token）。AWS 表示其他受支持配置也能运行，但性能会随硬件、模型、负载和网络不同而变化。
AI 根据报道生成 · 1 天前更新
最新进展10月20日 00:03
AWS 用 vLLM 双向 KV 传输改善多轮智能体负载的 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 用 vLLM 双向 KV 传输改善多轮智能体负载的 TTFT
AWS 在 vLLM 中实现双向 KV 传输，让 decode 节点把已计算的 KV 缓存回传给 prefill 节点，避免多轮对话中重复计算上下文。在基于 Amazon EC2 P5en 实例和 EFA 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
- 可比范围当前
- 3
- 可比范围峰值
- 310月21日 16:00
- 近 24 小时变化
- –
01234
16:0018:0020:0022:0010月22日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。