AWS在vLLM实现双向KV传输降低多轮TTFT
热点事件持续更新
AWS在vLLM实现双向KV传输降低多轮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中实现双向KV缓存传输：decode节点把已计算的KV块回传给prefill节点，使多轮对话不再重复预填充。AWS称，在Amazon EC2 P5en实例、EFA互联的1P1D部署上，最长提示下Qwen3-32B的TTFT降低约1.6倍，zai-org/GLM-5-FP8降低约3.3倍。 按AWS给出的复现指南，需使用vLLM v0.21.0或更高版本与NixlConnector，在prefill和decode两端启用bidirectional_kv_xfer，并配合kv-cache感知路由器。AWS表示该功能也可在其他受支持配置上运行，但性能会随硬件、模型、负载和网络配置变化。 在双向KV传输模式下，KV块按可配置的decoder_kv_blocks_ttl保留，默认480秒，并发布其位置与过期时间；kv_recompute_threshold默认64个token，用于控制是否重算。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 00:03
AWS 在 vLLM 中用双向 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
- AWS Machine Learning BlogAWS 在 vLLM 中用双向 KV 传输降低多轮智能体负载的 TTFT
AWS 在 vLLM 中实现双向 KV 传输，让 decode 节点把已计算的 KV 块回传给 prefill 节点，避免多轮对话重复预填充。在 Amazon EC2 P5en 实例、EFA 互联的 1P1D 部署上，最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 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。