vLLM 推出推式 KV 传输连接器，降低分离式推理延迟
热点事件持续更新
vLLM 推出推式 KV 传输连接器，降低分离式推理延迟
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
vLLM 新增基于 push 模式的 NIXL connector（NixlPushConnector），把 prefill 之后的传输协调与准备工作移出关键路径，以降低首 token 延迟（TTFT）并提升每输出 token 时间（TPOT）。AWS 称，在 EC2 P5en 实例、EFA 互联的 1P1D 部署上运行 Qwen3-32B，TTFT 最高提升 3 倍，TPOT 最高提升 30%；该结果取决于工作负载与配置。 启用推式模式需在 prefill 与 decode 两端服务器都把 NixlConnector 换成 NixlPushConnector。它适合能接受提前选定 decode 节点、且以降低 TTFT 为优先的场景；需要双向 KV 传输，或要在 prefill 后按负载再选 decode 实例的工作负载，仍适合拉式连接器。 该功能先在 AWS Trainium 集群上验证，后作为与加速器无关的特性贡献给 vLLM。
AI 根据报道生成 · 3 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，提升分离式推理的 TTFT 与 TPOT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，提升分离式推理的 TTFT 与 TPOT
vLLM 新增 push 模式的 NIXL connector，把 prefill 后的传输协调与准备工作移出关键路径，从而降低 TTFT 并提升 TPOT。在 AWS EC2 P5en 实例、EFA 互联的 1P1D 部署上，Qwen3-32B 的 TTFT 最高提升 3 倍，TPOT 最高提升 30%。该功能先在 AWS Trainium 集群上验证，再作为与加速器无关的特性贡献给 vLLM。
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。