热点事件历史事件

AWS 为 vLLM 加入双向 KV 传输降低多轮 TTFT

1 篇报道1 个报道来源14 天前更新

先了解这件事

AI 综述

AWS 团队为 vLLM 加入双向 KV 缓存传输：decode 节点在后续轮次把已算好的 KV 缓存回传给 prefill 节点，避免重复计算对话历史。AWS 称，在 Amazon EC2 P5en 实例、EFA 网络、1P1D 部署下，最长提示长度时 Qwen3-32B 的首 token 延迟（TTFT）降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍，结果随硬件、模型、负载和网络配置变化。使用该功能需 vLLM v0.21.0 或更高版本配合 NixlConnector，在 prefill 和 decode 服务端都启用 bidirectional_kv_xfer，并使用 KV-cache-aware 路由。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 tokens）。

AI 根据报道生成 · 14 天前更新

最新进展10月20日 00:03

AWS 在 vLLM 中实现双向 KV 传输，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

00:03
AWS Machine Learning Blog
AWS 在 vLLM 中实现双向 KV 传输，降低多轮智能体负载的 TTFT
AWS 团队为 vLLM 加入双向 KV 传输，让 decode 节点在后续轮次把已算好的 KV 缓存回传给 prefill 节点，避免重复计算对话历史。在 Amazon EC2 P5en 实例、EFA 网络、1P1D 部署下，最长提示长度时 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍，结果随负载和配置变化。该功能由可配置的 KV 缓存保留 TTL（decoder_kv_blocks_ttl，默认 480 秒）和重算阈值（kv_recompute_threshold，默认 64 tokens）控制，并需要配合 KV-cache-aware 路由使用。